The impact of AI-generated influencer attributes on message acceptance and customer trust in Ho Chi Minh City
PGS. TS. Nguyễn Phan Thu Hằng
Trường Đại học Sài Gòn
Nguyễn Võ Hiếu Bình
Đoàn Thị Bích Ngoan
Nguyễn Ngọc Thanh Thảo
Đặng Nữ Uyên Thùy
Sinh viên Trường Đại học Sài Gòn
(Quanlynhanuoc.vn) – Bài viết phân tích tác động của các thuộc tính của người ảnh hưởng tạo bởi AI đến sự tiếp nhận thông điệp truyền thông và niềm tin khách hàng tại TP. Hồ Chí Minh, dựa trên khảo sát 301 người tiêu dùng và sử dụng phương pháp PLS-SEM. Kết quả cho thấy, giá trị thông tin và độ đáng tin cậy có ảnh hưởng tích cực đến sự tiếp nhận thông điệp và niềm tin, trong đó độ đáng tin cậy là yếu tố tác động mạnh nhất đến niềm tin khách hàng. Sự tiếp nhận thông điệp đóng vai trò trung gian quan trọng trong việc chuyển hóa các đặc điểm nội dung thành niềm tin. Ngược lại, giá trị giải trí và độ giống người của AI chỉ ảnh hưởng đến giai đoạn tiếp nhận mà không tác động đáng kể đến niềm tin khách hàng. Từ đó, bài viết đề xuất các hàm ý nhằm hỗ trợ doanh nghiệp tối ưu hiệu quả truyền thông khi ứng dụng người ảnh hưởng tạo bởi AI.
Từ khóa: Người ảnh hưởng tạo bởi AI; niềm tin khách hàng; tiếp nhận thông điệp; marketing số.
Abstract: This article analyzes the effects of AI-generated influencer attributes on message acceptance and customer trust in Ho Chi Minh City, based on a survey of 301 consumers and employing the Partial Least Squares Structural Equation Modeling (PLS-SEM) approach. The findings indicate that information value and credibility have positive effects on both message acceptance and customer trust, with credibility emerging as the strongest determinant of customer trust. Message acceptance plays a significant mediating role in translating content attributes into customer trust. In contrast, entertainment value and human likeness influence only the message acceptance stage and do not exert a significant effect on customer trust. Based on these findings, this article proposes several managerial implications to assist businesses in optimizing communication effectiveness when employing AI-generated influencers.
Keywords: AI-generated influencers; customer trust; message acceptance; digital marketing.
1. Đặt vấn đề
Trong bối cảnh chuyển đổi số, tiếp thị có ảnh hưởng ngày càng trở thành công cụ quan trọng khi quy mô thị trường toàn cầu dự báo đạt 199,6 tỷ USD vào năm 20321. Sự phát triển của trí tuệ nhân tạo (AI) đã thúc đẩy sự xuất hiện của những người ảnh hưởng tạo bởi AI (AI influencers) – nhân vật ảo có khả năng xây dựng hình ảnh và tương tác trên nền tảng số. Nhờ khả năng kiểm soát nội dung và hình ảnh, người ảnh hưởng tạo bởi AI đang được doanh nghiệp quan tâm và có thể tạo ra giá trị kinh tế đáng kể, với thu nhập hơn 200 triệu đồng/tháng (Brands Vietnam, 2024)2.
Tuy nhiên, do không phải con người thật, người ảnh hưởng tạo bởi AI vẫn làm dấy lên nghi ngại về tính xác thực và độ tin cậy từ phía người tiêu dùng. Trong khi đó, niềm tin và sự tiếp nhận thông điệp là yếu tố then chốt quyết định hiệu quả truyền thông. Tại Việt Nam, đặc biệt ở TP. Hồ Chí Minh, việc ứng dụng người ảnh hưởng tạo bởi AI ngày càng phổ biến nhưng các nghiên cứu còn hạn chế. Bài viết tập trung phân tích tác động của các thuộc tính người ảnh hưởng tạo bởi AI đến sự tiếp nhận thông điệp và niềm tin khách hàng ở TP. Hồ Chí Minh.
2. Cơ sở lý thuyết
2.1. Mô hình khả năng xử lý thông tin
Mô hình khả năng xử lý thông tin (Elaboration Likelihood Model – ELM) do (Petty & Cacioppo, 1986)3 đề xuất nhằm giải thích cơ chế thuyết phục và sự thay đổi thái độ của cá nhân. Theo mô hình, thông điệp được xử lý qua hai lộ trình: con đường trung tâm (dựa trên chất lượng nội dung) và con đường ngoại vi (dựa trên các tín hiệu như đặc điểm nguồn phát). Trong nghiên cứu này, mô hình khả năng xử lý thông tin được vận dụng làm nền tảng lý thuyết để đánh giá tác động của các đặc điểm nội dung (giá trị thông tin, giá trị giải trí) và đặc điểm nguồn phát (sức hấp dẫn, độ giống người, độ tin cậy) của người ảnh hưởng tạo bởi AI đến sự tiếp nhận thông điệp và niềm tin khách hàng. Qua đó, mô hình góp phần lý giải cách thức người tiêu dùng xử lý thông tin và hình thành phản ứng nhận thức trong bối cảnh truyền thông số.
2.2. Mô hình chấp nhận thông tin (IAM)
Mô hình chấp nhận thông tin (IAM) do Sussman & Siegal, (2003)4 đề xuất, kết hợp giữa mô hình khả năng xử lý thông tin (ELM) và các lý thuyết hành vi nhằm giải thích quá trình tiếp nhận và chấp nhận thông tin trong môi trường trực tuyến. Mô hình nhấn mạnh vai trò của chất lượng lập luận và độ tin cậy nguồn trong việc hình thành nhận thức về tính hữu ích của thông tin, từ đó, thúc đẩy sự chấp nhận và nội hóa thông điệp của người dùng. Trong bối cảnh người ảnh hưởng tạo bởi AI, IAM cung cấp cơ sở lý luận để giải thích cách các đặc điểm nội dung (giá trị thông tin, giá trị giải trí) và đặc điểm nguồn phát (sức hấp dẫn, độ giống người, độ tin cậy) tác động đến sự tiếp nhận thông điệp và niềm tin của khách hàng. Việc kế thừa IAM góp phần làm rõ cơ chế đánh giá và chấp nhận thông tin trong môi trường số; đồng thời, củng cố nền tảng lý thuyết cho hệ thống giả thuyết nghiên cứu.
2.3. Thuyết độ tin cậy nguồn
Thuyết độ tin cậy do (Hovland & Weiss, 1951)5 khởi xướng cho rằng, hiệu quả thuyết phục của thông điệp phụ thuộc vào mức độ uy tín của nguồn phát. Kế thừa hướng tiếp cận này, (Ohanian, 1990)6 xác lập ba thành phần cốt lõi cấu thành độ tin cậy nguồn gồm: chuyên môn, độ đáng tin và sức hấp dẫn. Các yếu tố này kết hợp hình thành nhận thức tổng thể về nguồn truyền thông, từ đó, ảnh hưởng trực tiếp đến mức độ chấp nhận thông điệp của người tiêu dùng. Trong bối cảnh người ảnh hưởng tạo bởi AI, thuyết này cung cấp nền tảng để lý giải cách các đặc điểm nguồn phát (sức hấp dẫn, độ giống người, độ tin cậy…) tác động đến sự tiếp nhận thông điệp và niềm tin khách hàng. Việc vận dụng thuyết độ tin cậy nguồn góp phần làm rõ cơ chế giảm thiểu hoài nghi của người dùng khi tương tác với thực thể ảo, qua đó, củng cố cơ sở lý thuyết cho hệ thống giả thuyết nghiên cứu.
2.4. Mô hình kích thích – chủ thể – phản ứng
Mô hình kích thích – chủ thể – phản ứng do (Mehrabian & Russell, 1974)7 đề xuất, giải thích cơ chế hành vi thông qua ba giai đoạn: kích thích môi trường, trạng thái tâm lý nội tại và phản ứng. Mô hình cho rằng, các yếu tố bên ngoài không tác động trực tiếp đến phản ứng của cá nhân mà thông qua quá trình trung gian là các phản ứng nhận thức và cảm xúc. Trong nghiên cứu này, mô hình được vận dụng để lý giải cách các đặc điểm nội dung và nguồn phát của người ảnh hưởng tạo bởi AI tác động đến trạng thái nhận thức của người tiêu dùng, thể hiện qua sự tiếp nhận thông điệp và niềm tin khách hàng, từ đó, hình thành phản ứng tương ứng. Việc kế thừa mô hình S-O-R góp phần làm rõ cơ chế chuyển hóa từ kích thích truyền thông sang phản ứng tâm lý của người tiêu dùng trong bối cảnh truyền thông số.
2.5. Các nghiên cứu liên quan
Thông qua quá trình lược khảo các nghiên cứu, có thể thấy, các nghiên cứu trước đây về người ảnh hưởng trên mạng xã hội và người ảnh hưởng tạo bởi AI chủ yếu tập trung vào hành vi người tiêu dùng, đặc biệt là ý định mua hàng và mức độ tương tác. Nhiều nghiên cứu quốc tế đã chỉ ra vai trò của các thuộc tính, như: giá trị thông tin, giải trí, độ tin cậy, sự hấp dẫn và mức độ giống người trong việc tác động đến nhận thức và hành vi. Cụ thể, Liu & Zheng, (2024)8 nhấn mạnh vai trò trung gian của mối quan hệ xã hội một chiều; trong khi Jayasingh và cộng sự, (2025)9 khẳng định vai trò của độ đáng tin cậy, giá trị thông tin và độ giống người đối với tương tác và ý định mua.
Tại Việt Nam, nhiều bài nghiên cứu liên quan trong đó có (Nguyễn Ngọc Minh Châu, 2023)10 cũng ghi nhận vai trò của người ảnh hưởng tạo bởi AI trong việc tác động đến niềm tin, tương tác và hành vi tiêu dùng. Tuy nhiên, các nghiên cứu hiện nay chủ yếu tập trung vào mối quan hệ trực tiếp, trong khi chưa làm rõ vai trò của các biến trung gian về nhận thức, như: sự tiếp nhận thông điệp truyền thông và niềm tin khách hàng. Đồng thời, trong bối cảnh TP. Hồ Chí Minh, các nghiên cứu về chủ đề này vẫn còn hạn chế, chưa phản ánh đầy đủ cơ chế tác động của người ảnh hưởng tạo bởi AI.
2.6. Giả thuyết và mô hình nghiên cứu đề xuất
Giá trị thông tin được hiểu là mức độ mà nội dung truyền thông được người tiêu dùng cảm nhận là hữu ích và đáp ứng nhu cầu thông tin của họ (Ducoffe, 1996)11. Theo thuyết sử dụng và thỏa mãn, người dùng có xu hướng lựa chọn các nội dung giúp thỏa mãn nhu cầu thông tin và tri thức. Đồng thời, mô hình ELM cho rằng, khi thông tin được đánh giá là hữu ích và liên quan, người tiêu dùng sẽ xử lý theo con đường trung tâm, từ đó, gia tăng mức độ tiếp nhận thông điệp. Các nghiên cứu trước đây cũng cho thấy, nội dung có giá trị thông tin cao giúp tăng sự gắn kết, củng cố niềm tin và thúc đẩy phản ứng tích cực của người tiêu dùng (Jayasingh và cộng sự, 2025)12. Ngoài ra, theo mô hình IAM, thông tin hữu ích và chất lượng cao sẽ làm tăng khả năng chấp nhận thông tin và hình thành niềm tin (Sussman & Siegal, 2003)13. Từ đó, tác giả đề xuất các giả thuyết nghiên cứu:
H1a: Giá trị thông tin có tác động tích cực đến sự tiếp nhận thông điệp truyền thông.
H1b: Giá trị thông tin có tác động tích cực đến niềm tin khách hàng.
Giá trị giải trí phản ánh mức độ mà nội dung truyền thông mang lại sự thích thú, thư giãn và cảm xúc tích cực cho người tiếp nhận (Ducoffe, 1996)14. Theo mô hình S-O-R (Mehrabian & Russell, 1974)15, các yếu tố nội dung đóng vai trò như kích thích ảnh hưởng đến trạng thái cảm xúc và nhận thức của người tiêu dùng, từ đó, dẫn đến phản ứng như chú ý và tiếp nhận thông tin. Các nghiên cứu trước đây cho thấy, nội dung mang tính giải trí cao có thể gia tăng sự chú ý, mức độ tham gia và tiếp nhận thông điệp của người dùng (Jayasingh và cộng sự, 2025)16. Đồng thời, trải nghiệm tích cực từ nội dung cũng có thể tác động đến cảm xúc và nhận thức, qua đó, góp phần hình thành niềm tin đối với người ảnh hưởng và thông tin được truyền tải (Liu & Zheng, 2024)17. Do đó, giá trị giải trí đóng vai trò quan trọng trong việc làm cho nội dung trở nên hấp dẫn và dễ tiếp cận hơn đối với người tiêu dùng. Từ đó, tác giả đề xuất các giả thuyết nghiên cứu:
H2a: Giá trị giải trí có tác động tích cực đến sự tiếp nhận thông điệp truyền thông.
H2b: Giá trị giải trí có tác động tích cực đến niềm tin khách hàng.
Sức hấp dẫn của nguồn phát là yếu tố quan trọng ảnh hưởng đến hiệu quả thuyết phục và thái độ của người tiếp nhận (McGuire, 1985)18. Theo mô hình ELM, sức hấp dẫn đóng vai trò như một tín hiệu ngoại vi, có thể tác động đến nhận thức và quá trình tiếp nhận thông điệp, đặc biệt khi người tiêu dùng không xử lý thông tin một cách sâu sắc (Petty & Cacioppo, 1986)19. Nghiên cứu trước đây cũng cho thấy, yếu tố hấp dẫn về mặt hình ảnh và cách thể hiện của người ảnh hưởng có thể tạo cảm xúc tích cực, gia tăng sự chú ý và mức độ tiếp nhận nội dung (Jayasingh và cộng sự, 2025)20. Bên cạnh đó, sức hấp dẫn còn góp phần nâng cao nhận thức tích cực và mức độ tin cậy đối với nguồn thông tin (Zeng & Lin, 2025)21. Do đó, sức hấp dẫn đóng vai trò quan trọng trong việc thu hút sự chú ý và ảnh hưởng đến nhận thức của người tiêu dùng. Từ đó, tác giả đề xuất các giả thuyết nghiên cứu:
H3a: Sức hấp dẫn có tác động tích cực đến sự tiếp nhận thông điệp truyền thông.
H3b: Sức hấp dẫn có tác động tích cực đến niềm tin khách hàng.
Độ giống người có nền tảng trong lý thuyết nhân hóa, theo đó con người có xu hướng gán các đặc điểm tâm lý và cảm xúc của mình cho các thực thể không phải con người (Epley và cộng sự, 2007)22. Các nghiên cứu trước đây cho thấy, mức độ giống người, cả về hình ảnh và nhận thức, có thể gia tăng cảm nhận về sự hiện diện xã hội, từ đó, thúc đẩy sự chú ý và tiếp nhận nội dung (Jayasingh và cộng sự, 2025)23. Bên cạnh đó, theo thuyết độ tin cậy nguồn, đặc điểm của nguồn phát ảnh hưởng đến cách người tiêu dùng đánh giá thông tin, trong đó mức độ giống người có thể góp phần nâng cao nhận thức về độ tin cậy (Hovland & Weiss, 1951)24, (Nowak và cộng sự, 2009)25. Do đó, độ giống người đóng vai trò trong việc thu hút sự chú ý và ảnh hưởng đến nhận thức của người tiêu dùng. Từ đó, tác giả đề xuất các giả thuyết nghiên cứu:
H4a: Độ giống người có tác động tích cực đến sự tiếp nhận thông điệp truyền thông.
H4b: Độ giống người có tác động tích cực đến niềm tin khách hàng.
Độ đáng tin cậy là yếu tố trung tâm trong thuyết độ tin cậy nguồn, phản ánh mức độ mà người tiếp nhận tin rằng, nguồn thông tin hành động chân thành, khách quan và không mang động cơ thao túng (Ohanian, 1990)26. Theo (Hovland & Weiss, 1951)27, độ tin cậy của nguồn truyền thông có ảnh hưởng trực tiếp đến hiệu quả thuyết phục và cách người tiêu dùng tiếp nhận thông tin. Các nghiên cứu trước đây cũng cho thấy, khi người ảnh hưởng được đánh giá có độ tin cậy cao, họ có thể gia tăng phản ứng nhận thức tích cực và mức độ tiếp nhận nội dung (Jayasingh và cộng sự, 2025)28. Đồng thời, trong môi trường trực tuyến, nhận thức về độ đáng tin cậy và năng lực của nhân vật kỹ thuật số góp phần hình thành niềm tin mạnh mẽ hơn từ phía người dùng (Nowak và cộng sự, 2009)29. Do đó, độ đáng tin cậy đóng vai trò quan trọng trong việc ảnh hưởng đến sự tiếp nhận thông điệp và củng cố niềm tin của khách hàng. Từ đó, tác giả đề xuất các giả thuyết nghiên cứu:
H5a: Độ đáng tin cậy có tác động tích cực đến sự tiếp nhận thông điệp truyền thông.
H5b: Độ đáng tin cậy có tác động tích cực đến niềm tin khách hàng.
Sự tiếp nhận thông điệp truyền thông được hiểu là mức độ mà người tiếp nhận chú ý, hiểu, ghi nhớ và chấp nhận nội dung được truyền tải, từ đó hình thành nhận thức, thái độ và khuynh hướng hành vi liên quan đến đối tượng truyền thông (Rice & Atkin, 2013)30. Đồng thời, niềm tin khách hàng được hiểu là mức độ mà người tiêu dùng sẵn sàng dựa vào một doanh nghiệp, thương hiệu hoặc hệ thống công nghệ khi đưa ra quyết định trong điều kiện tồn tại sự không chắc chắn và rủi ro cảm nhận (Komiak & Benbasat, 2006)31. Theo mô hình khả năng xử lý thông tin, người tiêu dùng có thể xử lý thông tin thông qua hai con đường: con đường trung tâm và con đường ngoại vi. Khi người tiêu dùng chú ý và tiếp nhận thông điệp một cách tích cực, họ có xu hướng đánh giá thông tin theo hướng thuận lợi hơn, từ đó, củng cố niềm tin đối với thông điệp cũng như thương hiệu liên quan (Petty & Cacioppo, 1986)32. Từ đó cho thấy, vai trò sự tiếp nhận thông điệp truyền thông có tác động tích cực đến niềm tin khách hà
H6: Sự tiếp nhận thông điệp truyền thông có tác động tích cực đến niềm tin khách hàng.
Hình 1. Mô hình nghiên cứu đề xuất
Nguồn: Tác giả đề xuất, năm 2026.
3. Phương pháp nghiên cứu
Nghiên cứu được tiến hành qua hai giai đoạn. Giai đoạn thứ nhất là nghiên cứu sơ bộ bằng phương pháp định tính nhằm điều chỉnh và hoàn thiện thang đo. Sau khi thu thập dữ liệu thứ cấp từ các nghiên cứu trước để xây dựng giả thuyết, biến quan sát và mô hình nghiên cứu, tác giả tiến hành phỏng vấn với 6 chuyên gia là những người có kinh nghiệm, am hiểu về kinh tế hoặc marketing số và có hiểu biết về người ảnh hưởng tạo bởi AI nhằm điều chỉnh và bổ sung các biến quan sát nếu cần thiết trước khi tiến hành nghiên cứu chính thức. Giai đoạn nghiên cứu chính thức, nghiên cứu thực hiện bằng phương pháp định lượng thông qua khảo sát nhằm kiểm định mô hình và các giả thuyết nghiên cứu đã đề xuất. Theo Bentler & Chou (1987)33, kích thước mẫu được xác định theo tỷ lệ 5:1 giữa số quan sát và biến đo lường. Bên cạnh đó, theo (Hair và cộng sự, 2014)34, các nghiên cứu sử dụng mô hình SEM nên có cỡ mẫu từ 200 – 300 để bảo đảm độ tin cậy, do đó, nghiên cứu lựa chọn phương pháp lấy mẫu thuận tiện với cỡ mẫu khoảng 301. Đối tượng khảo sát là những người tiêu dùng tại TP. Hồ Chí Minh, đã từng xem người ảnh hưởng tạo bởi AI để quyết định mua hàng. Dữ liệu được thu thập thông qua Google Form từ tháng 01/2026 – 02/2026. Tác giả phân tích dữ liệu bằng Smart PLS, gồm đánh giá mô hình đo lường và mô hình cấu trúc.
4. Kết quả nghiên cứu
4.1. Mô tả mẫu khảo sát
Mẫu khảo sát gồm 301 đáp viên, chủ yếu là nữ (63,12%) và tập trung ở độ tuổi 18 – 24 (92,03%), từ đó, cũng lý giải phần lớn đáp viên là đối tượng học sinh/sinh viên (84,72%). Đa số có trình độ cao đẳng/đại học, thường xuyên tiếp xúc với công nghệ và mạng xã hội nên có khả năng nhận biết và tiếp cận tốt các xu hướng mới, đặc biệt là xu hướng về người ảnh hưởng tạo bởi AI. Nhóm này cũng có tần suất sử dụng mạng xã hội cao, chủ yếu trên hai nền tảng là Instagram và Facebook, với mức thu nhập phần lớn dưới 5 triệu đồng. Kết quả nghiên cứu phản ánh rõ xu hướng của nhóm Gen Z, tuy nhiên, cũng hạn chế khả năng khái quát cho các nhóm dân số khác.
4.2. Kiểm định mô hình đo lường
Ở bước kiểm định mô hình đo lường, kết quả sẽ lần lượt thể hiện: đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha (Cα) và độ tin cậy tổng hợp (CR), đánh giá tính hội tụ của thang đo thông qua hệ số phương sai trích trung bình (AVE) và hệ số tải ngoài (Outer Loadings), đánh giá tính phân biệt của thang đo thông qua hệ số HTMT.
Bảng 1. Thang đo các khái niệm và kết quả kiểm định độ tin cậy
| Nội dung thang đo | Outer Loadings | Cα | CR | AVE | |
| Min | Max | ||||
| Giá trị thông tin (INF) | 0,902 | 0,942 | 0,912 | 0,945 | 0,851 |
| Giá trị giải trí (ENT) | 0,649 | 0,884 | 0,739 | 0,851 | 0,660 |
| Sự hấp dẫn (ATT) | 0,715 | 0,825 | 0,801 | 0,871 | 0,629 |
| Độ giống người (HL) | 0,893 | 0,922 | 0,928 | 0,949 | 0,823 |
| Độ đáng tin cậy (CRE) | 0,885 | 0,918 | 0,926 | 0,948 | 0,819 |
| Sự tiếp nhận thông điệp truyền thông (MR) | 0,815 | 0,874 | 0,922 | 0,939 | 0,719 |
| Niềm tin khách hàng (CT) | 0,817 | 0,903 | 0,940 | 0,952 | 0,769 |
Ghi chú: Outer Loadings (hệ số tải ngoài), Cα (Cronbach’s Alpha), CR (độ tin cậy tổng hợp), AVE (phương sai trích trung bình).
Theo kết quả Bảng 1, hầu hết các biến quan sát đều có hệ số tải ngoài trên 0,7 ngoại trừ biến ENT3 là 0,649 < 0,7, vì vậy, loại bỏ biến này. Sau khi loại bỏ biến quan sát không đạt yêu cầu, mô hình được ước lượng lại nhằm tiếp tục kiểm định các chỉ số đánh giá. Kết quả cho thấy, các thang đo đều đạt độ tin cậy và giá trị hội tụ khi Cronbach’s Alpha (0,801 – 0,940) và CR (0,871 – 0,952) đều lớn hơn 0,7; đồng thời, AVE đều vượt ngưỡng 0,5. Mặc dù CR của CT vượt 0,95, hàm ý khả năng trùng lặp nội dung, nhưng vẫn nằm trong mức chấp nhận nên thang đo này được giữ lại. Giá trị HTMT dưới 0,85 cho thấy, mức phân biệt tốt, trong khi ngưỡng 0,90 vẫn có thể chấp nhận trong các nghiên cứu xã hội học (Hair và cộng sự, 2021)35. Sau khi tiến hành chạy số liệu, kết quả kiểm định HTMT nằm trong khoảng từ 0,337 – 0,830 đều nhỏ hơn 0,85, cho thấy các cặp biến đều có giá trị nhỏ hơn ngưỡng 0,85, chứng tỏ các thang đo đều bảo đảm tính phân biệt.
4.3. Kiểm định mô hình cấu trúc
Kết quả phân tích đa cộng tuyến cho thấy, phần lớn các giá trị VIF đều nhỏ hơn 3, tuy nhiên, vẫn tồn tại mối quan hệ sự tiếp nhận thông điệp truyền thông → niềm tin khách hàng có VIF = 3,124, nằm trong khoảng 3 – 5 cho thấy, dấu hiệu cộng tuyến. Để xử lý, tác giả phân tích ma trận tương quan và xác định sự tiếp nhận thông điệp truyền thông có tương quan cao với độ đáng tin cậy, sau đó kiểm tra cross-loading và quyết định loại bỏ biến MR1 do không bảo đảm giá trị phân biệt. Sau khi điều chỉnh và chạy lại mô hình, các giá trị VIF dao động từ 1,271 – 2,931 đều nhỏ hơn 3 cho thấy, mô hình không còn vi phạm hiện tượng đa cộng tuyến. Để kiểm định giả thuyết nghiên cứu và xác định chiều tác động của các yếu tố trong mô hình nghiên cứu, sử dụng kỹ thuật ước lượng bootstrapping. Giá trị P-values < 0,05 là quan hệ có ý nghĩa thống kê, hệ số đường dẫn Original sample mang dấu dương là tác động tích cực, mang dấu âm là tác động tiêu cực.
Bảng 2. Hệ số đường dẫn, giá trị P-values và kết quả kiểm định giả thuyết
| Giả thuyết | Mối quan hệ | Original sample | P-values | Kiểm định giả thuyết |
| H1a | Giá trị thông tin → sự tiếp nhận thông điệp truyền thông | 0,258 | 0,000 | Chấp nhận |
| H1b | Giá trị thông tin → niềm tin khách hàng | 0,261 | 0,000 | Chấp nhận |
| H2a | Giá trị giải trí → sự tiếp nhận thông điệp truyền thông | 0,126 | 0,006 | Chấp nhận |
| H2b | Giá trị giải trí → niềm tin khách hàng | 0,061 | 0,205 | Bác bỏ |
| H3a | Sức hấp dẫn → sự tiếp nhận thông điệp truyền thông | 0,107 | 0,032 | Chấp nhận |
| H3b | Sức hấp dẫn → niềm tin khách hàng | 0,165 | 0,001 | Chấp nhận |
| H4a | Độ giống người → sự tiếp nhận thông điệp truyền thông | 0,197 | 0,001 | Chấp nhận |
| H4b | Độ giống người → niềm tin khách hàng | 0,023 | 0,686 | Bác bỏ |
| H5a | Độ đáng tin cậy → sự tiếp nhận thông điệp truyền thông | 0,313 | 0,000 | Chấp nhận |
| H5b | Độ đáng tin cậy → niềm tin khách hàng | 0,459 | 0,000 | Chấp nhận |
| H6 | Sự tiếp nhận thông điệp truyền thông → niềm tin khách hàng | 0,304 | 0,000 | Chấp nhận |
Kết quả kiểm định cho thấy, phần lớn các giả thuyết đều có ý nghĩa thống kê (P-value < 0,05) và được chấp nhận, ngoại trừ H2b và H4b bị bác bỏ. Các yếu tố giá trị thông tin, giá trị giải trí, sức hấp dẫn, độ giống người và độ đáng tin cậy đều có tác động đến sự tiếp nhận thông điệp truyền thông, trong khi niềm tin khách hàng chủ yếu chịu ảnh hưởng từ giá trị thông tin, sức hấp dẫn, độ đáng tin cậy và sự tiếp nhận thông điệp. Trong đó, độ đáng tin cậy có tác động mạnh nhất đến niềm tin khách hàng (β = 0,459), tiếp theo là sự tiếp nhận thông điệp truyền thông (β = 0,304) và giá trị thông tin (β = 0,261). Các yếu tố còn lại có mức ảnh hưởng thấp hơn, trong đó sức hấp dẫn (β = 0,165) và giá trị giải trí đến sự tiếp nhận thông điệp (β = 0,126) là tương đối yếu. Đáng chú ý, giá trị giải trí và độ giống người không có ảnh hưởng đến niềm tin khách hàng cho thấy, các yếu tố này chủ yếu tác động đến giai đoạn tiếp nhận thông tin hơn là hình thành niềm tin. Hệ số R² cho thấy, mô hình có khả năng giải thích khá tốt, với niềm tin khách hàng đạt mức cao nhất (R² = 0,703), tiếp theo là sự tiếp nhận thông điệp truyền thông (R² = 0,659). Các giá trị R² hiệu chỉnh không chênh lệch đáng kể so với R², cho thấy, mô hình có độ phù hợp và ổn định.
Về kích thước ảnh hưởng f², phần lớn các biến có mức tác động nhỏ đến trung bình. Cụ thể, độ đáng tin cậy có ảnh hưởng mạnh nhất đến Niềm tin khách hàng (f² = 0,157), tiếp theo là sự tiếp nhận thông điệp truyền thông đến niềm tin khách hàng (f² = 0,106) và độ đáng tin cậy đến sự tiếp nhận thông điệp truyền thông (f² = 0,112). Các tác động còn lại chủ yếu ở mức nhỏ, trong đó giá trị giải trí tác động đến niềm tin khách hàng (f² = 0,001) và độ giống người tác động đến niềm tin khách hàng (f² = 0,002) là yếu nhất, mức tác động rất nhỏ hoặc gần như không đáng kể. Nhìn chung, hầu hết các biến độc lập có mức ảnh hưởng thấp đến trung bình trong mô hình.
4.4. Thảo luận kết quả nghiên cứu
Kết quả nghiên cứu cho thấy, các thuộc tính của người ảnh hưởng tạo bởi AI có tác động đến sự tiếp nhận thông điệp truyền thông và niềm tin khách hàng, trong đó sự tiếp nhận thông điệp đóng vai trò trung gian quan trọng. Cụ thể, giá trị thông tin và độ đáng tin cậy ảnh hưởng tích cực đến cả hai biến này, phù hợp với mô hình ELM, IAM và thuyết độ tin cậy nguồn cho thấy, người tiêu dùng ưu tiên nội dung hữu ích và nguồn đáng tin cậy khi hình thành niềm tin. Ngược lại, giá trị giải trí và độ giống người chỉ tác động đến sự tiếp nhận thông điệp mà không ảnh hưởng đến niềm tin, phù hợp với mô hình S-O-R, hàm ý các yếu tố này chủ yếu tạo sự thu hút ban đầu. Sức hấp dẫn có tác động tích cực nhưng ở mức yếu, đóng vai trò như tín hiệu ngoại vi. Ngoài ra, sự tiếp nhận thông điệp có ảnh hưởng tích cực đến niềm tin, cho thấy khi khách hàng hiểu và chấp nhận thông tin, họ có xu hướng tin tưởng hơn. Tổng thể, niềm tin khách hàng chịu ảnh hưởng chủ yếu từ các yếu tố lý trí, trong khi các yếu tố cảm xúc chủ yếu tác động đến giai đoạn tiếp nhận thông tin.
5. Kết luận và hàm ý quản trị
Thứ nhất, doanh nghiệp cần tập trung tối ưu các yếu tố nhằm nâng cao sự tiếp nhận thông điệp truyền thông của khách hàng, trong đó đặc biệt ưu tiên độ đáng tin cậy và giá trị thông tin do có mức tác động mạnh hơn so với các yếu tố khác. Nội dung từ người ảnh hưởng tạo bởi AI cần bảo đảm cung cấp thông tin hữu ích, kịp thời, hỗ trợ khách hàng trong việc hiểu, so sánh và đánh giá sản phẩm; đồng thời, thể hiện tính nhất quán, chuyên môn và minh bạch để gia tăng khả năng tiếp nhận. Bên cạnh đó, các yếu tố, như: giá trị giải trí, sức hấp dẫn và độ giống người vẫn cần được khai thác ở mức độ phù hợp nhằm tạo sự thu hút và giúp nội dung dễ tiếp cận hơn, tuy nhiên, chỉ nên đóng vai trò hỗ trợ, tránh làm lu mờ giá trị thông tin cốt lõi. Đồng thời, nội dung cần được trình bày rõ ràng, dễ hiểu, có tính liên kết và phù hợp với nhu cầu người xem để nâng cao khả năng đồng thuận và tiếp nhận thông điệp.
Thứ hai, để củng cố niềm tin của khách hàng, doanh nghiệp cần tập trung vào các yếu tố có tác động trực tiếp và mạnh mẽ, bao gồm: độ đáng tin cậy, sự tiếp nhận thông điệp và giá trị thông tin. Trong đó, độ đáng tin cậy là yếu tố quan trọng nhất, do đó, nội dung của người ảnh hưởng tạo bởi AI cần thể hiện rõ tính trung thực, khách quan, chuyên môn và minh bạch, tránh gây hiểu lầm. Đồng thời, việc nâng cao khả năng tiếp nhận thông điệp cũng góp phần gián tiếp củng cố niềm tin, thông qua việc giúp khách hàng hiểu, đồng thuận và cảm thấy nội dung phù hợp với nhu cầu. Ngược lại, các yếu tố, như: giá trị giải trí và độ giống người không có ảnh hưởng đáng kể đến niềm tin, do đó, không nên được xem là trọng tâm trong chiến lược xây dựng niềm tin. Việc định hướng nội dung theo hướng nhất quán, đáng tin và có giá trị thông tin sẽ giúp người ảnh hưởng tạo bởi AI trở thành nguồn tham khảo đáng tin cậy, từ đó, nâng cao hiệu quả truyền thông trong thực tiễn.
Bên cạnh những kết quả đạt được, nghiên cứu vẫn còn một số hạn chế nhất định. Nghiên cứu chỉ thực hiện tại TP. Hồ Chí Minh và kết quả khảo sát tập trung chủ yếu vào nhóm Gen Z nên khả năng khái quát hóa còn hạn chế. Phương pháp chọn mẫu thuận tiện cũng có thể ảnh hưởng đến tính đại diện của dữ liệu. Bên cạnh đó, thiết kế nghiên cứu cắt ngang chưa phản ánh được sự thay đổi hành vi theo thời gian và dữ liệu tự báo cáo có thể gây sai lệch do yếu tố chủ quan. Ngoài ra, một số biến quan sát có sự tương đồng về ý nghĩa và nghiên cứu chưa xem xét các yếu tố sau mua như sự hài lòng hay lòng trung thành. Vì vậy, các nghiên cứu tiếp theo nên mở rộng phạm vi, cải thiện phương pháp chọn mẫu và bổ sung các biến liên quan để tăng tính toàn diện.
Chú thích:
1. Thị trường influencer marketing có thể đạt 199,6 tỷ USD vào năm 2032. https://diendandoanhnghiep.vn/thi-truong-influencer-marketing-co-the-dat-199-6-ty-usd-vao-nam-2032-10129190.html
2. Brands Vietnam (2024). AI influencer kiếm hơn 200 triệu/tháng. https://www.brandsvietnam.com/congdong/topic/339210-ai-influencer-kiem-hon-200-trieu-thang
3, 19, 32. Petty, R. E., & Cacioppo, J. T. (1986). Communication and persuasion. Springer. https://doi.org/10.1007/978-1-4612-4964-1
4, 13. Sussman, S. W., & Siegal, W. S. (2003). Informational Influence in Organizations: An Integrated Approach to Knowledge Adoption. Information Systems Research, 14(1), 47-65. https://doi.org/10.1287/isre.14.1.47.14767
5, 24, 27. Hovland, C. I., & Weiss, W. (1951). The influence of source credibility on communication effectiveness. Public Opinion Quarterly, 15(4), 635. https://doi.org/10.1086/266350
6, 26. Ohanian, R. (1990). Construction and validation of a scale to measure celebrity endorsers’ perceived expertise, trustworthiness, and attractiveness. Journal of Advertising, 19(3), 39-52. https://doi.org/10.1080/00913367.1990.10673191
7, 15. Mehrabian, A., & Russell, J. A. (1974). An approach to environmental psychology. The MIT Press.
8, 17. Liu, X., & Zheng, X. (2024). The persuasive power of social media influencers in brand credibility and purchase intention. Humanities and Social Sciences Communications, 11(1). https://doi.org/10.1057/s41599-023-02512-1
9, 12, 16, 20, 23, 28. Jayasingh, S., Sivakumar, A., & Vanathaiyan, A. A. (2025). Artificial intelligence influencers’ credibility effect on consumer engagement and purchase intention. Journal of Theoretical and Applied Electronic Commerce Research, 20(1), 17. https://doi.org/10.3390/jtaer20010017
10. Nguyễn Ngọc Minh Châu (2023). Tác động của hiện thực hình dáng, hiện thực hành vi, sự lây lan cảm xúc, sự quan tâm đồng cảm của người ảnh hưởng ảo đến sự hấp thụ nhận thức và niềm tin của người tiêu dùng: vai trò điều tiết của mối đe dọa nhận dạng con người. Luận văn thạc sĩ, Trường Đại học Kinh tế TP. Hồ Chí Minh.
11, 14. Ducoffe, R. H. (1996). Advertising value and advertising on the Web. Journal of Advertising Research, 36(5), 21-35.
18. McGuire, W. J. (1985). Attitudes and attitude change. In G. Lindzey & E. Aronson (Eds.). Handbook of social psychology (3rd ed., Vol. 2, pp. 233–346). Random House.
21. Zeng, H., & Lin, C. A. (2025). Consumer Evaluation of Virtual vs. Human Influencers via Source Credibility, Perceived Social Similarity, and Consumption Motivation. Journal of Theoretical and Applied Electronic Commerce Research, 20(3), 168. https://doi.org/10.3390/jtaer20030168
22. Epley, N., Waytz, A., & Cacioppo, J. T. (2007). On seeing human: A three-factor theory of anthropomorphism. Psychological Review, 114(4), 864-886. https://doi.org/10.1037/0033-295x.114.4.864
25, 29. Nowak, K. L., Hamilton, M. A., & Hammond, C. C. (2009). The effect of image features on judgments of homophily, credibility, and intention to use as avatars in future interactions. Media Psychology, 12(1), 50-76. https://doi.org/10.1080/15213260802669433
30. Rice, R. E., & Atkin, C. K. (2013). Public communication campaigns. https://doi.org/10.4135/9781544308449.
31. Komiak, S. Y. X., & Benbasat, I. (2006). The effects of personalization and familiarity on trust and adoption of recommendation agents1. MIS Quarterly, 30(4), 941-960. https://doi.org/10.2307/25148760
33. Bentler, P. M., & Chou, C. (1987). Practical issues in structural modeling. Sociological Methods & Research, 16(1), 78-117. https://doi.org/10.1177/0049124187016001004
34. Hair, Jr., J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2014). Multivariate Data Analysis (7th ed.). Pearson New International Edition.
35. Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2021). A primer on partial least squares structural equation modeling (PLS-SEM) (3rd ed.). SAGE.
