Sự hài lòng điện tử là gì? Cách xây dựng và kiểm định thang đo

Sự hài lòng điện tử là gì và được đo bằng gì

Sự hài lòng điện tử, thường viết là e-satisfaction, là mức độ khách hàng đánh giá tích cực sau khi sử dụng một website, ứng dụng, sàn thương mại điện tử hoặc dịch vụ trực tuyến. Người trả lời so sánh trải nghiệm thực tế với kỳ vọng trước đó, sau đó hình thành cảm nhận tổng thể về việc giao dịch hoặc sử dụng dịch vụ có đáp ứng mong đợi hay không.

Khái niệm này gần với câu hỏi “sự hài lòng khách hàng là gì”, nhưng phạm vi hẹp hơn ở chỗ trải nghiệm có yếu tố điện tử. Một khách hàng có thể hài lòng với thương hiệu nói chung nhưng chưa hài lòng với tốc độ website, quy trình thanh toán hoặc khả năng hỗ trợ trên ứng dụng. Vì vậy, bạn cần xác định rõ đối tượng và kênh trực tuyến trong đề tài.

Sự hài lòng điện tử là biến tiềm ẩn, không quan sát trực tiếp bằng một con số duy nhất. Bạn đo nó thông qua nhiều biến quan sát, thường là các phát biểu theo thang Likert 5 hoặc 7 mức. Chẳng hạn, người trả lời đánh giá mức đồng ý với các phát biểu về cảm nhận tổng thể, mức đáp ứng kỳ vọng và quyết định sử dụng lại dịch vụ.

Đừng trộn khái niệm này với sự hài lòng công việc, sự hài lòng sinh viên hoặc sự hài lòng du khách. Các khái niệm đó có đối tượng, bối cảnh và nguồn thang đo khác nhau. Nếu đề tài của bạn nghiên cứu người dùng nền tảng số, hãy ghi rõ nền tảng, thời điểm trải nghiệm và điều kiện sàng lọc trong bảng hỏi.

Bạn có thể xem thêm bài thang đo sự hài lòng điện tử để đối chiếu cách đặt tên biến, mã hóa dữ liệu và nối khái niệm này với mô hình nghiên cứu của mình.

Nguồn thang đo gốc

Nguồn thang đo phải phù hợp với bối cảnh bạn nghiên cứu. Một thang đo được dùng cho chất lượng dịch vụ trực tuyến có thể là cơ sở tham khảo, nhưng bạn không nên chép nguyên văn rồi gọi đó là thang đo đã được xác nhận cho mọi ngành. Với khái niệm hài lòng điện tử, các biến quan sát thường được xây dựng theo hướng đánh giá tổng thể sau trải nghiệm, rồi điều chỉnh cho website, ứng dụng, ngân hàng số hoặc sàn thương mại điện tử cụ thể.

Trong phạm vi nguồn được phép trích dẫn, (Parasuraman và cộng sự, 1988) là nguồn kinh điển cho SERVQUAL và các chiều cạnh chất lượng dịch vụ. Nguồn này phù hợp khi mô hình của bạn có chất lượng dịch vụ là tiền tố của sự hài lòng, nhưng không nên trình bày SERVQUAL như chính thang đo e-satisfaction nếu bạn chưa chứng minh sự tương thích.

Bảng dưới đây giúp bạn phân biệt nguồn khái niệm và nguồn thang đo. Số lượng biến quan sát là cấu trúc tham khảo để thiết kế, không phải tuyên bố rằng mọi nghiên cứu đều phải dùng đúng số đó.

Nếu bạn cần một mô hình nghiên cứu rộng hơn, hãy đặt sự hài lòng điện tử sau các biến như chất lượng hệ thống, chất lượng thông tin, sự thuận tiện hoặc niềm tin. Phần mô hình cần được lập luận từ tài liệu của đề tài, không chỉ dựa vào việc một biến được dùng phổ biến. Danh mục Mô hình nghiên cứu có thể giúp bạn rà lại quan hệ giữa biến độc lập, biến trung gian và biến phụ thuộc.

Bộ biến quan sát tham khảo

Dưới đây là bộ biến quan sát minh họa để bạn bắt đầu thiết kế bảng hỏi. Đây chưa phải bản dịch đã được xác nhận và chưa phải thang đo đạt độ tin cậy trong dữ liệu của bạn. Bạn cần thay cụm “nền tảng này” bằng website, ứng dụng hoặc dịch vụ cụ thể, sau đó kiểm tra lại cách hiểu với người trả lời mục tiêu.

Các phát biểu trên đang cùng hướng, nghĩa là mức điểm cao thể hiện sự hài lòng cao. Nếu bạn thêm biến đảo chiều, chẳng hạn “Tôi thường thất vọng khi sử dụng nền tảng này”, phải ghi chú rõ trong file dữ liệu và đảo mã trước khi chạy Cronbach's Alpha hoặc EFA. Với mẫu nhỏ và người trả lời dễ nhầm, biến đảo chiều thường tạo thêm sai sót. Chỉ dùng khi có lý do phương pháp rõ ràng.

Bảng hỏi nên bắt đầu bằng câu hỏi sàng lọc, ví dụ người trả lời đã sử dụng nền tảng trong một khoảng thời gian xác định hay chưa. Sau đó mới đến các biến quan sát ESAT1 đến ESAT5. Cuối bảng có thể hỏi thông tin mô tả mẫu và biến kết quả như ý định mua lại, ý định tiếp tục sử dụng hoặc ý định giới thiệu. Đừng gộp hai ý trong một biến, chẳng hạn vừa hỏi tốc độ vừa hỏi độ ổn định trong cùng một câu.

Điều chỉnh thang đo cho bối cảnh Việt Nam

Bước đầu tiên là xác định đơn vị trải nghiệm. “Website của ngân hàng X”, “ứng dụng đặt đồ ăn” và “sàn thương mại điện tử” tạo ra các bối cảnh khác nhau. Nếu bảng hỏi chỉ ghi “nền tảng này”, người trả lời có thể nghĩ đến nhiều dịch vụ khác nhau và câu trả lời sẽ khó diễn giải.

Bước thứ hai là điều chỉnh từ ngữ. Từ “trải nghiệm trực tuyến” có thể dễ hiểu với sinh viên nhưng chưa chắc rõ với mọi nhóm tuổi. Bạn nên dùng câu ngắn, một ý, chủ ngữ nhất quán và tránh thuật ngữ kỹ thuật nếu đối tượng khảo sát không quen. Bản dịch cần giữ nội dung khái niệm, không cần giữ từng chữ của bản tiếng Anh.

Bước thứ ba là kiểm tra chiều của thang đo. Tất cả biến cùng hướng giúp quá trình trả lời dễ hơn. Nếu có biến đảo chiều, mã hóa phải được ghi vào codebook. Với thang Likert 5 mức, một biến đảo chiều có điểm mới bằng 6 trừ điểm gốc. Với thang 7 mức, điểm mới bằng 8 trừ điểm gốc.

Bước thứ tư là thử bảng hỏi trên một nhóm nhỏ có đặc điểm gần với mẫu chính. Bạn kiểm tra thời gian trả lời, câu nào bị hiểu khác nhau, lựa chọn trả lời có thiếu không và mã biến có nhất quán không. Đây là bước rà soát công cụ, chưa phải lý do để công bố thang đo đã được kiểm định.

Khi thu dữ liệu chính thức, bạn cần loại các phản hồi không đáp ứng tiêu chí sàng lọc, bỏ bản trả lời thiếu quá nhiều thông tin và xem xét kiểu trả lời một cột từ đầu đến cuối. Việc loại dữ liệu phải có quy tắc ghi trước hoặc giải trình được, không loại chỉ vì kết quả Cronbach's Alpha chưa đẹp.

Kiểm định độ tin cậy và giá trị của thang đo

Với dữ liệu SPSS, quy trình thường bắt đầu bằng Cronbach's Alpha, tiếp tục với EFA nếu thiết kế nghiên cứu cần khám phá cấu trúc, rồi mới dùng hồi quy hoặc kiểm định giả thuyết. Nếu bạn dùng SmartPLS, cần đánh giá measurement model trước structural model, phù hợp với cách tiếp cận hai bước được trình bày trong (Anderson và Gerbing, 1988).

Cronbach's Alpha phản ánh mức nhất quán nội tại giữa các biến quan sát. Ngưỡng Alpha từ 0.7 trở lên thường được chấp nhận (Nunnally, 1978). Với thang đo mới hoặc nghiên cứu khám phá, mức từ 0.6 có thể được xem xét theo bối cảnh (Hair và cộng sự, 2010). Corrected Item-Total Correlation từ 0.3 trở lên là một mốc thường dùng (Nunnally và Bernstein, 1994).

Trong SPSS, mở Analyze > Scale > Reliability Analysis, đưa các biến ESAT vào ô Items, chọn Model là Alpha. Trong Statistics, đánh dấu Scale if item deleted và Item, sau đó chạy. Bạn đọc bảng Reliability Statistics để xem Cronbach's Alpha và số biến, rồi đọc Item-Total Statistics để xem Corrected Item-Total Correlation và Cronbach's Alpha if Item Deleted.

Nếu một biến có tương quan biến tổng thấp, bạn kiểm tra lại nội dung và mã đảo chiều trước khi loại. Cột Alpha if Item Deleted chỉ là bằng chứng tham khảo. Loại biến chỉ vì Alpha tăng nhẹ có thể làm mất nội dung quan trọng của khái niệm.

Với EFA, bạn kiểm tra KMO and Bartlett's Test, Total Variance Explained và Rotated Component Matrix. KMO từ 0.5 trở lên và Bartlett có ý nghĩa thống kê ở mức dưới 0.05 là các mốc thường được dùng (Kaiser, 1974). Eigenvalue lớn hơn 1 là một quy tắc trích nhân tố được trích dẫn từ (Kaiser, 1960). Tổng phương sai trích từ 50% trở lên và factor loading từ 0.5 trở lên có thể tham khảo (Hair và cộng sự, 2010).

Nếu dùng SmartPLS, bạn xem Outer Loadings, Construct Reliability and Validity, Discriminant Validity, VIF, Path Coefficients và kết quả Bootstrapping. Outer loading từ 0.7 trở lên là mốc thường dùng (Chin, 1998). CR từ 0.7 và AVE từ 0.5 trở lên được trình bày trong (Fornell và Larcker, 1981). HTMT nên dưới 0.85, hoặc dưới 0.90 với các khái niệm gần nhau (Henseler và cộng sự, 2015).

Các mốc trên là tiêu chí tham khảo, không phải nút bấm tự động để loại biến. Bạn cần xem lý thuyết, nội dung phát biểu, kích thước mẫu và cấu trúc mô hình. Đặc biệt, không đưa CFI, TLI hoặc RMSEA vào bài phân tích SmartPLS, vì các chỉ số đó thuộc nhóm đánh giá fit thường dùng trong CB-SEM và được trình bày với (Hu và Bentler, 1999).

Cách viết vào luận văn: “Thang đo sự hài lòng điện tử gồm [số biến quan sát] biến, ký hiệu từ [ESAT1] đến [ESATn]. Kết quả Cronbach's Alpha đạt [giá trị], các Corrected Item-Total Correlation dao động từ [giá trị thấp nhất] đến [giá trị cao nhất], do đó thang đo được giữ lại để thực hiện [EFA/đánh giá measurement model].” Bạn thay toàn bộ phần trong ngoặc vuông bằng số liệu từ chính output của mình.

Cách trình bày thang đo trong chương 3

Ở chương 3, bạn mô tả định nghĩa thao tác của sự hài lòng điện tử, đối tượng trả lời, nền tảng được đánh giá, số mức Likert và nguồn hình thành từng nhóm biến. Nếu có điều chỉnh câu chữ, ghi rõ bạn đã Việt hóa và điều chỉnh theo bối cảnh nào. Đừng viết rằng thang đo “đạt” ở chương phương pháp khi bạn chưa chạy dữ liệu.

Một bảng thang đo nên có mã biến, nội dung phát biểu, nguồn tham khảo và thang đo sử dụng. Phần kết quả ở chương 4 mới trình bày Cronbach's Alpha, EFA hoặc các chỉ số SmartPLS. Hai phần này cần thống nhất mã ESAT, số lượng biến và thứ tự biến trong file dữ liệu.

Bạn có thể đối chiếu cách đặt thang đo với các hướng tiếp cận mô hình khác, chẳng hạn mô hình AIDA, tháp nhu cầu Maslow hoặc mô hình SWOT. Các mô hình đó không tự thay thế thang đo sự hài lòng điện tử, nhưng có thể giúp bạn kiểm tra bối cảnh marketing và hành vi trước khi chốt mô hình.

Lỗi thường gặp

Lỗi đầu tiên là dùng cụm “sự hài lòng điện tử” nhưng không nói người trả lời đang đánh giá website, ứng dụng hay toàn bộ doanh nghiệp. Cách sửa là thêm câu sàng lọc và mô tả rõ trải nghiệm được đánh giá.

Lỗi thứ hai là lấy một bảng câu hỏi trên mạng rồi gọi đó là nguồn gốc. Bạn cần truy được tác giả, năm, bối cảnh và logic của từng biến. Nếu chưa có nguồn phù hợp trong tài liệu, hãy ghi là biến quan sát tham khảo và trình bày giới hạn này với giảng viên.

Lỗi thứ ba là dịch “satisfaction” thành nhiều cách khác nhau trong cùng một thang đo, khiến người trả lời phân biệt những khác biệt mà bạn không định đo. Hãy dùng nhất quán các cụm “hài lòng”, “đáp ứng kỳ vọng” và “trải nghiệm tổng thể” theo đúng ý định của từng biến.

Lỗi thứ tư là xóa liên tục các biến để Alpha tăng. Sau mỗi vòng, lưu file output, ghi lý do loại và kiểm tra nội dung khái niệm. Nếu EFA tách một biến sang nhân tố khác, bạn cần xem loading, cross-loading và cơ sở lý thuyết, thay vì chỉ chọn phương án có bảng đẹp hơn.

Lỗi thứ năm là trộn kết quả của SPSS với SmartPLS mà không nói rõ phương pháp. SPSS thường dùng Cronbach's Alpha và EFA, còn SmartPLS yêu cầu đánh giá measurement model với outer loading, CR, AVE và HTMT. Chọn công cụ theo mô hình và kế hoạch kiểm định, không chọn vì một bảng kết quả trông dễ chép hơn.

Câu hỏi thường gặp

Sự hài lòng điện tử có giống sự hài lòng khách hàng không?

Hai khái niệm có liên quan nhưng không hoàn toàn giống nhau. Sự hài lòng khách hàng có thể bao quát toàn bộ quan hệ với doanh nghiệp, còn sự hài lòng điện tử tập trung vào trải nghiệm qua website, ứng dụng hoặc kênh trực tuyến.

Nếu bảng hỏi của bạn hỏi về giao hàng, nhân viên tại cửa hàng và sản phẩm cùng lúc, bạn đang đo trải nghiệm tổng thể hoặc sự hài lòng khách hàng rộng hơn. Hãy thu hẹp câu hỏi nếu tên biến là e-satisfaction.

Nên dùng bao nhiêu biến quan sát cho sự hài lòng điện tử?

Không có một con số duy nhất áp dụng cho mọi đề tài. Bạn nên bắt đầu với các biến bao quát những mặt cốt lõi của khái niệm, sau đó kiểm tra nội dung, độ tin cậy và cấu trúc nhân tố.

Khi tính cỡ mẫu, mốc 5 đến 10 quan sát cho một biến quan sát thường được trích dẫn (Hair và cộng sự, 2010), nhưng bạn vẫn phải xem số biến của toàn bộ bảng hỏi và phương pháp phân tích dự kiến.

Có cần chạy EFA sau Cronbach's Alpha không?

Nếu nghiên cứu của bạn dùng SPSS để khám phá cấu trúc thang đo hoặc thang đo đã được điều chỉnh đáng kể, EFA thường là bước tiếp theo. Nếu mô hình đo lường đã xác định và bạn dùng PLS-SEM, hãy đánh giá measurement model theo quy trình SmartPLS thay vì đưa mọi chỉ số EFA vào báo cáo.

Bạn cũng cần kiểm tra điều kiện và mục tiêu nghiên cứu. EFA không phải bước bắt buộc chỉ vì mọi luận văn khác đều có bảng Rotated Component Matrix.

Cronbach's Alpha thấp thì phải làm sao?

Trước hết, kiểm tra biến đảo chiều, lỗi nhập dữ liệu, giá trị thiếu và việc các biến có thực sự đo cùng một khái niệm không. Sau đó xem Corrected Item-Total Correlation và Alpha if Item Deleted, nhưng không xóa biến chỉ để đạt một mốc số học.

Nếu thang đo mới và mang tính khám phá, bạn có thể giải trình mức Alpha phù hợp với bối cảnh theo (Hair và cộng sự, 2010). Nếu vẫn không ổn, hãy xem lại câu chữ và thiết kế bảng hỏi, thay vì sửa dữ liệu sau khi thu thập.

Có thể dùng thang đo sự hài lòng điện tử cho sự hài lòng công việc không?

Bạn không nên dùng nguyên bộ. Sự hài lòng công việc có đối tượng đánh giá là công việc, môi trường và điều kiện lao động, còn e-satisfaction đánh giá trải nghiệm dịch vụ hoặc nền tảng trực tuyến.

Bạn có thể giữ cách xây dựng biến tổng thể và quy trình kiểm định, nhưng phải tìm nguồn thang đo phù hợp với khái niệm, đối tượng và mô hình của đề tài.

Bây giờ, hãy mở codebook và output của chính bạn, kiểm tra từng biến ESAT theo các bước trên, rồi dùng M4 phân tích dữ liệu thật bằng SPSS và SmartPLS để chạy đúng file .sav hoặc .csv và ghi lại từng vòng xử lý.