Tài sản thương hiệu Aaker là gì? Thành phần và cách kiểm định

Mô hình tài sản thương hiệu Aaker là gì

Tài sản thương hiệu Aaker là mô hình dùng để giải thích giá trị mà một thương hiệu tạo ra trong nhận thức và hành vi của khách hàng. Khi khách hàng nhận biết thương hiệu, nhớ đến thương hiệu, đánh giá chất lượng tốt, có liên tưởng phù hợp và sẵn sàng quay lại hoặc giới thiệu, thương hiệu có thể tạo ra lợi thế vượt lên trên sản phẩm có chức năng tương tự.

Trong nghiên cứu marketing, mô hình này thường được gắn với David Aaker. Tuy nhiên, danh mục tài liệu bạn dùng trong luận văn cần có đúng nguồn gốc mà giảng viên yêu cầu. Nếu chưa kiểm tra được ấn phẩm gốc, bạn nên trình bày mô hình như một khung lý thuyết tham khảo, không tự điền năm xuất bản hoặc bịa tên tài liệu vào phần tài liệu tham khảo.

Tài sản thương hiệu không phải là một con số doanh thu đơn thuần. Đây là một khái niệm tiềm ẩn, cần được đo thông qua nhiều biến quan sát trong bảng hỏi. Mỗi thành phần được thể hiện bằng một nhóm phát biểu, thường đo trên thang Likert. Việc thiết kế thang đo, kiểm tra độ tin cậy và đánh giá mô hình phải đi cùng với bối cảnh cụ thể như ngân hàng, bán lẻ, giáo dục, thời trang hoặc thương mại điện tử.

Nếu bạn đang xây dựng phần cơ sở lý thuyết, có thể xem thêm nhóm chủ đề Mô hình nghiên cứu để đặt mô hình Aaker cạnh các khung nghiên cứu marketing khác.

Các thành phần trong mô hình

Cách trình bày phổ biến của mô hình gồm nhận biết thương hiệu, liên tưởng thương hiệu, chất lượng cảm nhận và lòng trung thành thương hiệu. Một số nghiên cứu thêm nhóm tài sản độc quyền khác, chẳng hạn bằng sáng chế, nhãn hiệu đăng ký hoặc quan hệ với kênh phân phối. Với luận văn khảo sát người tiêu dùng, bốn thành phần đầu thường phù hợp hơn vì có thể đo trực tiếp bằng dữ liệu bảng hỏi.

Bốn nhóm biến đầu không nên bị gộp thành một danh sách câu hỏi chung rồi đưa ngay vào SPSS. Bạn cần xác định mỗi biến quan sát thuộc khái niệm nào, mã hóa rõ ràng và kiểm tra nội dung trước khi thu thập dữ liệu. Chẳng hạn, phát biểu “thương hiệu có nhiều điểm bán” có thể phản ánh khả năng tiếp cận hoặc phân phối, chưa chắc là nhận biết thương hiệu.

Bạn cũng cần phân biệt tài sản thương hiệu với hình ảnh thương hiệu. Hình ảnh thường tập trung vào các liên tưởng mà khách hàng có về thương hiệu, còn tài sản thương hiệu là khung rộng hơn, bao gồm cả nhận biết, chất lượng cảm nhận và lòng trung thành. Vì vậy, nếu đề tài chỉ đo hình ảnh thương hiệu, bạn không nên gọi toàn bộ mô hình là tài sản thương hiệu Aaker.

Mô hình gốc và các mở rộng phổ biến

Mô hình Aaker thường được dùng như khung nền để xây dựng biến phụ thuộc hoặc biến kết quả trong nghiên cứu hành vi khách hàng. Ví dụ, bạn có thể xem tài sản thương hiệu là kết quả chịu ảnh hưởng bởi trải nghiệm thương hiệu, hoạt động truyền thông xã hội, chất lượng dịch vụ hoặc niềm tin thương hiệu. Bốn thành phần của Aaker khi đó có thể được đo riêng, hoặc dùng để hình thành đánh giá tổng thể tùy thiết kế nghiên cứu.

Khi tìm kiếm với cụm “tài sản thương hiệu Keller là gì”, bạn sẽ gặp một hướng tiếp cận khác. Khung của Keller thường nhấn mạnh kiến thức thương hiệu trong trí nhớ khách hàng, gồm nhận biết và hình ảnh thương hiệu, sau đó giải thích phản ứng của khách hàng. Hai cách tiếp cận có thể cùng xuất hiện trong phần tổng quan, nhưng không nên trộn các thành phần của chúng thành một thang đo duy nhất nếu bạn chưa có lập luận lý thuyết.

Một mở rộng thường gặp là thêm biến trung gian hoặc biến điều tiết. Ví dụ, trải nghiệm thương hiệu có thể ảnh hưởng đến tài sản thương hiệu thông qua sự hài lòng. Hoặc tác động của chất lượng cảm nhận lên lòng trung thành có thể khác nhau giữa khách hàng mới và khách hàng đã sử dụng lâu năm. Khi thêm biến, bạn phải viết rõ nó nằm ở đâu trong mô hình và vì sao có quan hệ đó.

Bạn có thể dùng mô hình AIDA để tham khảo cách mô tả tiến trình từ chú ý đến hành động trong marketing, nhưng AIDA không thay thế mô hình đo tài sản thương hiệu. Tương tự, AIDA là gì phù hợp khi bạn nghiên cứu phản ứng với thông điệp quảng cáo, còn Aaker phù hợp khi bạn nghiên cứu giá trị thương hiệu trong nhận thức và lựa chọn của khách hàng.

Các mô hình 4P Marketing Mix và 7P Marketing Mix cũng có thể được dùng làm nhóm biến giải thích. Ví dụ, chất lượng sản phẩm, giá, truyền thông và phân phối có thể ảnh hưởng đến các thành phần tài sản thương hiệu. Tuy nhiên, mỗi quan hệ cần được diễn giải theo bối cảnh nghiên cứu, không tự động xem mọi yếu tố marketing mix là nguyên nhân của tài sản thương hiệu.

Thang đo thường dùng cho từng khái niệm

Bạn nên bắt đầu từ thang đo đã được công bố trong tài liệu chuyên ngành, sau đó điều chỉnh câu chữ cho sản phẩm và đối tượng khảo sát. Một tài liệu phương pháp nghiên cứu trong nước có thể hỗ trợ cách trình bày quy trình nghiên cứu, chẳng hạn (Nguyễn Đình Thọ, 2011), nhưng không nên dùng một giáo trình phương pháp để khẳng định rằng mọi biến quan sát của Aaker đều có cùng cách dịch.

Các phát biểu trên chỉ là hướng tham khảo để bạn thiết kế bảng hỏi, chưa phải bản dịch đã được thẩm định. Trước khi khảo sát chính thức, hãy kiểm tra người trả lời có hiểu “chất lượng cảm nhận” theo đúng bối cảnh hay đang trả lời về chất lượng thực tế. Với biến lòng trung thành, cần phân biệt ý định mua lại với hành vi mua thực tế, vì hai khái niệm này không có cùng cách đo.

Về thang đo, Likert 5 hoặc 7 mức đều có thể được sử dụng nếu bạn giải thích nhất quán trong chương phương pháp. Thang Likert bắt nguồn từ kỹ thuật đo thái độ được trình bày trong (Likert, 1932). Không nên đổi số mức giữa các nhóm biến trong cùng một bảng hỏi nếu không có lý do rõ ràng.

Áp dụng vào đề tài của bạn

Giả sử đề tài của bạn là “Các yếu tố ảnh hưởng đến tài sản thương hiệu của một chuỗi cà phê tại Thành phố Hồ Chí Minh”. Bạn có thể đặt tài sản thương hiệu là biến phụ thuộc tổng thể, hoặc phân tích riêng bốn thành phần. Phương án thứ hai thường cho kết quả dễ giải thích hơn, vì giảng viên có thể hỏi yếu tố nào ảnh hưởng đến nhận biết, chất lượng cảm nhận và lòng trung thành ở mức khác nhau.

Một mô hình minh họa có thể gồm chất lượng dịch vụ, trải nghiệm thương hiệu, truyền thông xã hội và niềm tin thương hiệu là các biến độc lập. Tài sản thương hiệu là biến phụ thuộc. Nếu muốn giữ mô hình gọn, bạn có thể chọn một thành phần đại diện làm kết quả chính, nhưng phải giải thích vì sao thành phần đó phù hợp với mục tiêu nghiên cứu.

Bốn giả thuyết minh họa có thể viết như sau:

• H1: Chất lượng dịch vụ có tác động tích cực đến tài sản thương hiệu.
• H2: Trải nghiệm thương hiệu có tác động tích cực đến tài sản thương hiệu.
• H3: Hoạt động truyền thông xã hội có tác động tích cực đến tài sản thương hiệu.
• H4: Niềm tin thương hiệu có tác động tích cực đến tài sản thương hiệu.

Đây là khung minh họa, không phải giả thuyết có thể bê nguyên vào mọi đề tài. Bạn cần thay tên biến, đối tượng, ngành hàng và hướng quan hệ theo tổng quan tài liệu của mình. Nếu mô hình có biến trung gian, chẳng hạn trải nghiệm thương hiệu ảnh hưởng đến lòng trung thành thông qua chất lượng cảm nhận, hãy viết riêng giả thuyết cho tác động trực tiếp và tác động gián tiếp.

Cách viết vào luận văn: “Dựa trên khung tài sản thương hiệu của Aaker và bối cảnh [ngành hàng/địa bàn], nghiên cứu đề xuất tài sản thương hiệu gồm [số lượng] thành phần: [liệt kê thành phần]. Nghiên cứu giả thuyết rằng [biến độc lập] có tác động [tích cực/tiêu cực] đến [biến phụ thuộc] ở nhóm khách hàng [đối tượng khảo sát].”

Trong chương 3, bạn nên lập bảng mã hóa gồm tên biến, mã biến, nội dung phát biểu, nguồn tham khảo và thang đo. Không để mã như TH1, TH2 xuất hiện trong file .sav mà không có bảng giải thích. Khi bị hỏi tại sao loại một biến, bạn cần lần lại được biến đó thuộc khái niệm nào và kết quả kiểm định ở vòng nào.

Cách kiểm định mô hình bằng SPSS hoặc SmartPLS

Nếu mô hình của bạn dùng dữ liệu khảo sát và các khái niệm được đo bằng nhiều biến quan sát, SPSS phù hợp cho bước làm sạch dữ liệu, thống kê mô tả, Cronbach's Alpha, EFA và hồi quy. Quy trình cơ bản thường bắt đầu ở Analyze > Scale > Reliability Analysis. Trong hộp thoại, đưa các biến cùng một khái niệm vào, chọn Model: Alpha, mở Statistics và đánh dấu Scale if item deleted cùng Item, Scale nếu cần xem chi tiết.

Sau đó, chạy EFA tại Analyze > Dimension Reduction > Factor. Kiểm tra bảng KMO and Bartlett's Test, Total Variance Explained và Rotated Component Matrix. Bạn cần chọn phương pháp extraction, rotation và tiêu chí giữ nhân tố theo thiết kế nghiên cứu. Đừng loại biến chỉ vì một ô số chưa đẹp. Hãy xem đồng thời tải nhân tố, tải chéo, ý nghĩa nội dung và sự ổn định của mô hình.

Nếu dùng hồi quy, vào Analyze > Regression > Linear. Đưa tài sản thương hiệu vào Dependent, các biến giải thích vào Independent(s), sau đó xem bảng Model Summary, ANOVA và Coefficients. Kiểm tra thêm VIF, phần dư và các chẩn đoán cần thiết. Mốc cỡ mẫu hồi quy thường được tham khảo là 50 + 8m, trong đó m là số biến độc lập, theo (Tabachnick và Fidell, 2013). Durbin-Watson trong khoảng 1 đến 3 là một mốc kiểm tra thường được trình bày theo (Field, 2013).

SmartPLS phù hợp khi mô hình có biến tiềm ẩn, nhiều quan hệ giữa các khái niệm, biến trung gian hoặc mô hình cấu trúc cần đánh giá đồng thời. Trong SmartPLS 4, bạn nhập dữ liệu .csv, tạo construct, kéo các biến quan sát vào construct, nối các mũi tên theo mô hình và chạy PLS-SEM Algorithm. Sau đó chạy Bootstrapping để kiểm tra path coefficient, t-value và p-value. Quy trình PLS-SEM và số lượng 5.000 bootstrap subsamples có thể tham khảo (Hair và cộng sự, 2022).

Bảng kết quả minh họa

Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Tên cột được mô phỏng theo các bảng bạn thường gặp trong SPSS và SmartPLS để bạn biết cần đọc ở đâu.

Khi viết kết quả, hãy giữ số liệu từ file của bạn, không thay bằng số minh họa. Với SPSS, bạn có thể báo cáo Alpha, Corrected Item-Total Correlation, KMO, Bartlett và kết quả EFA theo thứ tự. Với SmartPLS, hãy báo cáo outer loading, CR, AVE, HTMT, VIF, R², f², Q² và path coefficient nếu các chỉ số đó phù hợp với mô hình.

Một số mốc thường dùng gồm Cronbach's Alpha từ 0.7 trở lên theo (Nunnally, 1978), Corrected Item-Total Correlation từ 0.3 trở lên theo (Nunnally và Bernstein, 1994), factor loading từ 0.5 trở lên theo (Hair và cộng sự, 2010), CR từ 0.7 và AVE từ 0.5 trở lên theo (Fornell và Larcker, 1981). Với PLS-SEM, HTMT dưới 0.85 hoặc 0.90 tùy mức độ gần nhau về khái niệm theo (Henseler và cộng sự, 2015), còn VIF dưới 5 có thể tham khảo (Hair và cộng sự, 2019).

Các mốc này là căn cứ tham khảo, không phải lý do duy nhất để loại biến. Nếu một biến có loading thấp nhưng nội dung lý thuyết cần thiết, bạn phải trao đổi với giảng viên và ghi rõ quyết định. Không được chạy đi chạy lại cho đến khi có p-value đẹp rồi chỉ báo cáo lần chạy cuối.

Lỗi thường gặp khi dùng mô hình này

Lỗi đầu tiên là gọi mọi nghiên cứu về thương hiệu là mô hình Aaker. Nếu đề tài chỉ đo nhận biết thương hiệu, bạn mới đo một thành phần, chưa đủ căn cứ nói rằng đã kiểm định toàn bộ tài sản thương hiệu. Lỗi thứ hai là dùng các phát biểu về doanh thu, thị phần và giá trị tài chính để đo nhận thức khách hàng. Những dữ liệu đó thuộc cấp độ doanh nghiệp và cần cách đo khác.

Lỗi tiếp theo là dịch thang đo mà không thử trước. Một phát biểu như “thương hiệu đầu tiên xuất hiện trong tâm trí” có thể rõ với người này nhưng khó hiểu với người khác. Hãy chạy thử bảng hỏi ở quy mô nhỏ, kiểm tra câu chữ, rồi mới thu thập chính thức. Khi nhập dữ liệu, mã hóa biến đảo chiều đúng trước khi chạy Cronbach's Alpha.

Bạn cũng cần tránh trộn chỉ số giữa SPSS và SmartPLS. CFI, TLI và RMSEA là nhóm fit index thường dùng trong CB-SEM, không nên đưa vào bài viết kiểm định PLS-SEM nếu không có thiết kế tương ứng. Với SmartPLS, tập trung vào measurement model và structural model theo quy trình PLS-SEM, có thể tham khảo cách tiếp cận hai bước trong (Anderson và Gerbing, 1988) và (Hair và cộng sự, 2022).

Câu hỏi thường gặp

Tài sản thương hiệu Aaker có bắt buộc gồm đúng bốn thành phần không?

Trong các nghiên cứu khảo sát khách hàng, bốn thành phần thường được dùng là nhận biết thương hiệu, liên tưởng thương hiệu, chất lượng cảm nhận và lòng trung thành thương hiệu. Tuy nhiên, số thành phần trong luận văn phải phù hợp với nguồn lý thuyết, bối cảnh và cách bạn đo lường.

Nếu bạn thêm tài sản độc quyền hoặc một biến khác, hãy giải thích rõ đó là mở rộng của mô hình. Đừng thêm biến chỉ vì muốn bảng mô hình có nhiều ô hơn.

Tài sản thương hiệu Aaker khác tài sản thương hiệu Keller ở đâu?

Aaker thường được trình bày theo các thành phần cấu thành giá trị thương hiệu, trong đó có nhận biết, liên tưởng, chất lượng cảm nhận và lòng trung thành. Keller tập trung nhiều hơn vào kiến thức thương hiệu và phản ứng của khách hàng dựa trên kiến thức đó.

Hai hướng có thể hỗ trợ phần tổng quan, nhưng bạn nên chọn một khung chính để xây dựng biến quan sát. Nếu dùng cả hai, cần chỉ rõ mỗi khung trả lời câu hỏi lý thuyết nào.

Có thể dùng SPSS để kiểm định mô hình Aaker không?

Có. SPSS phù hợp để kiểm tra độ tin cậy, EFA, thống kê mô tả và hồi quy khi mô hình của bạn đã được tổng hợp thành các biến đại diện. Bạn cần bảo đảm mỗi nhóm biến quan sát được mã hóa đúng trước khi tính điểm trung bình hoặc chạy hồi quy.

Nếu có nhiều biến tiềm ẩn và muốn đánh giá đồng thời measurement model với structural model, SmartPLS có thể thuận tiện hơn. Lựa chọn công cụ nên dựa vào thiết kế nghiên cứu, không dựa vào việc một phần mềm cho ra nhiều bảng hơn.

Alpha thấp thì có phải bỏ cả thành phần của mô hình không?

Chưa chắc. Hãy xem Corrected Item-Total Correlation, bảng Item-Total Statistics, nội dung từng biến và cách mã hóa biến đảo chiều. Một biến bị nhập sai mã hoặc dùng sai thang đo có thể làm Alpha giảm.

Sau khi kiểm tra dữ liệu, bạn có thể cân nhắc loại một biến nếu có lý do phương pháp và lý thuyết rõ ràng. Mọi vòng loại biến nên được ghi lại, vì giảng viên có thể hỏi vì sao cấu trúc cuối cùng khác với thiết kế ban đầu.

Có thể dùng một câu hỏi để đo tài sản thương hiệu không?

Một câu hỏi đơn lẻ thường không đủ để đại diện cho khái niệm tài sản thương hiệu có nhiều thành phần. Bạn nên dùng nhiều biến quan sát cho từng khái niệm, sau đó kiểm tra độ tin cậy và giá trị của thang đo.

Nếu bảng hỏi quá dài, hãy rút gọn dựa trên nguồn thang đo và mục tiêu nghiên cứu, thay vì tự xóa ngẫu nhiên. Số biến quan sát cũng liên quan đến kế hoạch cỡ mẫu, mô hình và phương pháp phân tích.

Trước mắt, bạn hãy mở file thiết kế nghiên cứu và lập bảng gồm bốn cột: thành phần Aaker, mã biến, phát biểu khảo sát và nguồn thang đo. Sau đó đối chiếu từng biến với bảng hỏi và chọn SPSS hoặc SmartPLS cho đúng mô hình, hoặc dùng module M4 phân tích dữ liệu để chạy trên chính file .sav hoặc .csv của bạn.