Open Access 
Abstract
The objective of this study is on the user's Facebook Fanpage engagement behavior. The study used a sample of 414 observations that were analyzed using a Structural Equation Modeling (SEM). The research results show that this model can explain the influence of the factors of content quality, brand interactivity, customer to customer interaction, and affective on hedonic value and utilitarian value of a university's Facebook Fanpage. These factors, in turn, affect the engagement behaviors of Facebook Fanpage users, which are recpresented here by the behaviors of feedback, collaboration and influencer. In order to improve the utilitarian value of the Facebook Fanpage, universities need to pay attention first to the quality of the page's content, followed by the relationship between the brand and its customers, and finally, the affective of the user when interacting. In order to improve the hedonic value of the Facebook Fanpage, universities need to pay attention first to the quality of the page's content, secondly to the user's affective when interacting, followed by the relationship relationship between users and finally the relationship between the brand and the users. With the collaborative behavior, the feedback behavior, research shows that the impact of utilitarian value is greater than that of hedonic value.
GIỚI THIỆU
Việt Nam hiện có dân số khoảng 96,6 triệu, trong đó có 68% ở độ tuổi từ 18 đến 64. Trong số người sử dụng điện thoại có 94% người sử dụng mạng xã hội. Mạng xã hội được sử dụng nhiều nhất là Facebook, thứ hai Facebook messenger, thứ ba Zalo 1 . Theo số liệu từ decisionlab, tại Việt Nam có 14.4 triệu người thuộc thế hệ Z, độ tuổi từ 13 đến 24 2 , Thành phồ Hồ Chí Minh chiếm 45% trong số đó. Thế hệ này dành một lượng thời gian đáng kể trên các trang mạng truyền thông xã hội.
Trong truyền thông tuyển sinh đại học, một trong các công cụ rất quan trọng đó là sử dụng trang Fanpage Facebook để thu hút một lượng lớn đối tượng liên quan và từ đó tạo ra sự gắn kết với trường đại học. Trước xu hướng phát triển mạnh mẽ của Facebook và bùng nổ sự cạnh tranh, các trường đại học cần tận dụng được xu thế này để nâng cao hành vi gắn kết của học sinh trung học phổ thông và sinh viên đại học, những người thuộc thế hệ Z, từ đó đem lại lợi thế lớn trong truyền bá hình ảnh thương hiệu và góp phần nâng cao hiệu quả truyển sinh của trường.
GIẢ THUYẾT NGHIÊN CỨU
Trong các nghiên cứu đánh giá chất lượng dịch vụ các trang web cộng đồng ảo chỉ ra rằng chất lượng của nội dung có ảnh hưởng tích cực đến thái độ và hành vi của người sử dụng 3 , 4 . Trong trang thương hiệu, người sử dụng tương tác với một thương hiệu cụ thể trong khi tìm kiếm thông tin liên quan đến thuộc tính thương hiệu, lợi ích và liên kết có thể có tác động đến trải nghiệm của người sử dụng đối với thương hiệu 5 . Trải nghiệm của người sử dụng cá nhân về hiệu quả việc tìm kiếm thông tin hữu ích trên trang thương hiệu có thể cung cấp cơ hội để nâng cao kinh nghiệm của họ 6 , và tối đa hóa tiện ích của thương hiệu trong tiêu dùng 7 . Hơn nữa, phương tiện truyền thông xã hội cho phép thương hiệu tương tác với một cộng đồng lớn hơn bằng cách cho phép người tiêu dùng có thể tạo ra nội dung và tương tác với thương hiệu, cũng như với các khách hàng khác như là một giá trị tiêu khiển đối với họ 8 . Dựa các nghiên cứu được thảo luận ở trên, nhóm tác giả lập luận rằng nhận thức về chất lượng nội dung trên trang thương hiệu sẽ nâng cao lợi ích, tức giá trị thực dụng và giá trị tiêu khiển. Do đó, các giả thuyết sau đây được rút ra:
H1a : Chất lượng n ội dung có tác động cùng chiều đến giá trị tiêu khiển trên trang Fanpage Facebook
H2a: Chất lượng nội dung có tác động cùng chiều đến giá trị thực dụng trên trang Fanpage Facebook
Thông qua các tương tác xã hội gần gũi, các cá nhân trong cộng đồng ảo có thể tăng chiều sâu, chiều rộng và hiệu quả trao đổi kiến thức lẫn nhau cũng mang lại cảm giác thích thú 9 . Trong môi trường trang thương hiệu, khách hàng tương tác với nội dung được tạo bởi trang thương hiệu và các thành viên khác trên cộng đồng trang thương hiệu. Khách hàng cũng có thể tương tác thông qua việc tạo và chia sẻ nội dung về bản thân họ (tức là trình bày, giúp đỡ người khác), trải nghiệm thương hiệu của họ (tức là phản ánh, phản hồi), ý tưởng sản phẩm, phát triển khái niệm và làm thế nào để đạt được lợi ích lớn hơn từ thương hiệu 7 , 8 , 10 , 11 . Thông qua vô số tương tác của nội dung liên quan đến thương hiệu trên trang thương hiệu, khách hàng có thể cung cấp hỗ trợ thông tin và cảm xúc cho những người khác và phát triển một ý thức về lợi ích xã hội hóa 7 . Dựa trên thảo luận ở trên, nhóm tác giả lập luận rằng nhận thức của người sử dụng về mức độ tương tác trên trang thương hiệu cao hơn dẫn đến giá trị thực dụng và giá trị tiêu khiển cao hơn. Do đó, các giả thuyết sau đây được rút ra:
H1b: Sự tương tác của thương hiệu có tác động cùng chiều đến giá trị tiêu khiển trên Fanpage Facebook;
H2b: Sự tương tác của thương hiệu có tác động cùng chiều đến giá trị thực dụng trên Fanpage Facebook
Phát hiện từ các nghiên cứu về cộng đồng ảo trên các trang web cho thấy sự tương tác với các thành viên khác là rất quan trọng trong việc nâng cao sự học hỏi của người sử dụng, cảm giác thân thuộc, hỗ trợ lẫn nhau và tình cảm gắn bó 4 , 12 . Các nghiên cứu trước đây về nhận thức của người sử dụng trong phương tiện truyền thông xã hội đã chứng minh rằng sự tương tác giữa các khách hàng thúc đẩy một loạt lợi ích tiêu khiển cho người sử dụng 13 . Kết quả một số nghiên cứu khác 14 , 15 , cho thấy tương tác giữa các thành viên cộng đồng trang thương hiệu là thú vị và có ý nghĩa. Các trang thương hiệu được lập luận rằng đó là điều kiện cần thiết để nâng cao mức độ tương tác giữa các khách hàng. Như vậy, tính xã hội của trang thương hiệu được cảm nhận có liên quan tích cực đến giá trị tiêu khiển và giá trị thực dụng. Do đó, các giả thuyết sau đây được rút ra:
H1c: Tương tác giữa khách hàng với nhau có tác động cùng chiều đến nhận thức giá trị tiêu khiển của người sử dụng trên trang Fanpage Facebook
H2c: Tương tác giữa khách hàng với nhau có tác động cùng chiều đến nhận thức giá trị thực dụng của người sử dụng trên trang Fanpage Facebook
Mô hình SOR được đề xuất bởi Mehrabian và Russell 16 . Mô hình SOR mô tả sự liên kết giữa các yếu tố đầu vào (kích thích), quá trình (chủ thể), đầu ra (phản hồi), và giả định sự nhận thức của một cá nhân về môi trường (bối cảnh) ảnh hưởng đến sự trải nghiệm, cuối cùng tác động đến các hành vi phản ứng 16 . Mô hình SOR đã được áp dụng cho các môi trường phương tiện truyền thông xã hội, kết quả nghiên cứu cho thấy sự tác động của môi trường công nghệ có ảnh hưởng tới nhận thức, cảm xúc, kinh nghiệm và ý định tham gia vào thương mại xã hội 13 . Nhóm tác giả lập luận rằng, nếu cảm xúc có ảnh hưởng đến ý định tham gia vào thương mại xã hội trực tuyến thì nó có thể cũng ảnh hưởng đến giá trị thực dụng và giá trị tiêu khiển, vốn là các đặc tính quan trọng của Fanpage Facebook . Do đó, dựa trên những kết quả thảo luận trên các giả thuyết sau đây được rút ra:
H1d: Cảm xúc có tác động cùng chiều đến giá trị tiêu khiển của người sử dụng trên trang Fanpage Facebook
H2d: Cảm xúc có tác động cùng chiều đến nhận thức giá trị thực dụng của người sử dụng trên trang Fanpage Facebook
Cơ sở lý luận của lý thuyết trao đổi xã hội cho rằng người sử dụng sẽ không giới thiệu bạn bè hoặc người thân và sẽ không nói chuyện tích cực về trải nghiệm của họ đối với những người khác nếu dịch vụ mà họ sử dụng có giá trị thấp về kinh tế và kinh nghiệm. Ngược lại, người sử dụng có nhiều khả năng tăng mức độ tương tác của họ để ủng hộ thương hiệu 17 . Có đi có lại là một đặc điểm chính của trao đổi xã hội, gợi ý rằng người sử dụng sẽ tham gia vào các hành vi có giá trị như một cách để trả công lại cho công ty. Thật vậy, người sử dụng đáp lại những lợi ích mà họ trải nghiệm khi tương tác với thương hiệu 18 .
Khái niệm giá trị của nhóm tác giả xem xét hai trải nghiệm quan trọng cung cấp tiện ích và lợi ích cho người sử dụng liên quan đến: Giá trị thực dụng và giá trị tiêu khiển mà khi được nâng cao, đóng vai trò là nhân tố chính ảnh hưởng tới phản hồi của người sử dụng và ý định cộng tác trong cộng đồng trang thương hiệu. Lập luận này được thành lập dựa trên lý thuyết giá trị được nhận thức cho rằng khách hàng tham gia vào các hành vi nhất định dựa trên giá trị thực dụng và giá trị tiêu khiển mang lại lợi ích cho họ bởi các yếu tố kích thích liên quan đến thương hiệu 19 , 20 . Hơn nữa, rút ra từ lý thuyết trao đổi xã hội và lý thuyết trao đổi tài nguyên, người sử dụng đáp lại công ty khi họ thu được lợi ích từ kinh nghiệm tiêu dùng, nơi mà họ tăng khả năng thể hiện ý định của hành vi gắn kết 21 . Vì vậy, nhóm tác giả lập luận rằng giá trị cảm nhận của người sử dụng có được từ các trang thương hiệu đưa ra các đánh giá có lợi cho việc đáp ứng thương hiệu, đến lượt nó, chuyển thành ý định của hành vi gắn kết đối với trang thương hiệu.
Hơn nữa, những người sử dụng đã đạt được giá trị tiêu khiển và giá trị thực dụng trong việc tương tác với cộng đồng trực tuyến có nhiều khả năng tiếp tục tham gia vào trang mạng xã hội và đề nghị được giúp đỡ những người khác 22 . Các nghiên cứu trên mạng xã hội cũng chứng minh rằng khi khách hàng trải nghiệm niềm vui, giải trí, học tập và cảm giác thân thuộc từ việc tương tác với sự hiện diện trên mạng xã hội của thương hiệu 10 , họ sẽ thể hiện hành vi ủng hộ thương hiệu, phản hồi về thương hiệu và hỗ trợ cho sự lan tỏa của thương hiệu 10 , 8 . Những phát hiện gần đây từ nghiên cứu những người tiêu dùng sử dụng các trang thương hiệu trên mạng xã hội Weibo cũng đã chỉ ra rằng lợi ích đạt được ảnh hưởng đến ý định tiếp tục sử dụng trang thương hiệu 7 .
Dựa trên những nghiên cứu này, nhóm tác giả lập luận rằng những cá nhân thu được giá trị từ việc trải nghiệm tiêu dùng của một trang thương hiệu thông qua giá trị thực dụng và giá trị tiêu khiển có nhiều khả năng tham gia vào phản hồi của người sử dụng và cộng tác với trang thương hiệu. Khi làm như vậy, họ sẵn sàng cung cấp phản hồi liên quan đến các cải tiến của các sản phẩm, dịch vụ, trải nghiệm thương hiệu hiện có, và cộng tác với các thành viên khác của cộng đồng trang thương hiệu để giúp đỡ và hỗ trợ trải nghiệm thương hiệu của họ. Do đó, dựa trên những kết quả thảo luận trên các giả thuyết sau đây được rút ra:
H3a: Giá trị tiêu khiển có tác động cùng chiều đến hành vi gắn kết phản hồi của người sử dụng trên trang Fanpage Facebook
H3b: Giá trị tiêu khiển có tác động cùng chiều đến hành vi gắn kết cộng tác của người sử dụng trên trang Fanpage Facebook
H3c: Giá trị tiêu khiển có tác động cùng chiều đến hành vi gắn kết lan truyền của người sử dụng trên trang Fanpage Facebook
H4a: Giá trị thực dụng có tác động cùng chiều đến hành vi gắn kết phản hồi của người sử dụng trên trang Fanpage Facebook
H4b: Giá trị thực dụng có tác động cùng chiều đến hành vi gắn kết cộng tác của người sử dụng trên trang Fanpage Facebook
H4c: Giá trị thực dụng có tác động cùng chiều đến hành vi gắn kết lan truyền của người sử dụng trên trang Fanpage Facebook.
MÔ HÌNH VÀ PHƯƠNG PHÁP NGHIÊN CỨU
Mô hình nghiên cứu
Từ các lý thuyết liên quan, các nghiên cứu trước và các giả thiết nghiên cứu, nhóm tác giả đề xuất mô hình nghiên cứu ( Figure 1 ). Trong mô hình nghiên cứu, các nhân tố đã được điều chỉnh để phù hợp với bối cảnh trang Fanpage Facebook.
Phương pháp nghiên cứu
Thiết kế và mã hóa thang đo
Nghiên cứu sử dụng thang đo Likert 5 điểm được dùng để đo lường các biến quan sát với các mức độ 1) Hoàn toàn không đồng ý; 2) Không đồng ý; 3) Trung lập; 4) Đồng ý; 5) Hoàn toàn đồng ý. Các thang đo được thiết kế và mã hóa như sau:
Thang đo Nội dung chất lượng (CONT) gồm các biến quan sát: Tôi thấy thông tin trên fanpage này có giá trị (cont1); Tôi nghĩ rằng fanpage này là một nguồn thông tin hữu ích (cont2); Fanpage này có những thông tin hữu ích (cont3) Thang đo Tương tác của thương hiệu (BRAND) gồm các biến quan sát: Tôi được giải đáp thắc mắc qua fanpage này (brand1); Tôi có thể tương tác dễ dàng với trường trên fanpage (brand2); Tôi là một thành viên có sự đóng góp (fans cứng) của fanpage này (brand3). Thang đo Tương tác giữa các khách hàng (CUS) gồm các biến quan sát: Fanpage này tạo điều kiện (gợi mở) giao tiếp hai chiều giữa các thành viên (cus1); Fanpage này cho phép tôi kết nối với người khác ( cus2); Fanpage này cho phép các thành viên trao đổi thông tin trực tuyến (ý kiến, đề nghị, lời khuyên…) với nhau(cus3). Thang đo Cảm xúc (AFFEC) gồm các biến quan sát: Tôi cảm thấy rất tích cực khi sử dụng Fanpage này( affec1); Sử dụng Fanpage này làm tôi hạnh phúc (affec2); Tôi cảm thấy tốt khi sử dụng Fanpage Đại Học này (affec3); Tôi tự hào khi sử dụng Fanpage này (affec4). Thang đo Giá trị tiêu khiển (HEDO) gồm các biến quan sát: Fanpage này rất vui (hedo1); Fanpage này thật thú vị (hedo2); Fanpage này mang tính giải trí cao (hedo3). Thang đo Giá trị thực dụng (UTI) gồm các biến quan sát: Fanpage giúp tôi tìm thấy những thông tin về Đại Học mà tôi đang tìm kiếm (uti1); Việc truy cập fanpage này không mất nhiều thời gian (uti2); Fanpage Đại Học giúp tôi học hỏi (nâng cao kiến thức qua các mẹo vặt) (uti3). Thang đo Phản hồi (FEED) gồm các biến quan sát: Khi gặp vấn đề với Đại học này, tôi sẽ liên lạc qua fanpage (feed1); Khi có một ý tưởng hữu ích để cải thiện thương hiệu trường, tôi dự định sẽ truyền đạt nó trên fanpage (feed2); Tôi dự định cung cấp các đề xuất mang tính xây dựng hình ảnh thông qua fanpage (feed3); Tôi sẵn sàng hoàn thành một cuộc khảo sát trên fanpage (feed); Thang đo Cộng tác (COLLA) gồm các biến quan sát: Tôi dự định chia sẻ ý tưởng để phát triển trường với những người khác trên fanpage (colla1); Tôi dự định trao đổi thông tin về trường này với cộng đồng (colla2); Tôi sẵn sàng nhận trợ giúp từ những người dùng khác trên fanpage (colla3). Thang đo Lan tỏa (INFLU) gồm các biến quan sát: Tôi thích nói về trải nghiệm của tôi trên fanpage này (influ1); Tôi muốn giới thiệu fanpage này với bạn bè và gia đình của tôi (influ2); Tôi không có ý định đề xuất đại học này cho bạn bè và gia đình của tôi khi họ có nhu cầu (influ3).
Quy mô mẫu và cách thức chọn mẫu
Raykov & Marcoulides 23 cho rằng kích thước mẫu phải gấp 10 lần số biến. Trong nghiên cứu này gồm có 29 biến quan sát và 9 nhân tố dự kiến, vì vậy số mẫu cần có ít nhất phải là 10*(29 + 9) = 380. Ngoài ra, theo Hair và cộng sự 24 , để phân tích nhân tố khám phá (EFA) phải có ít nhất 5 mẫu trên 1 biến quan sát. Mô hình nghiên cứu gồm 29 biến quan sát, do đó cỡ mẫu yêu cầu là 145. Tuy nhiên phương pháp lấy mẫu mà nhóm tác giả sử dụng là lấy thuận tiện, nhằm hướng tới đạt được các mục tiêu khoa học của nghiên cứu, số mẫu cần phải lớn hơn thì mới đảm bảo đại diện cho tổng thể nghiên cứu. Trong nghiên cứu này, sau khi làm sạch, mẫu còn lại đưa vào phân tích gồm 414 quan sát.
Phương pháp phân tích số liệu
Nghiên cứu sử dụng phương pháp phân tích bằng mô hình SEM gồm 4 bước 25 , 26 , 27 :
- Bước 1: Kiểm định chất lượng thang đo. Sử dụng hệ số tin cậy Cronbach’s Alpha. Hệ số Cronbach’s Alpha của tổng thể > 0.7 và hệ số tương quan biến tổng (corrected item-total correlation) > 0.4 là đạt yêu cầu 28 , 29 , 30 . Nếu hệ số Alpha của tổng thể > 0.8 thang đo đảm bảo chất lượng tốt 29 , 30 .
- Bước 2: Phân tích nhân tố khám phá. Tất cả thang đo và biến quan sát đại diện cho biến độc lập thỏa mãn điều kiện kiểm định Cronbach’s Alpha được đưa vào phân tích nhân tố khám phá (Exploratory Factor Analysis, EFA) để xác định những nhân tố đại diện cho sự gắn kết của người sử dụng đối với trang Fanpage Facebook của trường đại học. Hệ thống kiểm định EFA gồm: (1) Kiểm định tính thích hợp của EFA qua thước đo KMO (Kaiser-Mayer-Olkin measure). Khi 0.5 ≤ KMO ≤ 1, phân tích nhân tố là thích hợp với dữ liệu thực tế 31 . (2) Kiểm định tính tương quan tuyến tính của các biến quan sát trong mỗi thang đo. Sử dụng kiểm định Bartlett (Barlett’test). Khi Sigificance (Sig.) của kiểm định ≤ 0.05, các biến quan sát có tương quan tuyến tính trong mỗi thang đo (nhân tố). Do đó, các nhân tố độc lập với nhau 31 . (3) Kiểm định phương sai trích (% cumulative variance). Phương sai trích cho biết % thay đổi của các nhân tố được giải thích bởi các biến quan sát (thành phần) của nhân tố. Điều kiện chấp nhận, khi phương sai trích > 50% 26 và Eigenvalues > 0.7 32 . (4) Hệ số tải nhân tố. Các thang đo mới hình thành, các biến quan sát trong mỗi thang đo phải có hệ số tải thích hợp. Tùy thuộc vào cỡ mẫu nghiên cứu. Nếu cỡ mẫu 100 ≤ n ≤ 350, hệ số tải > 0.55 26 .
- Bước 3: Phân tích nhân tố khẳng định CFA.
Phương pháp phân tích nhân tố khẳng định CFA đánh giá thang đo ở năm khía cạnh: (1) Mức độ phù hợp chung của mô hình, (2) tính đơn hướng, (3) độ tin cậy tổng hợp, (4) giá trị hội tụ, (5) giá trị phân biệt.
+ Đánh giá mức độ phù hợp chung của mô hình
Mô hình đo lường được khẳng định phù hợp với dữ liệu thực tế khi đáp ứng được các chỉ số thước đo 33 .
Chi bình phương điều chỉnh theo bậc tự do (CMIN/df), χ 2 /d.f. ≤ 3 34 , 35 .
Chỉ số thích hợp so sánh CFI (Comparative Fit Index) CFI > 0.9; 0 < CFI < 1, càng tiến về 1 càng tốt 35 , 36 , 37 .
Chỉ số độ phù hợp (Goodness of fix index) GFI > 0.9; 0 < GFI < 1, càng tiến về 1 càng tốt 35 , 36 , 37 .
Chỉ số mức phù hợp (Normed Fit Index) NFI > 0.9; 0 < NFI < 1, càng tiến về 1 càng tốt 35 , 36 , 37 .
Chỉ số (standardized root mean square residua) SRMR = 0.065 (< 0.08) (SRMR < 0.05: Mô hình phù hợp tốt; SRMR < 0.08: Chấp nhận được; Càng nhỏ càng tốt 33 .
Chỉ số RMSEA (Root Mean Square Error Approximation). RMSEA < 0.05: mô hình phù hợp tốt; RMSEA < 0.08: chấp nhận; Càng nhỏ càng tốt 34 .
PClose > 0,05 25
+ Đánh giá tính đơn hướng
Khi mô hình đo lường phù hợp với dữ liệu nghiên cứu và không có tương quan giữa các sai số đo lường cứu, nó đạt được tính đơn hướng 38 .
+ Đánh giá độ tin cậy thang đo
Kết quả kiểm định độ tin cậy thông qua các hệ số sau (1) Độ tin cậy Cronbach’s Alpha lớn hơn 0.7 28 (2) Độ tin cậy tổng hợp 39 , và (3) Tổng phương sai trích phải đạt yêu cầu từ 0.5 trở lên 40 .
+ Đo lường giá trị hội tụ
Thang đo được xem là đạt giá trị hội tụ khi các hệ số chuẩn hóa của các thang đo lớn hơn 0,5 và có ý nghĩa thống kê 26 . Fornell và Larcker 40 cho rằng để nhân tố đạt giá trị hội tụ thì phương sai trích (AVE - Average Variance Extracted) tối thiểu phải là 0,5.
+ Giá trị phân biệt
Theo Fornell và Larcker 40 , thang đo đạt giá trị phân biệt khi giá trị căn bậc hai của AVE > hệ số tương quan giữa hai khái niệm.
- Bước 4: Phân tích cấu trúc tuyến tính.
+ Đánh giá mức độ phù hợp chung của mô hình
Giống kiểm định CFA, mô hình đo lường được khẳng định phù hợp với dữ liệu thực tế khi đáp ứng được các chỉ số thước đo 33 .
Chi bình phương điều chỉnh theo bậc tự do (CMIN/df), χ 2 /d.f. ≤ 3 34 , 35 .
Chỉ số thích hợp so sánh CFI (Comparative Fit Index) CFI > 0.9; 0 < CFI < 1, càng tiến về 1 càng tốt 35 , 36 , 37 .
Chỉ số độ phù hợp (Goodness of fix index) GFI > 0.9; 0 < GFI < 1, càng tiến về 1 càng tốt 35 , 36 , 37 .
Chỉ số mức phù hợp (Normed Fit Index) NFI > 0.9; 0 < NFI < 1, càng tiến về 1 càng tốt 35 , 36 , 37 .
Chỉ số (Standardized root mean square residua) SRMR = 0.065 (< 0.08) (SRMR < 0.05: Mô hình phù hợp tốt; SRMR < 0.08: chấp nhận được; càng nhỏ càng tốt 34 , 25 .
Chỉ số RMSEA (Root Mean Square Error Approximation). RMSEA < 0.05: mô hình phù hợp tốt; RMSEA < 0.08: chấp nhận; càng nhỏ, chỉ số tốt 34 , 25 .
PClose > 0,01: chấp nhận, > 0.05: tốt 25
+ Kiểm định hệ số hồi quy
Các hệ số hồi quy có ý nghĩa thống kê với độ tin cậy 95% khi có giá trị P-value < 5% . Các mức ý nghĩa của các hệ số ước lượng: The Critical Ratio (CR) > 1.96; Nếu CR > 2.58 là lý tưởng; Hoặc P-value ≤ 0.05; Nếu P-value ≤ 0.01 là lý tưởng 25 , 41 .
+ Đánh giá mức độ giải thích của mô hình
+ Đánh giá mức độ tác động của các yếu tố
KẾT QUẢ NGHIÊN CỨU
Phân tích hệ số tin cậy thang đo
Theo mô hình nghiên cứu đề xuất thì có 9 thang đo cần được đo lường đánh giá. Cả 9 thang đo này được thực hiện tính toán hệ số Cronbach’s Alpha thông qua phần mềm SPSS. Kết quả đo lường chúng được thể hiện trong Table 1 như sau:
Kết quả nghiên cứu cho thấy: Tất cả các thang đo đều đạt yêu cầu về phân tích độ tin cậy thông qua hệ số Cronbach’s alpha. Hệ số tương quan của biến tổng (Corrected Item – Total Correclation) của các biến quan sát đều lớn hơn 0,4 và hệ số Cronbach’s Alpha tổng thể của các thang đo đều lớn hơn 0,7. Các thang đo đủ điều kiện 29 , 30 và được đưa vào phân tích các bước tiếp theo.
Phân tích nhân tố khám phá EFA
Trong mô hình nghiên cứu, các khái niệm sẽ được thực hiện phân tích EFA chung nhằm đánh giá giá trị phân biệt giữa chúng.
(1) Kiểm định tính thích hợp của EFA: Kết quả phân tích cho giá trị KMO = 0,864 thỏa mãn điều kiện 0.5 ≤ KMO ≤ 1. Như vậy, phân tích nhân tố là thích hợp với dữ liệu thực tế 31 .
(2) Kiểm định tính tương quan tuyến tính của các biến quan sát trong mỗi thang đo: Kiểm định Bartlett có Sig. = 0,000 ≤ 0,05 . Như vậy, các biến quan sát có tương quan tuyến tính trong mỗi nhân tố 31 .
(3) Kiểm định phương sai trích (% cumulative variance): Kết qua cho thấy giá trị Phương sai trích bằng 64,87%; Eigenvalues = 0,927 > 0,7 32 . Từ đó có thể kết luận, 64,87 % thay đổi của mỗi nhân tố được giải thích bởi các biến quan sát của các nhân tố 26 .
(4) Tất cả các biến khác đều có hệ số tải > 0,5 26 . Mô hình đã hình thành 9 nhân tố mới giống với thang đo giả thuyết ban đầu.
Kết quả phân tích EFA cho thấy các thang đo đều đạt các chỉ tiêu kiểm định về tính thích hợp của EFA, tương quan tuyến tính của các biến quan sát trong mỗi thang, phương sai trích, hệ số tải nhân tố. Các thang đo đạt yêu cầu được tiếp tục đưa vào phân tích nhân tố khẳng định trong bước tiếp theo.
Phân tích nhân tố khẳng định CFA
Đánh giá mức độ phù hợp chung của mô hình
Mức độ phù hợp chung của mô hình được đánh giá qua các chỉ số 33 :
Chi bình phương điều chỉnh theo bậc tự do (Cmin/df) χ2/d.f. = 1.960 đạt yêu cầu tiêu chuẩn kiểm định ≤ 3 34 , 35 ; Chỉ số thích hợp so sánh (Comparative Fit Index) CFI = 0.918 đạt yêu cầu tiêu chuẩn kiểm định CFI > 0.9; 35 , 36 , 37 Chỉ số (Root Mean Square Error) SRMR = 0.054 đạt yêu cầu tiêu chuẩn kiểm định < 0.08 25 ; Chỉ số (Root Mean Square Error Approximation) RMSEA= 0.048 đạt yêu cầu tiêu chuẩn kiểm định RMSEA < 0.05: Mô hình phù hợp tốt 25 , 34 PClose = 0,693 đạt yêu cầu tiêu chuẩn kiểm định > 0,05 25 ; Chỉ số độ phù hợp (Goodness of fix index) GFI = 0.918 đạt yêu cầu tiêu chuẩn kiểm định GFI > 0.9 35 , 36 , 37 Chỉ số mức phù hợp (Normed Fit Index) FI = 0.948 đạt yêu cầu tiêu chuẩn kiểm định FI > 0.9 35 , 36 , 37 .
Các chỉ số này đều đáp ứng yêu cầu của tiêu chuẩn kiểm định, do vậy có thể kết luận mô hình phù hợp với dữ liệu nghiên cứu, và không có tương quan giữa các sai số đo lường cứu nên nó đạt được tính đơn hướng 38 .
Đánh giá đ ộ tin cậy thang đo
Kết quả kiểm định độ tin cậy thông qua các hệ số sau (1) Độ tin cậy Cronbach’s Alpha lớn hơn 0,7 28 ; (2) Độ tin cậy tổng hợp 39 , và (3) Tổng phương sai trích phải đạt yêu cầu từ 0,5 trở lên 40 . Kết quả phân tích cho thấy các thang đo đều đạt yêu cầu (xem Table 2 ) của phân tích CFA để được đưa vào phân tích SEM.
Kiểm tra giá trị hội tụ
Thang đo được xem là đạt giá trị hội tụ khi các hệ số chuẩn hóa của các thang đo lớn hơn 0,5 và có ý nghĩa thống kê 26 . Fornell và Larcker 40 cho rằng để nhân tố đạt giá trị hội tụ thì phương sai trích (AVE - Average Variance Extracted) tối thiểu phải là 0,5. Theo kết quả phân tích ở Table 3 , các hệ số chuẩn hóa đều lớn hơn 0,5 và có ý nghĩa thống kê. Table 4 cho thấy, các giá trị AVE đều lớn hơn 0,5 nên có cơ sở để kết luận các nhân tố đạt giá trị hội tụ.
Giá trị phân biệt
Theo Fornell và Larcker 40 , thang đo đạt giá trị phân biệt khi giá trị căn bậc hai của AVE > hệ số tương quan giữa hai khái niệm ( Table 4 ) nên các thang đo đạt giá trị phân biệt 40 .
Như vậy, tất cả các thang đo trong nghiên cứu này đều đạt yêu cầu về mức độ phù hợp chung, tính đơn hướng, độ tin cậy, giá trị hội tụ và giá trị phân biệt. Vì vậy, các thang đo này được sử dụng tiếp theo để đưa vào phân tích phương trình cấu trúc tuyến tính SEM.
Phân tích mô hình cấu trúc tuyến tính
Mô hình cấu trúc tuyến tính
Mô hình cấu trúc tuyến tính sau khi loại các mối quan hệ không có ý nghĩa thống kê giữa các nhân tố được trình bày như Figure 2 .
Figure 2 . Mô hình cấu trúc tuyến tính (Nguồn: kết quả phân tích từ AMOS của nhóm tác giả, 2021)
Đánh giá mức độ phù hợp chung của mô hình
Các chỉ số đánh giá mức độ phù hợp chung của mô hình 33 : Chi bình phương điều chỉnh theo bậc tự do (Cmin/df) χ2/d.f. = 2,887 (≤ 3) 34 , 35 ; Chỉ số thích hợp so sánh (Comparative Fit Index) CFI = 0,957 (CFI > 0.9; 0 < CFI < 1; Càng tiến về 1 càng phù hợp 35 , 36 , 37 ; Chỉ số (Root Mean Square Error) SRMR = 0,065 (< 0.08) (SRMR < 0,05: Mô hình phù hợp tốt; SRMR < 0,08: Chấp nhận được; Càng nhỏ càng tốt 25 , 34 . Chỉ số (Root Mean Square Error Approximation) RMSEA= 0,068 (RMSEA < 0,05: Mô hình phù hợp tốt; RMSEA < 0,08: Chấp nhận được; Càng nhỏ càng tốt 25 , 34 . PClose = 0.072 > 0,05 25 ; chỉ số độ phù hợp GFI > 0.90 35 , 37 ; Chỉ số mức phù hợp (Normed Fit Index) NFI > 0.961 35 , 37 . Các chỉ số này đều đáp ứng yêu cầu của tiêu chuẩn kiểm định, do vậy có thể kết luận mô hình phù hợp với dữ liệu nghiên cứu.
THẢO LUẬN KẾT QUẢ NGHIÊN CỨU
Thảo luận các giả thiết nghiên cứu
Từ kết quả phân tích đường dẫn, qua các hệ số đường dẫn có ý nghĩa thống kê (p-value <5%) và dấu của hệ số tác động, kết quả kiểm định giả thuyết được tổng hợp như trong Table 5 dưới đây:
KẾT LUẬN VÀ HÀM Ý QUẢN TRỊ
Kết luận
Kết quả nghiên cứu chỉ ra rằng mô hình này có thể giải thích ảnh hưởng của các yếu tố chất lượng nội dung, tương tác thương hiệu, tương tác giữa những người sử dụng, cảm xúc của người sử dụng có ảnh hưởng đến giá trị tiêu khiển và giá trị thực dụng của trang Fanpage Facebook của một trường đại học. Đến lượt các nhân tố này lại ảnh hưởng đến các hành vi gắn kết của người sử dụng trang Fanpage Facebook mà đại diện ở đây được thể hiện bằng các hành vi phản hồi, cộng tác và lan tỏa.
Hàm ý quản trị
Thứ nhất: Để nâng cao sự gắn kết của người sử dụng đối với trang Fanpage Facebook của trường đại học, chất lượng nội dung của trang Fanpage Facebook phải nhắm đúng đối tượng người sử dụng mục tiêu, từ đó có thể sáng tạo nội dung phù hợp với nhóm đối tượng này. Trang Fanpage Facebook cần quan tâm chia sẻ những câu nói hay, những khóa học bổ ích, những trải nghiệm và kinh nghiệm hữu ích của tuổi trẻ, của thời sinh viên; xây dựng kịch bản video chất lượng thu hút người xem; xây dựng content bài bản, khoa học và kỹ lưỡng.
Thứ hai: Trường đại học cần quan tâm đến việc quảng bá hình ảnh thương hiệu của mình đến người sử dụng trang Fanpage Facebook của trường. Trường đại học nên định kỳ tổ chức các buổi livestream chia sẻ để thu hút các đối tượng quan tâm; SEO trang Fanpage lên Google; tổ chức các minigame thường xuyên. Các bài viết, nội dung trên Fanpage Facebook cần phải được suy nghĩ và cân nhắc để kích thích người dùng Facebook kết nối, tương tác...
Thứ ba: Một nội dung quan trọng đó là, trường đại học cần quan tâm đến tạo môi trường tương tác thuận lợi giữa trang Fanpage Facebook của trường với người sử dụng và các người sử dụng trang Fanpage Facebook với nhau. Trường đại học nên thiết lập giờ đăng bài vào lúc nhiều người online nhất để thu hút sự chú ý của họ, tăng tương tác Facebook cho bài viết.
Thứ tư: Cuối cùng không kém phần quan trọng đó là, trường đại học cần quan tâm đến cảm xúc của người sử dụng trang Fanpage Facebook của trường đại học. Tốt nhất trường đại học nên sử dụng hình ảnh do chính trường đại học chụp và thiết kế, không chỉ tập trung vào các hoạt động của trường mà còn có thể là ảnh đẹp giúp lan truyền thông điệp tích cực đến mọi người, v.v..
DANH MỤC TỪ VIẾT TẮT
SEM: Linear structural model
EFA : Exploratory Factor Analysis
CFA : Confirmatory Factor Analysis
KMO: Kaiser-Mayer-Olkin measure
CMIN/df: relative chi-square
CFI: Comparative Fit Index
GFI: Goodness of fix index
NFI: Normed Fit Index
SRMR: Standardized root mean square residua
RMSEA: Root Mean Square Error Approximation
AVE: Average Variance Extracted
XUNG ĐỘT LỢI ÍCH
Nhóm tác giả xin cam đoan rằng không có bất kỳ xung đột lợi ích nào trong công trình công bố.
ĐÓNG GÓP CỦA CÁC TÁC GIẢ
Bài báo: Nghiên cứu hành vi gắn kết của khách hàng đối với các trang Fanpage Facebook của các trường đại học, nhiệm vụ của các tác giả trong nhóm như sau:
Tác giả Phùng Thanh Bình chịu trách nhiệm nội dung: Thiết kế nghiên cứu, góp ý và bổ sung cơ sở lý thuyết, thảo luận kết quả nghiên cứu.
Tác giả Văn Minh Đại chịu trách nhiệm nội dung: Tổng hợp cơ sở lý thuyết, khảo sát và liên hệ thực tế, phân tích và xử lý số liệu.
References
- Kemp S. Digital 2020: Vietnam. DataReportal - Global Digital Insights. 2020. . ;:. Google Scholar
- Elly P. Who are Gen Z? And why do we need to know about them? 2015. . ;:. Google Scholar
- Carlson J, O'Cass A. Exploring the relationships between e‐service quality, satisfaction, attitudes and behaviours in content‐driven e‐service web sites. Journal of Services Marketing 2010; 24: 112-127. . ;:. Google Scholar
- Nambisan S, Baron RA. Virtual Customer Environments: Testing a Model of Voluntary Participation in Value Co-creation Activities. Journal of Product Innovation Management 2009; 26: 388-406. . ;:. Google Scholar
- Ho C-W, Wang Y-B. Re-purchase intentions and virtual customer relationships on social media brand community. Hum Cent Comput Inf Sci 2015; 5: 18. . ;:. Google Scholar
- Hamilton M, Kaltcheva VD, Rohm AJ. Social Media and Value Creation: The Role of Interaction Satisfaction and Interaction Immersion. Journal of Interactive Marketing 2016; 36: 121-133. . ;:. Google Scholar
- Zhang H, Lu Y, Wang B, Wu S. The impacts of technological environments and co-creation experiences on customer participation. Information & Management 2015; 52: 468-482. . ;:. Google Scholar
- Jahn B, Kunz W. How to transform consumers into fans of your brand. Journal of Service Management 2012; 23: 344-361. . ;:. Google Scholar
- Chiu C-M, Hsu M-H, Wang ETG. Understanding knowledge sharing in virtual communities: An integration of social capital and social cognitive theories. Decision Support Systems 2006; 42: 1872-1888. . ;:. Google Scholar
- De Vries NJ, Carlson J. Examining the drivers and brand performance implications of customer engagement with brands in the social media environment. J Brand Manag 2014; 21: 495-515. . ;:. Google Scholar
- Moe WW, Schweidel DA. Opportunities for Innovation in Social Media Analytics. Journal of Product Innovation Management 2017; 34: 697-702. . ;:. Google Scholar
- Mathwick C, Wiertz C, de Ruyter K. Social Capital Production in a Virtual P3 Community. Journal of Consumer Research 2008; 34: 832-849. . ;:. Google Scholar
- Zhang T, C. Avery G, Bergsteiner H, More E. Do follower characteristics moderate leadership and employee engagement? Journal of Global Responsibility 2014; 5: 269-288. . ;:. Google Scholar
- Alnawas I, Aburub F. The effect of benefits generated from interacting with branded mobile apps on consumer satisfaction and purchase intentions. Journal of Retailing and Consumer Services 2016; 31: 313-322. . ;:. Google Scholar
- Vock M, Dolen W van, Ruyter K de. Understanding Willingness to Pay for Social Network Sites. Journal of Service Research 2013; 16: 311-325. . ;:. Google Scholar
- Jacoby J. Stimulus-Organism-Response Reconsidered: An Evolutionary Step in Modeling (Consumer) Behavior. Journal of Consumer Psychology 2002; 12: 51-57. . ;:. Google Scholar
- Masterson SS. A trickle-down model of organizational justice: Relating employees' and customers' perceptions of and reactions to fairness. Journal of Applied Psychology 2001; 86: 594-604. . ;:. PubMed Google Scholar
- Hollebeek L. Exploring customer brand engagement: definition and themes. Journal of Strategic Marketing 2011; 19: 555-573. . ;:. Google Scholar
- Brakus J. Brand Experience: What Is It? How Is It Measured? Does It Affect Loyalty. Journal of Marketing 2009; 39: 52-68. . ;:. Google Scholar
- Sweeney JC, Soutar GN. Consumer perceived value: The development of a multiple item scale. Journal of Retailing 2001; 77: 203-220. . ;:. Google Scholar
- Verleye K, Gemmel P, Rangarajan D. Managing Engagement Behaviors in a Network of Customers and Stakeholders: Evidence From the Nursing Home Sector. Journal of Service Research 2014; 17: 68-84. . ;:. Google Scholar
- Dholakia UM, Bagozzi RP, Pearo LK. A Social Influence Model of Consumer Participation in Network- and Small-Group-Based Virtual Communities. International Journal of Research in Marketing 2004; 21: 241-263. . ;:. Google Scholar
- Raykov T, Marcoulides GA. A First Course in Structural Equation Modeling. 2006. . ;:. Google Scholar
- Hair JF, Anderson RE, Tatham RL, William C. Multivariate data analysis. Upper Saddle River, NJ: Prentice Hall, 1998. . ;:. Google Scholar
- Hair JF, Black WC, Babin BJ, Anderson RE, Tatham R. Multivariate data analysis. Uppersaddle River, 2010. . ;:. Google Scholar
- Gerbing DW, Anderson JC. An Updated Paradigm for Scale Development Incorporating Unidimensionality and Its Assessment. Journal of marketing research 1988; 5: 186-192. . ;:. Google Scholar
- Neto A, Dantas M, Machado RL. Structural equation modeling applied to assess industrial engineering students' satisfaction according to ENADE 2011. Production 2017; 27. . ;:. Google Scholar
- Nunnally J, Bernstein IH. Psychometric Theory. McGraw-Hill Companies,Incorporated, 1994. . ;:. Google Scholar
- Nunnally JC. An Overview of Psychological Measurement. In: Wolman BB (ed). Clinical Diagnosis of Mental Disorders: A Handbook. Springer US: Boston, MA, 1978, pp 97-146. . ;:. Google Scholar
- Peterson RA. A meta-analysis of Cronbach's coefficient alpha. Journal of Consumer Research 1994; 21: 381-391. . ;:. Google Scholar
- Hair JF (ed.). Multivariate data analysis. 7. ed., Pearson new internat. ed. Pearson: Harlow, 2014. . ;:. Google Scholar
- Jolliffe I. Discarding Variables in a Principal Component Analysis. II: Real Data. Applied Statistics 1972; 21: 160. . ;:. Google Scholar
- Gaskin J, Lim J. Master validity tool. AMOS Plugin In: Gaskination's StatWiki 2016. . ;:. Google Scholar
- Schumacker RE, Schumacker RE, Lomax RG, Lomax RG. A Beginner's Guide to Structural Equation Modeling: Fourth Edition. 2nd ed. Psychology Press: New York, 1996. . ;:. Google Scholar
- Hu L, Bentler PM. Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling: A Multidisciplinary Journal 1999; 6: 1-55. . ;:. Google Scholar
- Bentler PM, Bonett DG. Significance tests and goodness of fit in the analysis of covariance structures. Psychological Bulletin 1980; 88: 588-606. . ;:. Google Scholar
- Hooper D, Coughlan J, Mullen M. Structural Equation Modelling: Guidelines for Determining Model Fit. Articles 2008. . ;:. Google Scholar
- Steenkamp J, Trijp HV. The use of LISREL in validating marketing constructs. 1991. . ;:. Google Scholar
- Jöreskog K. Statistical analysis of sets of congeneric tests. Psychometrika 1971; 36: 109-133. . ;:. Google Scholar
- Fornell C, Larcker DF. Evaluating Structural Equation Models with Unobservable Variables and Measurement Error. Journal of Marketing Research 1981; 18: 39-50. . ;:. Google Scholar
- Garver MS, Mentzer JT. Logistics research methods: employing structural equation modeling to test for construct validity. Journal of business logistics 1999; 20: 33. . ;:. Google Scholar
