Các nhân tố ảnh hưởng đến sự hài lòng của khách hàng ở thành phố Huế về chatbot ngân hàng
Xuất bản: tháng 8 26, 2026
doi:10.62831/nckh.2026.3572.v1
Tóm tắt
Nghiên cứu này được thực hiện nhằm xác định và đo lường các nhân tố ảnh hưởng đến sự hài lòng của khách hàng cá nhân tại TP. Huế khi sử dụng chatbot ngân hàng. Dữ liệu nghiên cứu được thu thập từ cuộc khảo sát 230 khách hàng từ tháng 3 đến tháng 6 năm 2026. Kết quả phân tích Cronbach’s Alpha, EFA và hồi quy đa biến chỉ ra, có 6 nhân tố tác động có ý nghĩa thống kê đến sự hài lòng của khách hàng, gồm: Chất lượng thông tin, Chất lượng dịch vụ, Chất lượng hệ thống, Trí tuệ cảm xúc nhân tạo cảm nhận, Sự hữu ích cảm nhận và Cảm nhận rủi ro bảo mật. Trong đó, cảm nhận rủi ro bảo mật có tác động tiêu cực, các nhân tố còn lại tác động tích cực. Dựa trên kết quả thực nghiệm, nghiên cứu đề xuất một số giải pháp hàm ý quản trị nhằm giúp các ngân hàng thương mại cải thiện chất lượng chatbot và tối ưu hóa trải nghiệm người dùng.
Từ khóa
khách hàng cá nhânchatbot ngân hàngsự hài lòngthành phố Huế
Tài liệu tham khảo
1.
BIDV (2024). Báo cáo phát triển bền vững BIDV 2024. BIDV.
2.
TPBank. (2025). Chạm tương lai ngành tài chính cùng ngân hàng trí tuệ TPBank. TPBank.
3.
Quỳnh Hương & Hữu Bình, (2022). Chatbot trong lĩnh vực ngân hàng - Thực trạng và xu hướng ứng dụng tại Việt Nam. Tạp chí Khoa học và Đào tạo Ngân hàng, (236+237), 67-75.
4.
Ủy ban Nhân dân tỉnh Thừa Thiên Huế. (2022). Ra mắt Ví điện tử Hue-S - giải pháp thanh toán tiện lợi thúc đẩy phát triển kinh tế số tỉnh Thừa Thiên Huế. Cổng thông tin điện tử tỉnh Thừa Thiên Huế.
5.
Al-Oraini, 2024. Chatbot dynamics: Trust, social presence and customer satisfaction in AI-driven services. Journal of Information and Digital Technologies, 2(2), 109-122.
6.
Anderson & Gerbing, 1988. Structural equation modeling in practice: A review and recommended two-step approach. Psychological Bulletin, 103(3), 411-423.
7.
Bolen (1989). Structural equations with latent variables. John Wiley & Sons.
8.
Capgemini (2024). World retail banking report 2024. Capgemini Research Institute.
9.
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319-340.
10.
DeLone & McLean, 1992. Information systems success: The quest for the dependent variable. Information Systems Research, 3(1), 60-95.
11.
DeLone, W. H., & McLean, E. R. (2003). The DeLone and McLean model of information systems success: A ten-year update. Journal of Management Information Systems, 19(4), 9-30.
12.
Evans et al., 2000. Management, Quality and Competitiveness. South-Western College Publishing.
13.
Featherman, M. S., & Pavlou, P. A. (2003). Predicting e-services adoption: a perceived risk facets perspective. International Journal of Human-Computer Studies, 59(4), 451-474.
14.
Gorsuch, R. L. (1983). Factor analysis (2nd ed.). Lawrence Erlbaum Associates.
15.
Hair et al., 2010. Multivariate data analysis (7th ed.). Pearson.
16.
McKinsey & Company (2023). The economic potential of generative AI: The next productivity frontier. McKinsey & Company.
17.
Nguyen, Q. A., & Tran, T. M. (2024). Artificial intelligence-based chatbots - a motivation underlying customer experiences and behavioral outcomes in digital banking. Cogent Business & Management, 11(1), 2443570.
18.
Oliver, R. L. (1980). A cognitive model of the antecedents and consequences of satisfaction decisions. Journal of Marketing Research, 17(4), 460-469.
19.
Park et al., 2020. Impact of artificial intelligence (AI) chatbot characteristics on customer satisfaction. Emerging Science Journal, 4(4), 283-295.
20.
Rather, R. A. (2023). Chatbots, artificial intelligence and customer experience in frontline services: An emerging market perspective. Journal of Service Theory and Practice, 33(3), 305-325.
