Sidebar

Magazine menu

16
T5, 05

Tạp chí KTĐN số 122

NHÂN TỐ TÁC ĐỘNG TỚI VIỆC TIẾP TỤC SỬ DỤNG DỊCH VỤ THANH TOÁN BẰNG FINTECH - NGHIÊN CỨU ĐỐI VỚI SINH VIÊN CÁC TRƯỜNG ĐẠI HỌC Ở VIỆT NAM

Nguyễn Đăng Tuệ[1]

Tóm tắt

Nghiên cứu này tìm hiểu những rào cản chủ yếu tác động đến việc tiếp tục sử dụng  các dịch vụ thanh toán của các công ty FinTech trên mẫu nghiên cứu bao gồm 251 sinh viên. Dựa trên các mô hình lý thuyết và tham khảo các nghiên cứu trước đây, 14 biến đã được đưa ra để kiểm định và được rút gọn còn 10 biến. Phương pháp phân tích nhân tố xác nhận (CFA) và mô hình cấu trúc tuyến tính (SEM) được sử dụng để đo lường và kiểm định các giả thuyết đã nêu. Kết quả cho thấy nhận thức về sự hữu ích, sự lo lắng về vấn đề kỹ thuật, nhu cầu tối giản, nhận thức – thái độ của cá nhân với công nghệ, ảnh hưởng của xã hội và nhận thức thông tin là các nhân tố có tác động mạnh mẽ tới việc tiếp tục sử dụng  dịch vụ thanh toán bằng FinTech.

Từ khóa: FinTech, nhân tố tác động, RTA, thanh toán, SEM, UTAUT

Abstract

This study explores the major barriers affecting decision to continue with FinTech payment services on a sample of 251 students. Based on theoretical models and reference to previous studies, 14 variables were constructed for testing and were reduced to 10 variables. The confirmatory factor analysis (CFA) and structural equation model (SEM) are used to measure and test the hypotheses. The results show that awareness of usefulness, anxiety about technical issues, minimal needs, individual knowledge and attitude to technology usage, social influence and the perception of information are the factors having a strong impacts on the continued use of payment services by FinTech.

Keywords: factors, FinTech, payment, SEM, RTA, UTAUT

 

 

1.      Bối cảnh nghiên cứu

FinTech là viết tắt của cụm từ Financial Technology - công nghệ tài chính. Theo Schueffel (2016), Fintech là một ngành công nghiệp tài chính mới, sử dụng những tiến bộ công nghệ để cải thiện các dịch vụ tài chính. Các công ty Fintech hoạt động trên nhiều mảng dịch vụ tài chính khác nhau như cho vay, thanh toán, quản lý tài chính cá nhân, quản lý danh mục đầu tư, góp vốn cộng đồng trong đó mảng thanh toán đang phát triển mạnh mẽ nhất. Tại Việt Nam, kể từ 2008, ngân hàng nhà nước (NHNN) đã thí điểm cho phép các công ty không phải là ngân hàng cung ứng dịch vụ thanh toán (Theo quyết định 1789/QĐ-NHNN) và chính thức cấp phép cho hoạt động này vào năm 2014 (Thông tư Số 39/2014/TT-NHNN). Theo thông tin của NHNN (2019), hiện nay có 29 công ty và tổ chức không phải ngân hàng ứng dụng công nghệ để cung ứng dịch vụ thanh toán tại Việt Nam. Trong bài nghiên cứu này, dịch vụ thanh toán bằng Fintech là dịch vụ thanh toán thông qua các ứng dụng của các công ty nói trên.

Việt Nam là thị trường đầy tiềm năng cho FinTech phát triển với lực lượng dân số trẻ, tỷ lệ người sử dụng điện thoại thông minh lớn và trên 50% người dân kết nối với các mạng xã hội. Trong nhóm người trẻ tuổi, sinh viên là nhóm đối tượng đại diện cho sự sáng tạo, thích ứng nhanh và đón bắt các xu hướng công nghệ hiện đại. Với những đặc điểm đó, sinh viên là nhóm đối tượng được kỳ vọng dẫn đầu trong việc sử dụng các dịch vụ thanh toán FinTech. Bài viết này hướng tới việc xác định những yếu tố tác động đến việc tiếp tục sử dụng dịch vụ thanh toán FinTech của sinh viên Việt Nam.

2.      Tổng quan nghiên cứu

2.1.            Các nghiên cứu về FinTech ở Việt Nam và trên thế giới

Fintech là một khái niệm mới nên chưa có được sự thống nhất giữa các học giả trên thế giới. Thuật ngữ FinTech lần đầu tiên được sử dụng vào đầu những năm 1990 dưới tên một dự án của Citigroup để thúc đẩy hợp tác công nghệ. Một số nhà khoa học đề cập tới FinTech như các dịch vụ và sản phẩm tài chính mang tính sáng tạo và được cá nhân hóa (Chuen & Teo, 2015) trong khi một số khác lại coi Fintech như một mô hình kinh doanh. Một số học giả coi Fintech như một ngành kinh doanh hoàn toàn mới (Kim và cộng sự, 2015) trong khi một số khác cho rằng bất cứ sản phẩm, dịch vụ, quy trình hoặc mô hình kinh doanh nào ứng dụng công nghệ mới đều có thể coi là Fintech. Trong bài viết này tác giả sử dụng định nghĩa của Schueffel (2016) được trình bày trong phần 1 theo đó Fintech là các thực thể đang tạo nên một ngành công nghiệp tài chính mới và do vậy khác với các dịch vụ do ngân hàng truyển thống cung cấp như internet banking hoặc mobile banking.

Mặc dù có sự khác biệt về việc đưa ra khái niệm nhưng hầu hết các nghiên cứu về Fintech đều thống nhất đặc điểm của Fintech trong việc khai thác các công nghệ kỹ thuật số như kết nối vạn vật, điện toán di động, phương tiện truyền thông xã hội, phân tích dữ liệu và trí tuệ nhân tạo. Bằng cách sử dụng những công nghệ kỹ thuật hiện đại này, Fintech cải tiến và tạo ra những đột phá thay đổi các dịch vụ tài chính.

Trên thế giới đã có nhiều nghiên cứu liên quan đến ứng dụng của Fintech. Có thể kể đến một vài nghiên cứu tiêu biểu như nghiên cứu của Milian và cộng sự (2019) tìm hiểu việc áp dụng những cải tiến mới trong công nghiệp tài chính đã tận dụng sự sẵn có trong truyền thông, sự phổ biến của Internet và quá quy trình tự động hóa trong các ứng dụng Fintech, nghiên cứu của Anagnostopoulos (2018) chỉ ra mối liên hệ và tính cấp thiết hợp tác giữa các ngân hàng và các doanh nghiệp khởi nghiệp về FinTech.

Sự tiếp nhận sử dụng các dịch vụ FinTech cũng đã được một số học giả nghiên cứu như nghiên cứu về sự tiếp nhận sử dụng dịch vụ thanh toán FinTech thông qua điện thoại của Kim và cộng sự (2015) hay nghiên cứu về sự tiếp nhận sử dụng dịch vụ FinTech thông qua các nhóm thế hệ của Carlin và cộng sự (2017). Stewart & Jürjens (2017) chỉ ra cản trở chính đối với FinTech là vấn đề bảo mật dữ liệu, hạn chế trong thiết kế giao diện khách hàng và sự thiếu tin tưởng từ khách hàng trong việc bảo vệ khỏi sự lừa đảo. Hyun-Sun (2018) chỉ ra rủi ro pháp lý có tác động tiêu cực lớn nhất đến việc tiếp tục sử dụng FinTech của khách hàng, trong khi đó sự tiện lợi có tác động tích cực mạnh nhất. Lee và cộng sự (2019) chứng minh hiệu ứng tác động xã hội là nhân tố quan trọng nhất trong sử dụng dịch vụ dựa trên các nền tảng FinTech di động. Thông qua các nghiên cứu trên, các nhân tố khác nhau tác động đến việc sử dụng FinTech đã được xem xét như sự tiện lợi, tính hữu ích, sự nhận thức thông tin và tăng cường an ninh.

Những nghiên cứu chuyên sâu về FinTech ở Việt Nam còn khá hạn chế. Một số nghiên cứu được thực hiện nhưng mới chỉ dừng lại ở việc liệt kê các cơ hội và thách thức (Nguyễn Văn Tâm, 2018) hoặc rút ra kinh nghiệm từ các quốc gia phát triển hơn (Hà Văn Dương và cộng sự, 2018). Chưa có nghiên cứu nào ở Việt Nam tìm hiểu về các nhân tố tác động tới việc tiếp tục sử dụng Fintech. Nghiên cứu này hướng tới việc khỏa lấp khoảng trống nghiên cứu đó.

2.2.            Cơ sở lý thuyết sử dụng cho nghiên cứu về FinTech

Phần sau đây tổng hợp một số mô hình và lý thuyết phù hợp với đặc điểm của FinTech. Đầu tiên là mô hình chấp nhận công nghệ (TAM). Đây là mô hình mở rộng, phát triển từ Thuyết hành động hợp lý (TRA), một trong các lý thuyết cơ bản nhất trong việc nghiên cứu hành vi con người (Davis, 1989). Theo lý thuyết TRA, ý định hành vi của cá nhân quyết định hành vi thực tế và được xác định bởi thái độ đối với hành vi cùng với chuẩn chủ quan. Con người quyết định thực hiện một hành động thông qua xem xét kết quả mà hành động có thể mang lại. Mô hình TAM chỉ ra tác động của các yếu tố bên ngoài lên các yếu tố bên trong là niềm tin, thái độ và ý định (Davis, 1989). Hai biến nhận thức sự tiện dụng và nhận thức sự dễ sử dụng trong TAM được cho là những nhân tố cốt lõi trong việc giải thích hành vi sử dụng (Legris và cộng sự, 2003).   

Davis và cộng sự (1992) đã áp dụng mô hình động lực (MM) với hai yếu tố cơ bản là nhận thức sự hữu dụng - động lực bên ngoài và nhận thức sự vui vẻ - động lực bên trong để giải thích sự sử dụng công nghệ mới. Hai yếu tố này đã được kiểm định qua nhiều nhiều nghiên cứu và cho kết quả khả quan.

Mô hình lý thuyết thống nhất về chấp nhận và sử dụng công nghệ (UTAUT) được thiết lập dựa trên các mô hình và lý thuyết được đề xuất trước đó kết hợp với mục tiêu thiết lập một quan điểm chung nhất phục vụ cho việc nghiên cứu sự chấp thuận của người sử dụng về hệ thống thông tin mới (Venkatesh, 2003). Mô hình này được bổ sung một số yếu tố và được hoàn thiện hơn so với mô hình TAM. Các yếu tố của mô hình này được trình bày trên Hình 1.


Kỳ vọng nỗ lực

Kỳ vọng về biểu hiện

Giới tính

Hành vi sử dụng

Ý định hành vi

Điều kiện thuận lợi

Ảnh hưởng xã hội

Kinh nghiệm

Tuổi

Sự chủ động sử dụng

Hình 1. Mô hình lý thuyết thống nhất về chấp nhận và sử dụng công nghệ

Nguồn: Venkatesh, 2003

 

Khi nghiên cứu về hoạt động thanh toán bằng FinTech cần đề cập đến ảnh hưởng do các rủi ro tài chính có thể xảy ra. Một trong những mô hình tiêu biểu tìm hiểu khía cạnh này là Mô hình tiếp nhận rủi ro công nghệ (RTA) của Gupta & Xu (2010). Mô hình này kết luận rằng rủi ro công nghệ và nhận thức về an toàn đều trực tiếp tác động đến ý định sử dụng.    

3.      Phương pháp nghiên cứu

3.1.            Mô hình nghiên cứu và giả thuyết nghiên cứu

Từ cơ sở lý thuyết được trình bày ở trên, đặc biệt là kết hợp giữa mô hình UTAUT và RTA, tác giả xây dựng mô hình nghiên cứu với 14 nhân tố với thang đo được trình bày trên Bảng 1.

Bảng 1. Các thang đo sử dụng trong nghiên cứu

Thứ tự

Thang đo

Thước đo

Chiều tác động kỳ vọng tới biến nghiên cứu

Mô tả

1

PU

PU1~PU7

+

Nhận thức sự hữu ích

2

PEU

PEU1~PEU4

+

Nhận thức dễ sử dụng

3

PV

PV1~PV2

+

Nhận thức về giá trị

4

SI

SI1~SI3

+

Ảnh hưởng xã hội

5

PNM

PNM1~PNM3

+

Nhận thức nhu cầu tối giản

6

PE

PE1~PE3

+

Nhận thức về niềm vui

7

SC

SC1~4

-

Mối quan tâm về bảo mật

8

PF

PF1~PF4

+

Nhận thức thông tin

9

IBS

IBS1~IBS4

-

Trải nghiệm xử lý vấn đề khi gặp tình huống xấu

10

TC

TC1~4

-

Sự lo lắng về các vấn đề kỹ thuật khi sử dụng công nghệ mới

11

PK

PK1~PK2

+

Kiến thức cá nhân

12

OP

OP1~OP2

-

Các lựa chọn khác

13

PC

PC1~PC5

-

Các vấn đề cá nhân

14

PO

PO1~PO2

+

Trải nghiệm công nghệ mới

15

INT

INT1~INT2

 

Ý định tiếp tục sử dụng thanh toán bằng Fintech

Nguồn: Tác giả xây dựng

Cơ sở của việc lựa chọn các biến trong mô hình cũng như việc đưa ra các giả thuyết nghiên cứu được trình bày chi tiết dưới đây.

Nhiều nghiên cứu chỉ ra tác động mạnh mẽ của nhận thức sự hữu ích (PU) đến ý định sử dụng công nghệ. Theo Venkatesh (2003), PU là nhân tố dự đoán mạnh nhất về ý định sử dụng trong các lĩnh vực khác nhau. Trong nghiên cứu về việc chấp nhận sử dụng dịch vụ ngân hàng trực tuyến, Pikkarainen và cộng sự (2004) nhận thấy rằng PU là một trong những yếu tố có tác động nhất giải thích về ý định sử dụng.

H1: Nhận thức sự hữu ích (PU) tác động tích cực đến ý định sử dụng của người dùng.

Nhận thức dễ sử dụng (PEU) thể hiện sự thân thiện với người dùng dựa trên các tính năng hệ thống, hướng dẫn sử dụng, tư vấn người dùng. Theo Rigopoulos (2007), PEU có tác động tích cực đến nhận thức sự hữu ích (PU) và ý định sử dụng trong đó tác động của PEU lên PU được lý giải như một cách tác động gián tiếp tới ý định sử dụng. Nghiên cứu của Fagan (2008) cũng chỉ ra tác động tích của PEU đến PU và ý định sử dụng.

H2a: Nhận thức dễ sử dụng (PEU) tác động tích cực đến ý định sử dụng của người dùng.

H2b: Nhận thức dễ sử dụng (PEU) tác động tích cực đến nhận thức sự hữu ích (PU).

Nhận thức về giá trị (PV) được định nghĩa là sự nhận thức của người sử dụng về việc đánh đổi giữa những lợi ích mà công nghệ mang lại với số tiền phải bỏ ra (Venkatesh, 2012). Theo Wu & Wang (2005), mức giá có tác động tích cực đến ý định của người dùng trong ngành di động.

H3: Nhận thức về giá trị (PV) tác động tích cực đến ý định sử dụng của người dùng.

Ảnh hưởng xã hội (SI) được định nghĩa là ảnh hưởng của bạn bè, người thân trong gia đình, … đến việc cá nhân tiếp nhận sử dụng công nghệ mới (Venkatesh, 2003). Ngoài việc tự tìm hiểu thì lời khuyên, ý kiến, kinh nghiệm của những người xung quanh có thể tăng sự tin tưởng đối với những sản phẩm thanh toán mới như FinTech. Một số nghiên cứu đã thể hiện ảnh hưởng xã hội đến ý định sử dụng như nghiên cứu của Wu & Wang (2005) về những nhân tố ảnh hưởng đến thương mại qua di động hay nghiên cứu về sự tiếp nhận sử dụng FinTech của của Kim và cộng sự (2015)

H4: Ảnh hưởng xã hội (SI) tác động tích cực đến ý định sử dụng của người dùng.

Theo Novak, nhu cầu về một lối sống giản đơn có thể dẫn đến đòi hỏi những sản phẩm có thể làm cuộc sống đơn giản, tiện lợi hơn giống như các dịch vụ FinTech (Novak, 2010). Vì vậy, việc nhận thức nhu cầu sự tối giản được kỳ vọng tác động tích cực đến ý định sử dụng FinTech.

H5: Nhận thức nhu cầu tối giản (PNM) tác động tích cực đến ý định sử dụng của người dùng.

Như đã đề cập trong mô hình động lực, các cá nhân có thể thực hiện một hành vi cụ thể bởi sự thú vị của hành vi đó (Deci, 1985). Nghiên cứu của Moon và cộng sự (2001) đã chỉ ra nhận thức về tính giải trí, bao gồm sự tập trung, sự tò mò và vui vẻ có tác động lớn đến ý định sử dụng Internet. Nghiên cứu của Teo và cộng sự (1999) cũng đưa ra kết luận một trong những nhân tố có tác động mạnh nhất đến ý định sử dụng là nhận thức sự vui vẻ.  

H6: Nhận thức về niềm vui (PE) tác động tích cực đến ý định sử dụng của người dùng.

Vấn đề bảo mật là một trong những thử thách lớn nhất mà nhà cung cấp dịch vụ điện tử phải đối mặt. (Han, 2003) Nghiên cứu của Roboff & Charles (1998) chỉ ra rằng khách hàng thường không có lòng tin vào công nghệ trong các vấn đề tài chính. Thêm vào đó, theo Pavlou và cộng sự (2007), tỷ lệ tiếp nhận sử dụng sẽ tăng lên nếu khách hàng cảm thấy họ nắm được quyền chi phối việc cung cấp dịch vụ. Như vậy, mối lo lắng về bảo mật được kỳ vọng tác động ngược chiều tới ý định sử dụng.

H7: Sự lo lắng về bảo mật (SC) tác động tiêu cực đến ý định sử dụng của người dùng

Sự nhận thức thông tin (PF) được định nghĩa là lượng thông tin được cung cấp cho khách hàng. Khi người sử dụng thấy rằng họ nắm được thông tin về công ty và sản phẩm đang sử dụng thì họ có xu hướng an tâm hơn với việc tiếp tục sử dụng. Vì vậy PF được kỳ vọng tác động tích cực đến ý định sử dụng của người dùng. Gulamhuseinwala và cộng sự (2015) cũng chỉ ra sự không nắm được thông tin chính là rào cản chính dẫn đến việc không sử dụng sản phẩm FinTech.

H8: Nhận thức thông tin (PF) tác động tích cực đến ý định sử dụng của người dùng.

Bên cạnh việc cung cấp dịch vụ chất lượng tốt, giá cả phù hợp thì việc chăm sóc khách hàng cũng là một vấn đề quan trọng có thể tác động đến việc cá nhân có tiếp tục sử dụng dịch vụ hay không. Nghiên cứu của Ha và Park (2013) đã chỉ ra một trong những nhân tố quyết định đến ý định tiếp tục sử dụng là sự hài lòng của khách hàng. Việc tăng sự hài lòng bằng cách đáp ứng nhu cầu và đòi hỏi của khách hàng là một trong những mối quan tâm hàng đầu trong lĩnh vực marketing và hành vi người tiêu dùng và cũng như trong lĩnh vực hệ thống thông tin. (Bhattacherjee, 2001). Khi có vấn đề xấu xảy ra như bị lỗi giao dịch, nếu công ty cung cấp dịch vụ giải quyết vấn đề một cách thiếu chuyên nghiệp, chậm trễ, đùn đẩy trách nhiệm sẽ khiến người sử dụng cảm thấy không hài lòng và điều này có thể khiến họ quyết định không tiếp tục sử dụng dịch vụ.  

H9: Trải nghiệm xử lý vấn đề khi gặp tình huống xấu (IBS) tác động tiêu cực đến ý định sử dụng của người dùng.

Qua việc tìm hiểu phản hồi của người sử dụng gửi về cho công ty cung cấp dịch vụ công nghệ, tác giả nhận thấy mối quan tâm về các vấn đề kỹ thuật khi sử dụng công nghệ mới (TC) là một biến tiềm năng và có khả năng sẽ tạo ảnh hưởng đến ý định sử dụng.

H10: Mối quan tâm về các vấn đề kỹ thuật khi sử dụng công nghệ mới (TC) tác động tiêu cực đến ý định sử dụng của người dùng.

Khi cá nhân tự có sự hiểu biết nhất định về dịch vụ FinTech thì sẽ đặt nhiều niềm tin hơn và ý định sử dụng lớn hơn so với người còn mơ hồ về FinTech.  

H11: Kiến thức cá nhân (PK) tác động tích cực đến ý định sử dụng của người dùng.

Khi người sử dụng đang sử dụng dịch vụ khác có tính năng tương đối tương tự (mobile banking, internet banking,…) thì họ sẽ có xu hướng không sử dụng thanh toán bằng FinTech. Vì vậy biến OP được kỳ vọng tác động tiêu cực đến ý định sử dụng FinTech.

H12: Các sự lựa chọn khác (OP) tác động tiêu cực đến ý định sử dụng của người dùng.

Các vấn đề cá nhân như ngại tìm hiểu các vấn đề về công nghệ, kinh tế - tài chính, không có thiết bị (ví dụ như điện thoại thông minh, ipad,…) để sử dụng thanh toán FinTech hay việc cá nhân không thích thử nghiệm các công nghệ mới đều có khả năng tác động đến ý định sử dụng tương tự như các nhân tố bên trong thúc đẩy ý định hành vi trong mô hình động lực (MM).

H13: Các vấn đề kỹ thuật của cá nhân (PC) tác động tiêu cực đến ý định sử dụng của người dùng.

H14: Mong muốn trải nghiệm công nghệ mới (PO) tác động tích cực đến ý định sử dụng của người dùng.

Mô hình nghiên cứu chi tiết được trình bày trên Hình 2.

PNM

SI

PV

PEU

PU

PE

PF

PC

PO

INT

SC

IBS

TC

PK

OP

H14+

H2b+

H2a

H3+

H4+

H5+

H8+

H7-

H6+

H13-

H12-

H11+

H10-

H9-

 

Hình 2. Mô hình nghiên cứu

Nguồn: Tác giả xây dựng


3.2.            Phương pháp thu thập dữ liệu

3.2.1.      Thiết kế bảng hỏi

Các câu hỏi trong bảng câu hỏi được xây dựng dựa trên các nghiên cứu của Thompson và cộng sự (1991), Davis (1989) và Jay (2010). Việc thiết kế bảng câu hỏi dựa trên các biến trong mô hình và được hoàn thiện thông qua việc phỏng vấn thử các nhóm đối tượng và lấy ý kiến chuyên gia trong ngành tài chính để đảm bảo ý nghĩa của các câu hỏi được hiểu đúng. Các bảng câu hỏi trải qua 3 lần chỉnh sửa, qua việc ghi nhận các đóng góp từ những người trả lời phỏng vấn thử cũng như những hạn chế phát sinh lúc tiến hành phỏng vấn thử mà tác giả nhận thấy được. Thang đo Likert 5 điểm được áp dụng với tất cả các câu hỏi nhằm đo lường chi tiết về ý kiến của người trả lời với vấn đề câu hỏi đặt ra. Số 1 là “Hoàn toàn không đồng ý”, số 2 là “Không đồng ý”, số 3 là “Trung bình”, số 4 là “Đồng ý”, và số 5 là “Hoàn toàn đồng ý”.

3.2.2.      Thu thập và mô tả dữ liệu

Có tổng cộng 300 bảng hỏi được phát ra thông qua hình thức phát bản giấy tự điền và phỏng vấn trực tiếp các sinh viên đại học tại các trường đại học trên địa bàn Hà Nội, Đà Nẵng và Thành phố Hồ Chí Minh theo phương thức ngẫu nhiên thuận tiện. Các bảng hỏi được sử dụng là các bảng hỏi mà người trả lời đang sử dụng dịch vụ thanh toán bằng Fintech. 251 bảng hỏi này tạo thành dữ liệu được dùng để kiểm định các giả thiết nghiên cứu.

Dữ liệu được xử lý bằng phần mềm SPSS và AMOS thông qua các bước: (1) đánh giá sơ bộ thang đo và độ tin tưởng của biến đo lường bằng hệ số Cronbach Alpha (2) tiếp theo sử dụng kỹ thuật phân tích nhân tố khẳng định CFA (Confirmation Factor Analysis) để kiểm nghiệm chặt chẽ hơn về tính đơn nguyên, độ giá trị (hội tụ, phân biệt) của từng nhân tố (3) tính toán độ mạnh yếu của các nhóm yếu tố động cơ sử dụng.

Dựa trên kết quả thống kê trong Bảng 2, số lượng nam chiếm tỷ lệ 54% và nữ chiếm 46% do vậy có thể xem tỷ lệ nam nữ là khá cân bằng. Độ tuổi tập trung trong khoảng từ 19 đến 23. Tỷ lệ sinh viên có đi làm thêm cao hơn tỷ lệ sinh viên không đi làm thêm và chiếm 54%. Về thu nhập, mức thu nhập 1 đến 3 triệu đồng/tháng chiếm 27% và thu nhập dưới 1 triệu đồng (bao gồm không có thu nhập) chiếm 55%. Về tỷ lệ nhóm ngành học, Công nghệ thông tin, Kinh tế - Tài chính – Kế toán và ngành khác lần lượt là 16%, 22% và 63%.

Bảng 2. Đặc điểm mẫu nghiên cứu

 

Số lượng

Tỷ lệ (%)

Giới tính

Nam

135

54%

Nữ

116

46%

Độ tuổi

19

30

12%

20

64

25%

21

72

29%

22

41

16%

23

31

12%

24

9

4%

Trên 24 tuổi

4

2%

Tình trạng công việc

Sinh viên, không đi làm thêm

116

46%

Sinh viên, có đi làm thêm

135

54%

Thu nhập

Dưới 1 triệu/tháng

139

55%

Từ 1 đến 3 triệu/ tháng

68

27%

Từ 3 đến 6 triệu/ tháng

34

14%

Từ 6 đến 10 triệu/ tháng

8

3%

Trên 10 triệu đồng/tháng

2

1%

Ngành học

Công nghệ thông tin

39

16%

Kinh tế - Tài chính – Kế toán

55

22%

Các ngành khác

157

63%
       

Nguồn: Tác giả tính toán

 

4.      Kết quả phân tích

4.1.            Kiểm tra độ tin cậy, phân tích EFA và điều chỉnh mô hình nghiên cứu

Khi phân tích EFA, thông qua kết quả của ma trận xoay nhân tố, tác giả nhận thấy có 2 nhóm biến có thể kết hợp với nhau. Nhóm thứ nhất bao gồm TC, SC và PC thể hiện sự lo lắng của người sử dụng đối với các vấn đề kỹ thuật của Fintech. Nhóm thứ hai bao gồm PK và PO thể hiện kiến thức và thái độ của người dùng đối với công nghệ mới. Kết quả Cronbach Alpha đối với các nhân tố sau điều chỉnh vẫn nằm trong ngưỡng phù hợp >0.7 (theo George & Mallery (2000)) như được trình bày trong Bảng 3.

Bảng 3. Kết quả chỉ số Cronbach's Alpha sau điều chỉnh

Biến số

OP

PU

PEU

PV

PF

PE

Α

0.718916

0.891471

0.901556

0.897971

0.925152

0.907211

Biến số

SI

TC-SC-PC

IBS

PO-PK

PNM

INT

Α

0.829382

.790

0.875629

.740

0.867577

0.74248

 Nguồn: Tác giả tính toán

PNM

SI

PV

PEU

PU

PE

PF

INT

TC-SC-PC

IBS

PO-PK

OP

H2b+

H2a

H3+

H4+

H5+

H8+

H7.10.13-

H6+

H12-

H11.14+

H9


Do vậy tác giả điều chính mô hình ban đầu theo đó các gải thuyết nghiên cứu 7,10,13 và 11&14 được tập hợp thành 2 giả thuyết nghiên cứu mới như được trình bày trên Hình 3.

Hình 3. Mô hình nghiên cứu sau hiệu chỉnh thông qua EFA

Nguồn: Tác giả xây dựng

4.2.            Phân tích nhân tố khẳng định CFA

Phân tích nhân tố khẳng định CFA được thực hiện cho kết quả thể hiện mức độ phù hợp của mô hình trong ngưỡng tốt như được trình bày trong Bảng 4.

Bảng 4. Chỉ số thể hiện mức độ phù hợp của mô hình nghiên cứu thông qua phân tích CFA

 

Giá trị

Ngưỡng so sánh

CMIN/df

1.775

<3

CFI

0.912

>0.9

GFI

0.777

>0.9

TLI

0.902

>0.9

RMSEA

0.056

<0.7

Nguồn: Tác giả tính toán

4.3.            Đánh giá mô hình SE

4 biến tiềm ẩn (PK, TC, PC, OP) bị loại bỏ trong quá trình phân tích EFA. Vì vậy, chỉ còn lại 10 biến tiềm ẩn cho mô hình SEM. Điều này thể hiện mức độ phù hợp và kết quả chấp nhận được. Kết quả kiểm định các giả thuyết được trình bày trên Bảng 5.

 

Bảng 5. Kết quả kiểm định giả thuyết

Giả thuyết

Biến tác động tới việc tiếp tục sử dụng FinTech

β

Giá trị P

Chiều tác động kỳ vọng

Kiểm định giả thuyết

H1

PU

0.775

0.002

(+)

Ủng hộ

H2a

PEU

-0.333

0.14

(+)

Không ủng hộ

H2b

PEU (gián tiếp qua PU)

0.81

0.000

(+)

Ủng hộ

H3

PV

-0.032

0.288

(-)

Không ủng hộ

H4

SI

0.167

0

(+)

Ủng hộ

H5

PNM

0.147

0

(+)

Ủng hộ

H6

PE

0.125

0

(+)

Ủng hộ

H7.10.13

SC-TC-PC

-0.347

0

(-)

Ủng hộ

H8

PF

-0.008

0.791

(+)

Không ủng hộ

H9

IBS

0.103

0.006

(-)

Không ủng hộ

H11.14

PO-PK

0.731

0

(+)

Ủng hộ

H12

OP

-0.086

0.078

(-)

Không ủng hộ

Nguồn: Tác giả tính toán

 

Qua Bảng 5, ta thấy ngoại trừ biến IBS và PF, hệ số beta cho các biến đều có dấu như kỳ vọng. Biến IBS có dấu của hệ số ngược với kỳ vọng có thể do sự ít khắt khe của đối tượng sinh viên đối với chất lượng dịch vụ. Nói cách khác, đối tượng này có thể trải nghiệm một số trường hợp chưa hài lòng về việc xử lý các vấn đề chưa chuyên nghiệp của các công ty thanh toán bằng FinTech nhưng vẫn chấp nhận và tiếp tục sử dụng dịch vụ do họ không đặt yêu cầu quá cao vào sự phục vụ của công ty hoặc coi việc các công ty FinTech mới chưa có phong cách xử sự chuyên nghiệp là đương nhiên. Biến số này cần được kiểm tra kỹ hơn trong các nghiên cứu trong tương lai với các đối tượng khác.

Với các biến tác động khác, kết quả cho thấy Ảnh hưởng xã hội, nhu cầu tối giản, niềm vui, kiến thức và thái độ cá nhân đối với công nghệ mới có tác động tích cực đến ý định tiếp tục sử dụng dịch vụ. Ngược lại, sự lo lắng liên quan đến các vấn đề kỹ thuật của FinTech tác động tiêu cực đến ý định tiếp tục sử dụng dịch vụ. Nghiên cứu không tìm thấy bằng chứng về tác động của nhận thức về giá trị, nhận thức thông tin và các lựa chọn khác tới ý định tiếp tục sử dụng dịch vụ thanh toán bằng Fintech

Nhận thức dễ sử dụng tác động tích cực tới nhận thức hữu ích. Nhận thức hữu ích tác động tích cực tới ý định tiếp tục sử dụng dịch vụ thanh toán bằng FinTech. Như vậy nhận thức dễ sử dụng tác động tích cực một cách gián tiếp tới ý định tiếp tục sử dụng dịch vụ thanh toán bằng FinTech. Không có bằng chứng về tác động trực tiếp của nhận thức dễ sử dụng tới ý định tiếp tục sử dụng dịch vụ thanh toán Fintech. Kết quả này cũng tương đồng với các nghiên cứu trước đây của Rigopoulos (2007) và Fagan (2008).

Giá trị tuyệt đối của beta cho thấy nhận thức hữu ích và kiến thức, thái độ của sinh viên đối với công nghệ tài chính là nhân tố tác động lớn nhất trong việc tiếp túc sử dụng thanh toán FinTech của sinh viên. Nếu mức độ kiến thức về FinTech càng cao và người sử dụng càng có thái độ cởi mở với công nghệ mới thì ý định sử dụng thanh toán FinTech cũng càng cao. Đồng thời khi sinh viên nhận thấy các dịch vụ thanh toán bằng FinTech càng đem lại nhiều tiện ích cho mình thì càng có xu hướng tiếp tục sử dụng dịch vụ này.

Ảnh hưởng của xã hội trong bài nghiên cứu được đo bằng ảnh hưởng của người thân trong gia đình, bạn bè và cơ quan quan tổ chức nơi cá nhân làm việc. Việc ảnh hưởng xã hội có liên quan tích cực đến ý định sử dụng cũng một phần thể hiện rằng cá nhân sẽ chịu tác động mạnh mẽ hơn từ những lời khuyên và trải nghiệm của người xung quanh, một phần cũng thể hiện cá nhân dễ bị hấp dẫn hơn nếu thấy người người xung quanh mình có sử dụng thanh toán FinTech. Đây cũng phần nào phản ánh được đặc điểm văn hóa, lối sống của sinh viên Việt Nam. Kết quả này cũng khẳng định lại các nghiên cứu trước đây của Wu & Wang (2005) hay Kim và cộng sự (2015). Tương tự như vậy, khi sinh viên nhận thức các dịch vụ FinTech đem lại niềm vui và tương thích với nếp sống tiện lợi, tối giản của họ thì càng có xu hướng tiếp tục với dịch vụ này.

Kết quả hồi quy cho thấy rào cản lớn nhất đối với việc tiếp tục sử dụng dịch vụ thanh toán bằng FinTech hiện nay chính là các mối lo lắng quan tâm về kỹ thuật như vấn đề bảo mật thông tin, vấn đề trục trặc về kỹ thuật với các ứng dụng cũng như sự không tương thích của các thiết bị cá nhân đối với các phần mềm thanh toán FinTech.

5.      Kết luận và đề xuất

Nghiên cứu này đã xác định 7 nhân tố tác động đến ý định sử dụng Fintech của sinh viên Việt Nam, trong đó có hai biến có tác động tích cực mạnh mẽ nhất đó là nhận thức sự hữu ích (PU) và kiến thức thái độ của cá nhân về công nghệ (PK). Trên cơ sở các kết quả, tác giả đưa ra một số đề xuất sau đây. Đối với các công ty thanh toán FinTech, để duy trì ý định sử dụng của sinh viên nên thực hiện các chiến dịch giới thiệu về đặc điểm của dịch vụ thanh toán FinTech, lợi ích của nó và làm thế nào để sử dụng nó nhằm giúp người sử dụng tăng cường hiểu biết về FinTech, làm cho người sử dụng nhận thức được sự tương thích với lối sống tối giản hiện đại, từ đó hình thành thái độ tích cực với các dịch vụ thanh toán Fintech. Các công ty FinTech cần xây dựng những chương trình dành cho gia đình, hội nhóm hoặc đưa ra các đợt ưu đãi, chương trình khuyến mại khi sử dụng theo gia đình hoặc theo hội nhóm do người dùng FinTech bị chi phối rất mạnh bởi ý kiến của những người xung quanh. Để giảm bớt rào cản đối với việc tiếp tục sử dụng FinTech, các công ty FinTech cần thiết kế phần mềm thanh toán dễ thao tác, có mức độ bảo mật cao và tương thích với các thiết bị di động cơ bản, không đòi hỏi cấu hình quá cao.

Đối với các cơ quan quản lý, để mở rộng việc tiếp tục sử dụng FinTech trong sinh viên nói riêng và thanh niên nói chung cần tập trung nâng cao kiến thức về FinTech đồng thời tạo hiệu ứng lan tỏa trong xã hội để mọi người cùng tham gia loại hình dịch vụ này.

Nghiên cứu này là một trong các nghiên cứu đầu tiên xác định nhân tố tác động tới việc sử dụng FinTech trong giới sinh viên, tạo tiền đề cho các nghiên cứu ở quy mô rộng với các đối tượng đa dạng hơn sau này. Hạn chế của nghiên cứu là mẫu nghiên cứu còn tương đối nhỏ so với số lượng biến nghiên cứu và cách lựa chọn mẫu thuận tiện. Các nghiên cứu trong tương lai cần chọn mẫu theo phương thức ngẫu nhiên với số lượng mẫu lớn hơn để kết quả mang tính đại diện hơn. Do đây là một trong những nghiên cứu đầu tiên cho Việt Nam nên còn có thể có những biến đặc thù liên quan đến Việt Nam chưa được xem xét đòi hỏi những nghiên cứu định tính một cách cặn kẽ hơn để xác định tập hợp các biến tiềm năng đặc thù khi nghiên cứu này được mở rộng đối với các đối tượng khác.  

Tài liệu tham khảo

  1. Anagnostopoulos, Ioannis (2018), “Fintech and regtech: Impact on regulators and banks”, Journal of Economics and Business 100(C), 7-25.
  2. Bhattacherjee, A (2001), “Understanding information systems continuance: an expectation-confirmation model”. MIS Quarterly, 25(3), 351-370.
  3. Chuen, D. L. K., & Teo, E. G. S. (2015), “Emergence of FinTech and the LASIC principles”, The Journal of Financial Perspectives, 3(3), 1–26.
  4. Carlin, B., Olafsson, A., & Pagel, M (2017), “FinTech Adoption Across Generations: Financial Fitness in the Information Age”, NBER Working Paper No. 23798, 1-42.
  5. Davis, F. D (1989), “Perceived usefulness, perceived ease of use, and user acceptance of information technology”, MIS Quarterly, 13(3), 319-340.
  6. Davis F. D (1992), “Extrinsic and Intrinsic Motivation to Use Computers in the Workplace1”, Journal of Applied Social Psychology, 22(14), 1111 - 1132.
  7. Deci, E. L (1985), Intrinsic Motivation and Self- Determination in Human Behavior, New York: Plenum.
  8. Fagan, M. H (2008), “Exploring the Intention to Use Computers: An Empirical Investigation of the Role of Intrinsic Motivation, Extrinsic Motivation, and Perceived Ease of Use”, Journal of Computer Information Systems, 8(3), 31-37.
  9. George, D. & Paul Mallery (2000), SPSS for windows step by step: a simple guide and reference. (3rd ed.), Allyn & Bacon.
  10. Gulamhuseinwala, I., Bull, T., & Lewis, S (2015), “FinTech is gaining traction and young, high-income users are the early adopters”, The Journal of Financial Perspectives, 3(3), 1–17.
  11. Gupta, S. & Heng Xu (2010), “Examining the Relative Influence of Risk and Control on Intention to Adopt Risky Technologies”, Journal of Technology Management & Innovation, 5(4), 23-33.
  12. Hà Văn Dương, Hà Phạm Diễm Trang, Nguyễn Hoàng Mỹ Lệ (2018), “FINTECH: Hệ sinh thái ở các nước và vận dụng tại Việt Nam”, Tạp chí Ngân hàng, số 1.
  13. Ha, Young & Myeong Cheol Park (2013), “Antecedents of customer satisfaction and customer loyalty foremerging devices in the initial market of Korea: an equity framework”, Psychology & Marketing, 30(8), 676-689.
  14. Hyun-Sun, R. (2018), What makes users willing or hesitant to use Fintech?: the moderating effect of user type, Industrial, 541-569.
  15. Jay, F (2010), “The Joy of Less: A Minimalist Living Guide: how to Declutter, Organize, and Simplify Your Life”, Anja Press.
  16. Kim, Y., Park, Y., Choi, J., & Yeon, J (2015), “An Empirical Study on the Adoption of FinTech Service: Focused on Mobile Payment Services”, Advanced Science and Technology Letters, 114(26), 136-140.
  17. Lee, Jiyoon & Ryu, Min Ho & Lee, Daeho (2019), “A study on the reciprocal relationship between user perception and retailer perception on platform-based mobile payment service”, Journal of Retailing and Consumer Services, 48(C), 7-15.
  18. Legris, P., Ingham, J., & Collerette, P (2003), “Why do people use information technology? A critical review of the technology acceptance model”, Information & Management Journal, 40(3), 191-204.
  19. Milian, Eduardo & Spinola, Mauro & Carvalho, Marly (2019), “Fintechs: A Literature Review and Research Agenda”, Electronic Commerce Research and Applications, 34. 100833. 10.1016/j.elerap.2019.100833.
  20. Moon, J. W. & Young-Gul Kim (2001), “Extending the TAM for the World-Wide-Web context”, Information and Management, 38, 217-230.
  21. Nguyễn Văn Tâm (2018), “Phát triển công nghệ tài chính tại Việt Nam: Cơ hội và thách thức”, Tạp chí Tài chính, số tháng 8-2018.
  22. Novak, J (2010), Internal influence: Lifestyle and Attitude. Retrieved 5 15, 2018, from http://www.marketingteacher.com/internal-influences-lifestyle-and-attitude/
  23. Pavlou, P. L (2007), “Understanding and Mitigating Uncertainty in Online Exchange Relationships: A Principal-Agent Perspective”, MIS Quarterly, 31, 105-136.
  24. Pikkarainen, T., Pikkarainen, K., Karjaluoto, H. and Pahnila, S (2004), “Consumer acceptance of online banking: an extension of the technology acceptance model”, Internet Research, 14(3), 224-235.
  25. Rigopoulos, G. & (2007), “A TAM Framework to Evaluate Users’ Perception towards Online Electronic Payments”, Journal of Internet Banking and Commerce, 12(3), 2-6.
  26. Schueffel, P (2016), “Taming the Beast: A Scientific Definition of Fintech”, Taming the Beast: A Scientific Definition of Fintech , 32-54.
  27. Stewart, Harrison & Jürjens, Jan (2018), “Data security and consumer trust in FinTech Innovation in Germany”, Information and Computer Security, 26. 00-00. 10.1108/ICS-06-2017-0039.
  28. Venkatesh, V. M (2003), “User Acceptance of Information Technology: Toward a Unified View”, MIS Quarterly, 27(3), 425-478.
  29. Venkatesh, V. T (2012), “Consumer Acceptance and Use of Information Technology: Extending the Unified Theory of Acceptance and Use of Technology”, MIS Quarterly, 36(1), 157-178.
  30. Wu, J. H., & Wang, S. C (2005), “What drives mobile commerce? An empirical evaluation of the revised technology acceptance model”, Information & Management, 42(1), 719-729.

 

 

 

 

 

 

 

 

 

[1] Trường đại học Bách khoa Hà Nội, Email: nguyendangtue@gmail.com, tue.nguyendang@hust.edu.vn

NHÂN TỐ TÁC ĐỘNG TỚI VIỆC TIẾP TỤC SỬ DỤNG DỊCH VỤ THANH TOÁN BẰNG FINTECH - NGHIÊN CỨU ĐỐI VỚI SINH VIÊN CÁC TRƯỜNG ĐẠI HỌC Ở VIỆT NAM

Nguyễn Đăng Tuệ[1]

Tóm tắt

Nghiên cứu này tìm hiểu những rào cản chủ yếu tác động đến việc tiếp tục sử dụng  các dịch vụ thanh toán của các công ty FinTech trên mẫu nghiên cứu bao gồm 251 sinh viên. Dựa trên các mô hình lý thuyết và tham khảo các nghiên cứu trước đây, 14 biến đã được đưa ra để kiểm định và được rút gọn còn 10 biến. Phương pháp phân tích nhân tố xác nhận (CFA) và mô hình cấu trúc tuyến tính (SEM) được sử dụng để đo lường và kiểm định các giả thuyết đã nêu. Kết quả cho thấy nhận thức về sự hữu ích, sự lo lắng về vấn đề kỹ thuật, nhu cầu tối giản, nhận thức – thái độ của cá nhân với công nghệ, ảnh hưởng của xã hội và nhận thức thông tin là các nhân tố có tác động mạnh mẽ tới việc tiếp tục sử dụng  dịch vụ thanh toán bằng FinTech.

Từ khóa: FinTech, nhân tố tác động, RTA, thanh toán, SEM, UTAUT

Abstract

This study explores the major barriers affecting decision to continue with FinTech payment services on a sample of 251 students. Based on theoretical models and reference to previous studies, 14 variables were constructed for testing and were reduced to 10 variables. The confirmatory factor analysis (CFA) and structural equation model (SEM) are used to measure and test the hypotheses. The results show that awareness of usefulness, anxiety about technical issues, minimal needs, individual knowledge and attitude to technology usage, social influence and the perception of information are the factors having a strong impacts on the continued use of payment services by FinTech.

Keywords: factors, FinTech, payment, SEM, RTA, UTAUT

 

 

1.      Bối cảnh nghiên cứu

FinTech là viết tắt của cụm từ Financial Technology - công nghệ tài chính. Theo Schueffel (2016), Fintech là một ngành công nghiệp tài chính mới, sử dụng những tiến bộ công nghệ để cải thiện các dịch vụ tài chính. Các công ty Fintech hoạt động trên nhiều mảng dịch vụ tài chính khác nhau như cho vay, thanh toán, quản lý tài chính cá nhân, quản lý danh mục đầu tư, góp vốn cộng đồng trong đó mảng thanh toán đang phát triển mạnh mẽ nhất. Tại Việt Nam, kể từ 2008, ngân hàng nhà nước (NHNN) đã thí điểm cho phép các công ty không phải là ngân hàng cung ứng dịch vụ thanh toán (Theo quyết định 1789/QĐ-NHNN) và chính thức cấp phép cho hoạt động này vào năm 2014 (Thông tư Số 39/2014/TT-NHNN). Theo thông tin của NHNN (2019), hiện nay có 29 công ty và tổ chức không phải ngân hàng ứng dụng công nghệ để cung ứng dịch vụ thanh toán tại Việt Nam. Trong bài nghiên cứu này, dịch vụ thanh toán bằng Fintech là dịch vụ thanh toán thông qua các ứng dụng của các công ty nói trên.

Việt Nam là thị trường đầy tiềm năng cho FinTech phát triển với lực lượng dân số trẻ, tỷ lệ người sử dụng điện thoại thông minh lớn và trên 50% người dân kết nối với các mạng xã hội. Trong nhóm người trẻ tuổi, sinh viên là nhóm đối tượng đại diện cho sự sáng tạo, thích ứng nhanh và đón bắt các xu hướng công nghệ hiện đại. Với những đặc điểm đó, sinh viên là nhóm đối tượng được kỳ vọng dẫn đầu trong việc sử dụng các dịch vụ thanh toán FinTech. Bài viết này hướng tới việc xác định những yếu tố tác động đến việc tiếp tục sử dụng dịch vụ thanh toán FinTech của sinh viên Việt Nam.

2.      Tổng quan nghiên cứu

2.1.            Các nghiên cứu về FinTech ở Việt Nam và trên thế giới

Fintech là một khái niệm mới nên chưa có được sự thống nhất giữa các học giả trên thế giới. Thuật ngữ FinTech lần đầu tiên được sử dụng vào đầu những năm 1990 dưới tên một dự án của Citigroup để thúc đẩy hợp tác công nghệ. Một số nhà khoa học đề cập tới FinTech như các dịch vụ và sản phẩm tài chính mang tính sáng tạo và được cá nhân hóa (Chuen & Teo, 2015) trong khi một số khác lại coi Fintech như một mô hình kinh doanh. Một số học giả coi Fintech như một ngành kinh doanh hoàn toàn mới (Kim và cộng sự, 2015) trong khi một số khác cho rằng bất cứ sản phẩm, dịch vụ, quy trình hoặc mô hình kinh doanh nào ứng dụng công nghệ mới đều có thể coi là Fintech. Trong bài viết này tác giả sử dụng định nghĩa của Schueffel (2016) được trình bày trong phần 1 theo đó Fintech là các thực thể đang tạo nên một ngành công nghiệp tài chính mới và do vậy khác với các dịch vụ do ngân hàng truyển thống cung cấp như internet banking hoặc mobile banking.

Mặc dù có sự khác biệt về việc đưa ra khái niệm nhưng hầu hết các nghiên cứu về Fintech đều thống nhất đặc điểm của Fintech trong việc khai thác các công nghệ kỹ thuật số như kết nối vạn vật, điện toán di động, phương tiện truyền thông xã hội, phân tích dữ liệu và trí tuệ nhân tạo. Bằng cách sử dụng những công nghệ kỹ thuật hiện đại này, Fintech cải tiến và tạo ra những đột phá thay đổi các dịch vụ tài chính.

Trên thế giới đã có nhiều nghiên cứu liên quan đến ứng dụng của Fintech. Có thể kể đến một vài nghiên cứu tiêu biểu như nghiên cứu của Milian và cộng sự (2019) tìm hiểu việc áp dụng những cải tiến mới trong công nghiệp tài chính đã tận dụng sự sẵn có trong truyền thông, sự phổ biến của Internet và quá quy trình tự động hóa trong các ứng dụng Fintech, nghiên cứu của Anagnostopoulos (2018) chỉ ra mối liên hệ và tính cấp thiết hợp tác giữa các ngân hàng và các doanh nghiệp khởi nghiệp về FinTech.

Sự tiếp nhận sử dụng các dịch vụ FinTech cũng đã được một số học giả nghiên cứu như nghiên cứu về sự tiếp nhận sử dụng dịch vụ thanh toán FinTech thông qua điện thoại của Kim và cộng sự (2015) hay nghiên cứu về sự tiếp nhận sử dụng dịch vụ FinTech thông qua các nhóm thế hệ của Carlin và cộng sự (2017). Stewart & Jürjens (2017) chỉ ra cản trở chính đối với FinTech là vấn đề bảo mật dữ liệu, hạn chế trong thiết kế giao diện khách hàng và sự thiếu tin tưởng từ khách hàng trong việc bảo vệ khỏi sự lừa đảo. Hyun-Sun (2018) chỉ ra rủi ro pháp lý có tác động tiêu cực lớn nhất đến việc tiếp tục sử dụng FinTech của khách hàng, trong khi đó sự tiện lợi có tác động tích cực mạnh nhất. Lee và cộng sự (2019) chứng minh hiệu ứng tác động xã hội là nhân tố quan trọng nhất trong sử dụng dịch vụ dựa trên các nền tảng FinTech di động. Thông qua các nghiên cứu trên, các nhân tố khác nhau tác động đến việc sử dụng FinTech đã được xem xét như sự tiện lợi, tính hữu ích, sự nhận thức thông tin và tăng cường an ninh.

Những nghiên cứu chuyên sâu về FinTech ở Việt Nam còn khá hạn chế. Một số nghiên cứu được thực hiện nhưng mới chỉ dừng lại ở việc liệt kê các cơ hội và thách thức (Nguyễn Văn Tâm, 2018) hoặc rút ra kinh nghiệm từ các quốc gia phát triển hơn (Hà Văn Dương và cộng sự, 2018). Chưa có nghiên cứu nào ở Việt Nam tìm hiểu về các nhân tố tác động tới việc tiếp tục sử dụng Fintech. Nghiên cứu này hướng tới việc khỏa lấp khoảng trống nghiên cứu đó.

2.2.            Cơ sở lý thuyết sử dụng cho nghiên cứu về FinTech

Phần sau đây tổng hợp một số mô hình và lý thuyết phù hợp với đặc điểm của FinTech. Đầu tiên là mô hình chấp nhận công nghệ (TAM). Đây là mô hình mở rộng, phát triển từ Thuyết hành động hợp lý (TRA), một trong các lý thuyết cơ bản nhất trong việc nghiên cứu hành vi con người (Davis, 1989). Theo lý thuyết TRA, ý định hành vi của cá nhân quyết định hành vi thực tế và được xác định bởi thái độ đối với hành vi cùng với chuẩn chủ quan. Con người quyết định thực hiện một hành động thông qua xem xét kết quả mà hành động có thể mang lại. Mô hình TAM chỉ ra tác động của các yếu tố bên ngoài lên các yếu tố bên trong là niềm tin, thái độ và ý định (Davis, 1989). Hai biến nhận thức sự tiện dụng và nhận thức sự dễ sử dụng trong TAM được cho là những nhân tố cốt lõi trong việc giải thích hành vi sử dụng (Legris và cộng sự, 2003).   

Davis và cộng sự (1992) đã áp dụng mô hình động lực (MM) với hai yếu tố cơ bản là nhận thức sự hữu dụng - động lực bên ngoài và nhận thức sự vui vẻ - động lực bên trong để giải thích sự sử dụng công nghệ mới. Hai yếu tố này đã được kiểm định qua nhiều nhiều nghiên cứu và cho kết quả khả quan.

Mô hình lý thuyết thống nhất về chấp nhận và sử dụng công nghệ (UTAUT) được thiết lập dựa trên các mô hình và lý thuyết được đề xuất trước đó kết hợp với mục tiêu thiết lập một quan điểm chung nhất phục vụ cho việc nghiên cứu sự chấp thuận của người sử dụng về hệ thống thông tin mới (Venkatesh, 2003). Mô hình này được bổ sung một số yếu tố và được hoàn thiện hơn so với mô hình TAM. Các yếu tố của mô hình này được trình bày trên Hình 1.


Kỳ vọng nỗ lực

Kỳ vọng về biểu hiện

Giới tính

Hành vi sử dụng

Ý định hành vi

Điều kiện thuận lợi

Ảnh hưởng xã hội

Kinh nghiệm

Tuổi

Sự chủ động sử dụng

Hình 1. Mô hình lý thuyết thống nhất về chấp nhận và sử dụng công nghệ

Nguồn: Venkatesh, 2003

 

Khi nghiên cứu về hoạt động thanh toán bằng FinTech cần đề cập đến ảnh hưởng do các rủi ro tài chính có thể xảy ra. Một trong những mô hình tiêu biểu tìm hiểu khía cạnh này là Mô hình tiếp nhận rủi ro công nghệ (RTA) của Gupta & Xu (2010). Mô hình này kết luận rằng rủi ro công nghệ và nhận thức về an toàn đều trực tiếp tác động đến ý định sử dụng.    

3.      Phương pháp nghiên cứu

3.1.            Mô hình nghiên cứu và giả thuyết nghiên cứu

Từ cơ sở lý thuyết được trình bày ở trên, đặc biệt là kết hợp giữa mô hình UTAUT và RTA, tác giả xây dựng mô hình nghiên cứu với 14 nhân tố với thang đo được trình bày trên Bảng 1.

Bảng 1. Các thang đo sử dụng trong nghiên cứu

Thứ tự

Thang đo

Thước đo

Chiều tác động kỳ vọng tới biến nghiên cứu

Mô tả

1

PU

PU1~PU7

+

Nhận thức sự hữu ích

2

PEU

PEU1~PEU4

+

Nhận thức dễ sử dụng

3

PV

PV1~PV2

+

Nhận thức về giá trị

4

SI

SI1~SI3

+

Ảnh hưởng xã hội

5

PNM

PNM1~PNM3

+

Nhận thức nhu cầu tối giản

6

PE

PE1~PE3

+

Nhận thức về niềm vui

7

SC

SC1~4

-

Mối quan tâm về bảo mật

8

PF

PF1~PF4

+

Nhận thức thông tin

9

IBS

IBS1~IBS4

-

Trải nghiệm xử lý vấn đề khi gặp tình huống xấu

10

TC

TC1~4

-

Sự lo lắng về các vấn đề kỹ thuật khi sử dụng công nghệ mới

11

PK

PK1~PK2

+

Kiến thức cá nhân

12

OP

OP1~OP2

-

Các lựa chọn khác

13

PC

PC1~PC5

-

Các vấn đề cá nhân

14

PO

PO1~PO2

+

Trải nghiệm công nghệ mới

15

INT

INT1~INT2

 

Ý định tiếp tục sử dụng thanh toán bằng Fintech

Nguồn: Tác giả xây dựng

Cơ sở của việc lựa chọn các biến trong mô hình cũng như việc đưa ra các giả thuyết nghiên cứu được trình bày chi tiết dưới đây.

Nhiều nghiên cứu chỉ ra tác động mạnh mẽ của nhận thức sự hữu ích (PU) đến ý định sử dụng công nghệ. Theo Venkatesh (2003), PU là nhân tố dự đoán mạnh nhất về ý định sử dụng trong các lĩnh vực khác nhau. Trong nghiên cứu về việc chấp nhận sử dụng dịch vụ ngân hàng trực tuyến, Pikkarainen và cộng sự (2004) nhận thấy rằng PU là một trong những yếu tố có tác động nhất giải thích về ý định sử dụng.

H1: Nhận thức sự hữu ích (PU) tác động tích cực đến ý định sử dụng của người dùng.

Nhận thức dễ sử dụng (PEU) thể hiện sự thân thiện với người dùng dựa trên các tính năng hệ thống, hướng dẫn sử dụng, tư vấn người dùng. Theo Rigopoulos (2007), PEU có tác động tích cực đến nhận thức sự hữu ích (PU) và ý định sử dụng trong đó tác động của PEU lên PU được lý giải như một cách tác động gián tiếp tới ý định sử dụng. Nghiên cứu của Fagan (2008) cũng chỉ ra tác động tích của PEU đến PU và ý định sử dụng.

H2a: Nhận thức dễ sử dụng (PEU) tác động tích cực đến ý định sử dụng của người dùng.

H2b: Nhận thức dễ sử dụng (PEU) tác động tích cực đến nhận thức sự hữu ích (PU).

Nhận thức về giá trị (PV) được định nghĩa là sự nhận thức của người sử dụng về việc đánh đổi giữa những lợi ích mà công nghệ mang lại với số tiền phải bỏ ra (Venkatesh, 2012). Theo Wu & Wang (2005), mức giá có tác động tích cực đến ý định của người dùng trong ngành di động.

H3: Nhận thức về giá trị (PV) tác động tích cực đến ý định sử dụng của người dùng.

Ảnh hưởng xã hội (SI) được định nghĩa là ảnh hưởng của bạn bè, người thân trong gia đình, … đến việc cá nhân tiếp nhận sử dụng công nghệ mới (Venkatesh, 2003). Ngoài việc tự tìm hiểu thì lời khuyên, ý kiến, kinh nghiệm của những người xung quanh có thể tăng sự tin tưởng đối với những sản phẩm thanh toán mới như FinTech. Một số nghiên cứu đã thể hiện ảnh hưởng xã hội đến ý định sử dụng như nghiên cứu của Wu & Wang (2005) về những nhân tố ảnh hưởng đến thương mại qua di động hay nghiên cứu về sự tiếp nhận sử dụng FinTech của của Kim và cộng sự (2015)

H4: Ảnh hưởng xã hội (SI) tác động tích cực đến ý định sử dụng của người dùng.

Theo Novak, nhu cầu về một lối sống giản đơn có thể dẫn đến đòi hỏi những sản phẩm có thể làm cuộc sống đơn giản, tiện lợi hơn giống như các dịch vụ FinTech (Novak, 2010). Vì vậy, việc nhận thức nhu cầu sự tối giản được kỳ vọng tác động tích cực đến ý định sử dụng FinTech.

H5: Nhận thức nhu cầu tối giản (PNM) tác động tích cực đến ý định sử dụng của người dùng.

Như đã đề cập trong mô hình động lực, các cá nhân có thể thực hiện một hành vi cụ thể bởi sự thú vị của hành vi đó (Deci, 1985). Nghiên cứu của Moon và cộng sự (2001) đã chỉ ra nhận thức về tính giải trí, bao gồm sự tập trung, sự tò mò và vui vẻ có tác động lớn đến ý định sử dụng Internet. Nghiên cứu của Teo và cộng sự (1999) cũng đưa ra kết luận một trong những nhân tố có tác động mạnh nhất đến ý định sử dụng là nhận thức sự vui vẻ.  

H6: Nhận thức về niềm vui (PE) tác động tích cực đến ý định sử dụng của người dùng.

Vấn đề bảo mật là một trong những thử thách lớn nhất mà nhà cung cấp dịch vụ điện tử phải đối mặt. (Han, 2003) Nghiên cứu của Roboff & Charles (1998) chỉ ra rằng khách hàng thường không có lòng tin vào công nghệ trong các vấn đề tài chính. Thêm vào đó, theo Pavlou và cộng sự (2007), tỷ lệ tiếp nhận sử dụng sẽ tăng lên nếu khách hàng cảm thấy họ nắm được quyền chi phối việc cung cấp dịch vụ. Như vậy, mối lo lắng về bảo mật được kỳ vọng tác động ngược chiều tới ý định sử dụng.

H7: Sự lo lắng về bảo mật (SC) tác động tiêu cực đến ý định sử dụng của người dùng

Sự nhận thức thông tin (PF) được định nghĩa là lượng thông tin được cung cấp cho khách hàng. Khi người sử dụng thấy rằng họ nắm được thông tin về công ty và sản phẩm đang sử dụng thì họ có xu hướng an tâm hơn với việc tiếp tục sử dụng. Vì vậy PF được kỳ vọng tác động tích cực đến ý định sử dụng của người dùng. Gulamhuseinwala và cộng sự (2015) cũng chỉ ra sự không nắm được thông tin chính là rào cản chính dẫn đến việc không sử dụng sản phẩm FinTech.

H8: Nhận thức thông tin (PF) tác động tích cực đến ý định sử dụng của người dùng.

Bên cạnh việc cung cấp dịch vụ chất lượng tốt, giá cả phù hợp thì việc chăm sóc khách hàng cũng là một vấn đề quan trọng có thể tác động đến việc cá nhân có tiếp tục sử dụng dịch vụ hay không. Nghiên cứu của Ha và Park (2013) đã chỉ ra một trong những nhân tố quyết định đến ý định tiếp tục sử dụng là sự hài lòng của khách hàng. Việc tăng sự hài lòng bằng cách đáp ứng nhu cầu và đòi hỏi của khách hàng là một trong những mối quan tâm hàng đầu trong lĩnh vực marketing và hành vi người tiêu dùng và cũng như trong lĩnh vực hệ thống thông tin. (Bhattacherjee, 2001). Khi có vấn đề xấu xảy ra như bị lỗi giao dịch, nếu công ty cung cấp dịch vụ giải quyết vấn đề một cách thiếu chuyên nghiệp, chậm trễ, đùn đẩy trách nhiệm sẽ khiến người sử dụng cảm thấy không hài lòng và điều này có thể khiến họ quyết định không tiếp tục sử dụng dịch vụ.  

H9: Trải nghiệm xử lý vấn đề khi gặp tình huống xấu (IBS) tác động tiêu cực đến ý định sử dụng của người dùng.

Qua việc tìm hiểu phản hồi của người sử dụng gửi về cho công ty cung cấp dịch vụ công nghệ, tác giả nhận thấy mối quan tâm về các vấn đề kỹ thuật khi sử dụng công nghệ mới (TC) là một biến tiềm năng và có khả năng sẽ tạo ảnh hưởng đến ý định sử dụng.

H10: Mối quan tâm về các vấn đề kỹ thuật khi sử dụng công nghệ mới (TC) tác động tiêu cực đến ý định sử dụng của người dùng.

Khi cá nhân tự có sự hiểu biết nhất định về dịch vụ FinTech thì sẽ đặt nhiều niềm tin hơn và ý định sử dụng lớn hơn so với người còn mơ hồ về FinTech.  

H11: Kiến thức cá nhân (PK) tác động tích cực đến ý định sử dụng của người dùng.

Khi người sử dụng đang sử dụng dịch vụ khác có tính năng tương đối tương tự (mobile banking, internet banking,…) thì họ sẽ có xu hướng không sử dụng thanh toán bằng FinTech. Vì vậy biến OP được kỳ vọng tác động tiêu cực đến ý định sử dụng FinTech.

H12: Các sự lựa chọn khác (OP) tác động tiêu cực đến ý định sử dụng của người dùng.

Các vấn đề cá nhân như ngại tìm hiểu các vấn đề về công nghệ, kinh tế - tài chính, không có thiết bị (ví dụ như điện thoại thông minh, ipad,…) để sử dụng thanh toán FinTech hay việc cá nhân không thích thử nghiệm các công nghệ mới đều có khả năng tác động đến ý định sử dụng tương tự như các nhân tố bên trong thúc đẩy ý định hành vi trong mô hình động lực (MM).

H13: Các vấn đề kỹ thuật của cá nhân (PC) tác động tiêu cực đến ý định sử dụng của người dùng.

H14: Mong muốn trải nghiệm công nghệ mới (PO) tác động tích cực đến ý định sử dụng của người dùng.

Mô hình nghiên cứu chi tiết được trình bày trên Hình 2.

PNM

SI

PV

PEU

PU

PE

PF

PC

PO

INT

SC

IBS

TC

PK

OP

H14+

H2b+

H2a

H3+

H4+

H5+

H8+

H7-

H6+

H13-

H12-

H11+

H10-

H9-

 

Hình 2. Mô hình nghiên cứu

Nguồn: Tác giả xây dựng


3.2.            Phương pháp thu thập dữ liệu

3.2.1.      Thiết kế bảng hỏi

Các câu hỏi trong bảng câu hỏi được xây dựng dựa trên các nghiên cứu của Thompson và cộng sự (1991), Davis (1989) và Jay (2010). Việc thiết kế bảng câu hỏi dựa trên các biến trong mô hình và được hoàn thiện thông qua việc phỏng vấn thử các nhóm đối tượng và lấy ý kiến chuyên gia trong ngành tài chính để đảm bảo ý nghĩa của các câu hỏi được hiểu đúng. Các bảng câu hỏi trải qua 3 lần chỉnh sửa, qua việc ghi nhận các đóng góp từ những người trả lời phỏng vấn thử cũng như những hạn chế phát sinh lúc tiến hành phỏng vấn thử mà tác giả nhận thấy được. Thang đo Likert 5 điểm được áp dụng với tất cả các câu hỏi nhằm đo lường chi tiết về ý kiến của người trả lời với vấn đề câu hỏi đặt ra. Số 1 là “Hoàn toàn không đồng ý”, số 2 là “Không đồng ý”, số 3 là “Trung bình”, số 4 là “Đồng ý”, và số 5 là “Hoàn toàn đồng ý”.

3.2.2.      Thu thập và mô tả dữ liệu

Có tổng cộng 300 bảng hỏi được phát ra thông qua hình thức phát bản giấy tự điền và phỏng vấn trực tiếp các sinh viên đại học tại các trường đại học trên địa bàn Hà Nội, Đà Nẵng và Thành phố Hồ Chí Minh theo phương thức ngẫu nhiên thuận tiện. Các bảng hỏi được sử dụng là các bảng hỏi mà người trả lời đang sử dụng dịch vụ thanh toán bằng Fintech. 251 bảng hỏi này tạo thành dữ liệu được dùng để kiểm định các giả thiết nghiên cứu.

Dữ liệu được xử lý bằng phần mềm SPSS và AMOS thông qua các bước: (1) đánh giá sơ bộ thang đo và độ tin tưởng của biến đo lường bằng hệ số Cronbach Alpha (2) tiếp theo sử dụng kỹ thuật phân tích nhân tố khẳng định CFA (Confirmation Factor Analysis) để kiểm nghiệm chặt chẽ hơn về tính đơn nguyên, độ giá trị (hội tụ, phân biệt) của từng nhân tố (3) tính toán độ mạnh yếu của các nhóm yếu tố động cơ sử dụng.

Dựa trên kết quả thống kê trong Bảng 2, số lượng nam chiếm tỷ lệ 54% và nữ chiếm 46% do vậy có thể xem tỷ lệ nam nữ là khá cân bằng. Độ tuổi tập trung trong khoảng từ 19 đến 23. Tỷ lệ sinh viên có đi làm thêm cao hơn tỷ lệ sinh viên không đi làm thêm và chiếm 54%. Về thu nhập, mức thu nhập 1 đến 3 triệu đồng/tháng chiếm 27% và thu nhập dưới 1 triệu đồng (bao gồm không có thu nhập) chiếm 55%. Về tỷ lệ nhóm ngành học, Công nghệ thông tin, Kinh tế - Tài chính – Kế toán và ngành khác lần lượt là 16%, 22% và 63%.

Bảng 2. Đặc điểm mẫu nghiên cứu

 

Số lượng

Tỷ lệ (%)

Giới tính

Nam

135

54%

Nữ

116

46%

Độ tuổi

19

30

12%

20

64

25%

21

72

29%

22

41

16%

23

31

12%

24

9

4%

Trên 24 tuổi

4

2%

Tình trạng công việc

Sinh viên, không đi làm thêm

116

46%

Sinh viên, có đi làm thêm

135

54%

Thu nhập

Dưới 1 triệu/tháng

139

55%

Từ 1 đến 3 triệu/ tháng

68

27%

Từ 3 đến 6 triệu/ tháng

34

14%

Từ 6 đến 10 triệu/ tháng

8

3%

Trên 10 triệu đồng/tháng

2

1%

Ngành học

Công nghệ thông tin

39

16%

Kinh tế - Tài chính – Kế toán

55

22%

Các ngành khác

157

63%
       

Nguồn: Tác giả tính toán

 

4.      Kết quả phân tích

4.1.            Kiểm tra độ tin cậy, phân tích EFA và điều chỉnh mô hình nghiên cứu

Khi phân tích EFA, thông qua kết quả của ma trận xoay nhân tố, tác giả nhận thấy có 2 nhóm biến có thể kết hợp với nhau. Nhóm thứ nhất bao gồm TC, SC và PC thể hiện sự lo lắng của người sử dụng đối với các vấn đề kỹ thuật của Fintech. Nhóm thứ hai bao gồm PK và PO thể hiện kiến thức và thái độ của người dùng đối với công nghệ mới. Kết quả Cronbach Alpha đối với các nhân tố sau điều chỉnh vẫn nằm trong ngưỡng phù hợp >0.7 (theo George & Mallery (2000)) như được trình bày trong Bảng 3.

Bảng 3. Kết quả chỉ số Cronbach's Alpha sau điều chỉnh

Biến số

OP

PU

PEU

PV

PF

PE

Α

0.718916

0.891471

0.901556

0.897971

0.925152

0.907211

Biến số

SI

TC-SC-PC

IBS

PO-PK

PNM

INT

Α

0.829382

.790

0.875629

.740

0.867577

0.74248

 Nguồn: Tác giả tính toán

PNM

SI

PV

PEU

PU

PE

PF

INT

TC-SC-PC

IBS

PO-PK

OP

H2b+

H2a

H3+

H4+

H5+

H8+

H7.10.13-

H6+

H12-

H11.14+

H9


Do vậy tác giả điều chính mô hình ban đầu theo đó các gải thuyết nghiên cứu 7,10,13 và 11&14 được tập hợp thành 2 giả thuyết nghiên cứu mới như được trình bày trên Hình 3.

Hình 3. Mô hình nghiên cứu sau hiệu chỉnh thông qua EFA

Nguồn: Tác giả xây dựng

4.2.            Phân tích nhân tố khẳng định CFA

Phân tích nhân tố khẳng định CFA được thực hiện cho kết quả thể hiện mức độ phù hợp của mô hình trong ngưỡng tốt như được trình bày trong Bảng 4.

Bảng 4. Chỉ số thể hiện mức độ phù hợp của mô hình nghiên cứu thông qua phân tích CFA

 

Giá trị

Ngưỡng so sánh

CMIN/df

1.775

<3

CFI

0.912

>0.9

GFI

0.777

>0.9

TLI

0.902

>0.9

RMSEA

0.056

<0.7

Nguồn: Tác giả tính toán

4.3.            Đánh giá mô hình SE

4 biến tiềm ẩn (PK, TC, PC, OP) bị loại bỏ trong quá trình phân tích EFA. Vì vậy, chỉ còn lại 10 biến tiềm ẩn cho mô hình SEM. Điều này thể hiện mức độ phù hợp và kết quả chấp nhận được. Kết quả kiểm định các giả thuyết được trình bày trên Bảng 5.

 

Bảng 5. Kết quả kiểm định giả thuyết

Giả thuyết

Biến tác động tới việc tiếp tục sử dụng FinTech

β

Giá trị P

Chiều tác động kỳ vọng

Kiểm định giả thuyết

H1

PU

0.775

0.002

(+)

Ủng hộ

H2a

PEU

-0.333

0.14

(+)

Không ủng hộ

H2b

PEU (gián tiếp qua PU)

0.81

0.000

(+)

Ủng hộ

H3

PV

-0.032

0.288

(-)

Không ủng hộ

H4

SI

0.167

0

(+)

Ủng hộ

H5

PNM

0.147

0

(+)

Ủng hộ

H6

PE

0.125

0

(+)

Ủng hộ

H7.10.13

SC-TC-PC

-0.347

0

(-)

Ủng hộ

H8

PF

-0.008

0.791

(+)

Không ủng hộ

H9

IBS

0.103

0.006

(-)

Không ủng hộ

H11.14

PO-PK

0.731

0

(+)

Ủng hộ

H12

OP

-0.086

0.078

(-)

Không ủng hộ

Nguồn: Tác giả tính toán

 

Qua Bảng 5, ta thấy ngoại trừ biến IBS và PF, hệ số beta cho các biến đều có dấu như kỳ vọng. Biến IBS có dấu của hệ số ngược với kỳ vọng có thể do sự ít khắt khe của đối tượng sinh viên đối với chất lượng dịch vụ. Nói cách khác, đối tượng này có thể trải nghiệm một số trường hợp chưa hài lòng về việc xử lý các vấn đề chưa chuyên nghiệp của các công ty thanh toán bằng FinTech nhưng vẫn chấp nhận và tiếp tục sử dụng dịch vụ do họ không đặt yêu cầu quá cao vào sự phục vụ của công ty hoặc coi việc các công ty FinTech mới chưa có phong cách xử sự chuyên nghiệp là đương nhiên. Biến số này cần được kiểm tra kỹ hơn trong các nghiên cứu trong tương lai với các đối tượng khác.

Với các biến tác động khác, kết quả cho thấy Ảnh hưởng xã hội, nhu cầu tối giản, niềm vui, kiến thức và thái độ cá nhân đối với công nghệ mới có tác động tích cực đến ý định tiếp tục sử dụng dịch vụ. Ngược lại, sự lo lắng liên quan đến các vấn đề kỹ thuật của FinTech tác động tiêu cực đến ý định tiếp tục sử dụng dịch vụ. Nghiên cứu không tìm thấy bằng chứng về tác động của nhận thức về giá trị, nhận thức thông tin và các lựa chọn khác tới ý định tiếp tục sử dụng dịch vụ thanh toán bằng Fintech

Nhận thức dễ sử dụng tác động tích cực tới nhận thức hữu ích. Nhận thức hữu ích tác động tích cực tới ý định tiếp tục sử dụng dịch vụ thanh toán bằng FinTech. Như vậy nhận thức dễ sử dụng tác động tích cực một cách gián tiếp tới ý định tiếp tục sử dụng dịch vụ thanh toán bằng FinTech. Không có bằng chứng về tác động trực tiếp của nhận thức dễ sử dụng tới ý định tiếp tục sử dụng dịch vụ thanh toán Fintech. Kết quả này cũng tương đồng với các nghiên cứu trước đây của Rigopoulos (2007) và Fagan (2008).

Giá trị tuyệt đối của beta cho thấy nhận thức hữu ích và kiến thức, thái độ của sinh viên đối với công nghệ tài chính là nhân tố tác động lớn nhất trong việc tiếp túc sử dụng thanh toán FinTech của sinh viên. Nếu mức độ kiến thức về FinTech càng cao và người sử dụng càng có thái độ cởi mở với công nghệ mới thì ý định sử dụng thanh toán FinTech cũng càng cao. Đồng thời khi sinh viên nhận thấy các dịch vụ thanh toán bằng FinTech càng đem lại nhiều tiện ích cho mình thì càng có xu hướng tiếp tục sử dụng dịch vụ này.

Ảnh hưởng của xã hội trong bài nghiên cứu được đo bằng ảnh hưởng của người thân trong gia đình, bạn bè và cơ quan quan tổ chức nơi cá nhân làm việc. Việc ảnh hưởng xã hội có liên quan tích cực đến ý định sử dụng cũng một phần thể hiện rằng cá nhân sẽ chịu tác động mạnh mẽ hơn từ những lời khuyên và trải nghiệm của người xung quanh, một phần cũng thể hiện cá nhân dễ bị hấp dẫn hơn nếu thấy người người xung quanh mình có sử dụng thanh toán FinTech. Đây cũng phần nào phản ánh được đặc điểm văn hóa, lối sống của sinh viên Việt Nam. Kết quả này cũng khẳng định lại các nghiên cứu trước đây của Wu & Wang (2005) hay Kim và cộng sự (2015). Tương tự như vậy, khi sinh viên nhận thức các dịch vụ FinTech đem lại niềm vui và tương thích với nếp sống tiện lợi, tối giản của họ thì càng có xu hướng tiếp tục với dịch vụ này.

Kết quả hồi quy cho thấy rào cản lớn nhất đối với việc tiếp tục sử dụng dịch vụ thanh toán bằng FinTech hiện nay chính là các mối lo lắng quan tâm về kỹ thuật như vấn đề bảo mật thông tin, vấn đề trục trặc về kỹ thuật với các ứng dụng cũng như sự không tương thích của các thiết bị cá nhân đối với các phần mềm thanh toán FinTech.

5.      Kết luận và đề xuất

Nghiên cứu này đã xác định 7 nhân tố tác động đến ý định sử dụng Fintech của sinh viên Việt Nam, trong đó có hai biến có tác động tích cực mạnh mẽ nhất đó là nhận thức sự hữu ích (PU) và kiến thức thái độ của cá nhân về công nghệ (PK). Trên cơ sở các kết quả, tác giả đưa ra một số đề xuất sau đây. Đối với các công ty thanh toán FinTech, để duy trì ý định sử dụng của sinh viên nên thực hiện các chiến dịch giới thiệu về đặc điểm của dịch vụ thanh toán FinTech, lợi ích của nó và làm thế nào để sử dụng nó nhằm giúp người sử dụng tăng cường hiểu biết về FinTech, làm cho người sử dụng nhận thức được sự tương thích với lối sống tối giản hiện đại, từ đó hình thành thái độ tích cực với các dịch vụ thanh toán Fintech. Các công ty FinTech cần xây dựng những chương trình dành cho gia đình, hội nhóm hoặc đưa ra các đợt ưu đãi, chương trình khuyến mại khi sử dụng theo gia đình hoặc theo hội nhóm do người dùng FinTech bị chi phối rất mạnh bởi ý kiến của những người xung quanh. Để giảm bớt rào cản đối với việc tiếp tục sử dụng FinTech, các công ty FinTech cần thiết kế phần mềm thanh toán dễ thao tác, có mức độ bảo mật cao và tương thích với các thiết bị di động cơ bản, không đòi hỏi cấu hình quá cao.

Đối với các cơ quan quản lý, để mở rộng việc tiếp tục sử dụng FinTech trong sinh viên nói riêng và thanh niên nói chung cần tập trung nâng cao kiến thức về FinTech đồng thời tạo hiệu ứng lan tỏa trong xã hội để mọi người cùng tham gia loại hình dịch vụ này.

Nghiên cứu này là một trong các nghiên cứu đầu tiên xác định nhân tố tác động tới việc sử dụng FinTech trong giới sinh viên, tạo tiền đề cho các nghiên cứu ở quy mô rộng với các đối tượng đa dạng hơn sau này. Hạn chế của nghiên cứu là mẫu nghiên cứu còn tương đối nhỏ so với số lượng biến nghiên cứu và cách lựa chọn mẫu thuận tiện. Các nghiên cứu trong tương lai cần chọn mẫu theo phương thức ngẫu nhiên với số lượng mẫu lớn hơn để kết quả mang tính đại diện hơn. Do đây là một trong những nghiên cứu đầu tiên cho Việt Nam nên còn có thể có những biến đặc thù liên quan đến Việt Nam chưa được xem xét đòi hỏi những nghiên cứu định tính một cách cặn kẽ hơn để xác định tập hợp các biến tiềm năng đặc thù khi nghiên cứu này được mở rộng đối với các đối tượng khác.  

Tài liệu tham khảo

  1. Anagnostopoulos, Ioannis (2018), “Fintech and regtech: Impact on regulators and banks”, Journal of Economics and Business 100(C), 7-25.
  2. Bhattacherjee, A (2001), “Understanding information systems continuance: an expectation-confirmation model”. MIS Quarterly, 25(3), 351-370.
  3. Chuen, D. L. K., & Teo, E. G. S. (2015), “Emergence of FinTech and the LASIC principles”, The Journal of Financial Perspectives, 3(3), 1–26.
  4. Carlin, B., Olafsson, A., & Pagel, M (2017), “FinTech Adoption Across Generations: Financial Fitness in the Information Age”, NBER Working Paper No. 23798, 1-42.
  5. Davis, F. D (1989), “Perceived usefulness, perceived ease of use, and user acceptance of information technology”, MIS Quarterly, 13(3), 319-340.
  6. Davis F. D (1992), “Extrinsic and Intrinsic Motivation to Use Computers in the Workplace1”, Journal of Applied Social Psychology, 22(14), 1111 - 1132.
  7. Deci, E. L (1985), Intrinsic Motivation and Self- Determination in Human Behavior, New York: Plenum.
  8. Fagan, M. H (2008), “Exploring the Intention to Use Computers: An Empirical Investigation of the Role of Intrinsic Motivation, Extrinsic Motivation, and Perceived Ease of Use”, Journal of Computer Information Systems, 8(3), 31-37.
  9. George, D. & Paul Mallery (2000), SPSS for windows step by step: a simple guide and reference. (3rd ed.), Allyn & Bacon.
  10. Gulamhuseinwala, I., Bull, T., & Lewis, S (2015), “FinTech is gaining traction and young, high-income users are the early adopters”, The Journal of Financial Perspectives, 3(3), 1–17.
  11. Gupta, S. & Heng Xu (2010), “Examining the Relative Influence of Risk and Control on Intention to Adopt Risky Technologies”, Journal of Technology Management & Innovation, 5(4), 23-33.
  12. Hà Văn Dương, Hà Phạm Diễm Trang, Nguyễn Hoàng Mỹ Lệ (2018), “FINTECH: Hệ sinh thái ở các nước và vận dụng tại Việt Nam”, Tạp chí Ngân hàng, số 1.
  13. Ha, Young & Myeong Cheol Park (2013), “Antecedents of customer satisfaction and customer loyalty foremerging devices in the initial market of Korea: an equity framework”, Psychology & Marketing, 30(8), 676-689.
  14. Hyun-Sun, R. (2018), What makes users willing or hesitant to use Fintech?: the moderating effect of user type, Industrial, 541-569.
  15. Jay, F (2010), “The Joy of Less: A Minimalist Living Guide: how to Declutter, Organize, and Simplify Your Life”, Anja Press.
  16. Kim, Y., Park, Y., Choi, J., & Yeon, J (2015), “An Empirical Study on the Adoption of FinTech Service: Focused on Mobile Payment Services”, Advanced Science and Technology Letters, 114(26), 136-140.
  17. Lee, Jiyoon & Ryu, Min Ho & Lee, Daeho (2019), “A study on the reciprocal relationship between user perception and retailer perception on platform-based mobile payment service”, Journal of Retailing and Consumer Services, 48(C), 7-15.
  18. Legris, P., Ingham, J., & Collerette, P (2003), “Why do people use information technology? A critical review of the technology acceptance model”, Information & Management Journal, 40(3), 191-204.
  19. Milian, Eduardo & Spinola, Mauro & Carvalho, Marly (2019), “Fintechs: A Literature Review and Research Agenda”, Electronic Commerce Research and Applications, 34. 100833. 10.1016/j.elerap.2019.100833.
  20. Moon, J. W. & Young-Gul Kim (2001), “Extending the TAM for the World-Wide-Web context”, Information and Management, 38, 217-230.
  21. Nguyễn Văn Tâm (2018), “Phát triển công nghệ tài chính tại Việt Nam: Cơ hội và thách thức”, Tạp chí Tài chính, số tháng 8-2018.
  22. Novak, J (2010), Internal influence: Lifestyle and Attitude. Retrieved 5 15, 2018, from http://www.marketingteacher.com/internal-influences-lifestyle-and-attitude/
  23. Pavlou, P. L (2007), “Understanding and Mitigating Uncertainty in Online Exchange Relationships: A Principal-Agent Perspective”, MIS Quarterly, 31, 105-136.
  24. Pikkarainen, T., Pikkarainen, K., Karjaluoto, H. and Pahnila, S (2004), “Consumer acceptance of online banking: an extension of the technology acceptance model”, Internet Research, 14(3), 224-235.
  25. Rigopoulos, G. & (2007), “A TAM Framework to Evaluate Users’ Perception towards Online Electronic Payments”, Journal of Internet Banking and Commerce, 12(3), 2-6.
  26. Schueffel, P (2016), “Taming the Beast: A Scientific Definition of Fintech”, Taming the Beast: A Scientific Definition of Fintech , 32-54.
  27. Stewart, Harrison & Jürjens, Jan (2018), “Data security and consumer trust in FinTech Innovation in Germany”, Information and Computer Security, 26. 00-00. 10.1108/ICS-06-2017-0039.
  28. Venkatesh, V. M (2003), “User Acceptance of Information Technology: Toward a Unified View”, MIS Quarterly, 27(3), 425-478.
  29. Venkatesh, V. T (2012), “Consumer Acceptance and Use of Information Technology: Extending the Unified Theory of Acceptance and Use of Technology”, MIS Quarterly, 36(1), 157-178.
  30. Wu, J. H., & Wang, S. C (2005), “What drives mobile commerce? An empirical evaluation of the revised technology acceptance model”, Information & Management, 42(1), 719-729.

 

 

 

 

 

 

 

 

 

[1] Trường đại học Bách khoa Hà Nội, Email: Địa chỉ email này đang được bảo vệ từ spam bots. Bạn cần bật JavaScript để xem nó., Địa chỉ email này đang được bảo vệ từ spam bots. Bạn cần bật JavaScript để xem nó.