QUẢN LÝ TÀI CHÍNH CÁ NHÂN TRONG MUA SẮM THƯƠNG MẠI ĐIỆN TỬ DƯỚI TÁC ĐỘNG CỦA QUYẾT ĐỊNH CẢM TÍNH

(Vai trò của công nghệ số và trí tuệ nhân tạo đối với học sinh, sinh viên Việt Nam)

Bùi Minh Ngọc - Trần Ngọc Tú - Nguyễn Thị Mai Anh
Đại học Kinh tế Quốc Dân
Email: [email protected]

Tóm tắt

Sự phát triển của thương mại điện tử, ví điện tử, thanh toán QR, mua trước trả sau và hệ thống gợi ý bằng trí tuệ nhân tạo đang tái cấu trúc hành vi mua sắm của người trẻ. Với học sinh, sinh viên, vấn đề không chỉ là “chi bao nhiêu”, mà là cách các kích thích số như flash sale, livestream, thông báo đẩy, voucher giới hạn và thuật toán cá nhân hóa làm suy yếu khả năng tự kiểm soát tài chính trong khoảnh khắc ra quyết định. Bài viết phân tích quản lý tài chính cá nhân trong mua sắm thương mại điện tử dưới góc nhìn hành vi cảm tính, dựa trên khung S-O-R, tài chính hành vi và năng lực tài chính số. Dữ liệu thứ cấp cho thấy thị trường thương mại điện tử Việt Nam vượt 25 tỷ USD năm 2024, thanh toán không tiền mặt và QR tăng nhanh, trong khi năng lực tài chính của người trẻ vẫn còn khoảng trống. Bài viết đề xuất mô hình “AI financial guardrails” gồm ngân sách động, phân loại nhu cầu, cảnh báo chi tiêu, trì hoãn quyết định và phát hiện thiết kế thao túng nhằm hỗ trợ học sinh, sinh viên mua sắm có kỷ luật hơn. Kết quả đóng góp về mặt lý luận cho nghiên cứu mua bốc đồng trực tuyến và gợi ý giải pháp cho nhà trường, gia đình, nền tảng số và cơ quan quản lý.

Từ khóa: quản lý tài chính cá nhân; thương mại điện tử; mua bốc đồng; trí tuệ nhân tạo; tài chính số; S-O-R; học sinh, sinh viên.

1. Đặt vấn đề

Thương mại điện tử không còn là kênh mua sắm bổ sung mà đã trở thành hạ tầng tiêu dùng thường nhật của người trẻ. Cổng Thông tin điện tử Chính phủ Việt Nam cho biết quy mô thị trường thương mại điện tử Việt Nam đạt khoảng 25 tỷ USD năm 2024, tăng 20% so với năm trước và chiếm gần 9% tổng mức bán lẻ hàng hóa, dịch vụ. Báo cáo e-Conomy SEA 2025 tiếp tục dự báo kinh tế số Việt Nam đạt khoảng 39 tỷ USD năm 2025, trong đó thương mại điện tử vẫn là trụ cột quan trọng. Song song, Ngân hàng Nhà nước ghi nhận trong 11 tháng đầu năm 2024, giao dịch thanh toán không dùng tiền mặt tăng 56,8% về số lượng và 33,7% về giá trị, riêng QR tăng 106,7% về số lượng và 84,8% về giá trị. Những con số này cho thấy hành vi tiêu dùng của học sinh, sinh viên đang diễn ra trong một môi trường số tốc độ cao, ít ma sát và giàu kích thích cảm xúc.

Ở môi trường vật lý, người mua thường phải di chuyển, cầm tiền, so sánh sản phẩm và chịu độ trễ tự nhiên trước khi thanh toán. Trong môi trường thương mại điện tử, toàn bộ chuỗi nhận diện nhu cầu, tìm kiếm, bị thuyết phục, đặt hàng và trả tiền có thể hoàn tất trong vài giây. Đối với học sinh, sinh viên - nhóm có ngân sách hạn chế, thu nhập chưa ổn định nhưng lại nhạy với xu hướng, đánh giá xã hội và khuyến mại - tốc độ đó tạo nên rủi ro tài chính mới: mua vì cảm xúc chứ không vì nhu cầu. Rook (1987) mô tả mua bốc đồng là ham muốn mua đột ngột, mạnh, thường đi kèm cảm giác hưng phấn và ít cân nhắc hậu quả. Baumeister (2002) cũng nhấn mạnh thất bại tự kiểm soát là cơ chế trung tâm của tiêu dùng thiếu kỷ luật.

Vì vậy, quản lý tài chính trong mua sắm thương mại điện tử không thể dừng ở lời khuyên “hãy tiết kiệm” hoặc “đừng mua linh tinh”. Bối cảnh mới đòi hỏi cách tiếp cận gắn với công nghệ số và trí tuệ nhân tạo: sử dụng chính dữ liệu, thuật toán và giao diện thông minh để bảo vệ người dùng trước các kích thích làm lệch quyết định. Bài viết này hướng tới câu hỏi nghiên cứu: các kích thích số trên nền tảng thương mại điện tử tác động như thế nào đến quyết định mua sắm cảm tính của học sinh, sinh viên, và công cụ AI có thể hỗ trợ quản lý tài chính cá nhân ra sao?

2. Cơ sở lý thuyết

Nghiên cứu hành vi mua bốc đồng trực tuyến thường sử dụng mô hình S-O-R của Mehrabian và Russell (1974), trong đó Stimulus là kích thích bên ngoài, Organism là trạng thái tâm lý bên trong và Response là phản ứng hành vi. Chan, Cheung và Lee (2017) tổng hợp tài liệu về mua bốc đồng trực tuyến và cho thấy S-O-R là khung phù hợp để phân loại các yếu tố tác động đến quyết định mua. Trong thương mại điện tử, kích thích không chỉ là giá và sản phẩm, mà còn gồm bố cục giao diện, độ tiện lợi thanh toán, khuyến mại giới hạn, gợi ý cá nhân hóa, livestream, bình luận xã hội, đánh giá sao, miễn phí vận chuyển và thông báo đẩy.

Các kích thích này đi vào trạng thái nội tại của người tiêu dùng. Học sinh, sinh viên có thể trải nghiệm hưng phấn khi thấy giá giảm sâu, FoMO khi đồng hồ đếm ngược còn vài phút, cảm giác “được lời” khi dùng voucher, hoặc “giảm đau khi trả tiền” khi dùng ví điện tử và mua trước trả sau. Verplanken và Herabadi (2001) cho rằng khuynh hướng mua bốc đồng gồm cả thành phần nhận thức thấp và thành phần cảm xúc cao; nghĩa là người mua vừa ít suy nghĩ hơn, vừa bị cảm xúc kéo mạnh hơn. Trong môi trường số, sự kết hợp giữa cá nhân hóa AI và thanh toán một chạm làm cho khoảng cách giữa ham muốn và hành động gần như biến mất.

OECD (2022) cảnh báo về “dark commercial patterns” - các thiết kế giao diện khiến người tiêu dùng đưa ra lựa chọn không nhất thiết có lợi cho họ, thường khai thác thiên kiến hành vi để thu thêm tiền, dữ liệu hoặc thời gian chú ý. Mathur và cộng sự (2019), khi khảo sát khoảng 11.000 website mua sắm, phát hiện 1.818 trường hợp dark patterns, bao gồm khan hiếm giả, áp lực xã hội và chi phí ẩn. Trong bối cảnh người trẻ mua sắm qua ứng dụng, các thủ thuật này có thể làm mờ ranh giới giữa thuyết phục hợp pháp và thao túng hành vi.

Từ góc độ tài chính cá nhân, năng lực tài chính số là điều kiện để người dùng hiểu chi phí thật, kiểm soát ngân sách, nhận diện rủi ro trả góp và bảo vệ dữ liệu. OECD (2024) cho biết khoảng 18% học sinh ở các nền kinh tế OECD tham gia PISA 2022 chưa đạt mức năng lực tài chính cơ bản, trong khi chênh lệch theo điều kiện kinh tế - xã hội vẫn rõ rệt. World Bank (2025) cho thấy 79% người trưởng thành toàn cầu đã có tài khoản tài chính và 56% có thể tiếp cận tiền khẩn cấp, nhưng tiếp cận tài chính không đồng nghĩa với sức khỏe tài chính. Với Việt Nam, IFC (2025) dẫn Global Findex 2025 cho biết hơn 70% người trưởng thành có tài khoản và 62% tham gia thanh toán số. Do đó, trọng tâm chính sách cần chuyển từ “có tài khoản” sang “dùng tài khoản có kỷ luật và an toàn”.

3. Thực trạng và vấn đề nghiên cứu tại Việt Nam

Mua sắm thương mại điện tử của học sinh, sinh viên Việt Nam diễn ra trong hệ sinh thái “ba nhanh”: tiếp cận nhanh, thanh toán nhanh và bị kích thích nhanh. Thứ nhất, tiếp cận nhanh đến từ điện thoại thông minh và mạng xã hội. Một video ngắn hoặc livestream có thể chuyển trực tiếp người xem sang trang mua hàng. Thứ hai, thanh toán nhanh nhờ ví điện tử, QR, thẻ liên kết và lưu thông tin giao hàng. Thứ ba, kích thích nhanh xuất hiện qua flash sale, mã giảm giá theo khung giờ, freeship, thông báo “sắp hết hàng”, “đã có x người mua” hoặc “chỉ còn vài phút”.

Vấn đề nằm ở chỗ đa số lời khuyên tài chính truyền thống yêu cầu người trẻ lập ngân sách trước, trong khi nền tảng thương mại điện tử lại được tối ưu để người dùng ra quyết định ngay. Khoảnh khắc rủi ro không nằm ở cuối tháng khi nhìn lại bảng chi tiêu, mà nằm ở vài giây trước nút “đặt hàng”. Nếu công cụ quản lý tài chính không xuất hiện đúng thời điểm đó, khả năng can thiệp rất thấp. Đây là khe hở nghiên cứu đáng chú ý: quản lý tài chính cá nhân trong thương mại điện tử cần được hiểu như một quá trình can thiệp hành vi theo thời gian thực, thay vì chỉ là ghi chép thu chi sau khi tiền đã rời tài khoản.

Một rủi ro khác là mua trước trả sau và trả góp nhỏ lẻ. Với người chưa có thu nhập ổn định, việc chia nhỏ khoản thanh toán có thể làm giảm cảm giác đau khi trả tiền và khiến tổng nghĩa vụ tương lai bị đánh giá thấp. Guttman-Kenney, Firth và Gathergood (2022) cho thấy BNPL đặt ra vấn đề quản trị nợ tiêu dùng, đặc biệt với người trẻ và nhóm tài chính dễ tổn thương. Tại Việt Nam, dù BNPL chưa phổ biến như một số thị trường phát triển, các hình thức trả góp, ví trả sau và tín dụng tiêu dùng tích hợp đang dần đi vào quy trình thanh toán trực tuyến. Điều này khiến quản lý tài chính của học sinh, sinh viên cần bao gồm cả kiểm soát dòng tiền tương lai, không chỉ kiểm soát số dư hiện tại.

4. Mô hình nghiên cứu và giả thuyết

Dựa trên S-O-R, bài viết đề xuất mô hình nghiên cứu trong đó các kích thích nền tảng gồm cá nhân hóa AI, flash sale, khan hiếm, livestream/KOL, tiện lợi thanh toán và dark patterns tác động đến trạng thái nội tại của người mua như hưng phấn, FoMO, cảm giác được lợi, nhận thức ngân sách và mệt mỏi tự kiểm soát. Trạng thái này dẫn đến phản ứng tài chính gồm mua bốc đồng, vượt ngân sách, hối tiếc sau mua, nợ/trả góp quá mức hoặc ngược lại là mua có kế hoạch. Biến điều tiết là công cụ quản lý tài chính số và AI, tức các “hàng rào an toàn” được thiết kế để làm chậm quyết định, làm rõ chi phí và nhắc lại mục tiêu ngân sách.

Hình 1. Khung S-O-R mở rộng cho quản lý tài chính bằng AI trong mua sắm thương mại điện tử

Bảng 1. Hệ thống giả thuyết nghiên cứu đề xuất

5. Giải pháp: AI financial guardrails cho học sinh, sinh viên

Giải pháp thứ nhất là ngân sách động theo danh mục. Thay vì một con số tiết kiệm chung, ứng dụng quản lý tài chính nên kết nối với ví điện tử hoặc sao kê ngân hàng để tự động phân loại chi tiêu thương mại điện tử theo nhóm học tập, ăn uống, thời trang, mỹ phẩm, công nghệ và giải trí. AI có thể học thói quen chi tiêu, ước tính ngân sách còn lại theo tuần và cảnh báo khi một danh mục vượt ngưỡng. Với học sinh, sinh viên, cảnh báo nên được trình bày bằng ngôn ngữ gần gũi: “Nếu đặt đơn này, ngân sách mua sắm của bạn còn 80.000 đồng đến cuối tuần”.

Giải pháp thứ hai là bộ lọc Cần - Muốn - Chờ. Trước khi thanh toán, AI có thể yêu cầu người dùng tự gắn nhãn món hàng: cần cho học tập/sinh hoạt, muốn để giải trí, hay có thể chờ. Với sản phẩm không thiết yếu vượt một tỷ lệ nhất định của ngân sách tháng, hệ thống kích hoạt quy tắc trì hoãn 24 giờ. Cơ chế này không cấm mua, nhưng tạo lại độ trễ tự nhiên đã bị thương mại điện tử làm mất. Nghiên cứu về tự kiểm soát cho thấy chỉ cần kéo dài thời gian giữa ham muốn và hành động, khả năng ra quyết định lý trí có thể tăng lên.

Giải pháp thứ ba là phát hiện thiết kế thao túng và khuyến mại rủi ro. Một trợ lý AI có thể nhận diện dấu hiệu như đồng hồ đếm ngược lặp lại, thông điệp khan hiếm không rõ căn cứ, chi phí vận chuyển hoặc phí dịch vụ chỉ xuất hiện cuối quy trình, ưu đãi yêu cầu mua thêm để đạt ngưỡng freeship, hoặc gợi ý sản phẩm bổ sung làm tăng giá trị giỏ hàng. Khi phát hiện, hệ thống không nên chỉ chặn, mà cần giải thích ngắn: “Đây có thể là áp lực khan hiếm; hãy kiểm tra lại nhu cầu thật”. Cách thiết kế này biến AI thành công cụ giáo dục tài chính trong ứng dụng.

Giải pháp thứ tư là chấm điểm rủi ro BNPL và trả góp. Trước khi người dùng chọn trả sau, hệ thống cần hiển thị tổng số tiền phải trả, lịch trả, tỷ lệ nghĩa vụ trả nợ trên thu nhập hoặc tiền sinh hoạt dự kiến, và kịch bản nếu phát sinh thêm một khoản chi bất ngờ. Với người chưa có thu nhập, nguyên tắc thận trọng là không dùng trả sau cho hàng tiêu dùng nhanh, hàng theo xu hướng hoặc sản phẩm không phục vụ học tập/sức khỏe. Nếu cần mua thiết bị học tập giá trị lớn, trả góp chỉ nên được chấp nhận khi có nguồn tiền trả nợ rõ ràng.

Giải pháp thứ năm là báo cáo hậu mua. Sau mỗi tháng, ứng dụng không chỉ liệt kê chi tiêu mà cần phân tích cảm xúc và bối cảnh mua: mua trong khung giờ sale, mua sau livestream, mua vì KOL, mua do freeship hay mua lại nhiều lần cùng một nhóm sản phẩm. Báo cáo này giúp học sinh, sinh viên nhận ra “điểm yếu hành vi” của mình. Ví dụ, một người có thể không tiêu quá nhiều hằng ngày nhưng lại mất kiểm soát vào ngày đôi 9.9, 10.10, 11.11. Khi hiểu được nhịp rủi ro, người dùng có thể đặt ngưỡng chặn trước các ngày sale lớn.

6. Phương pháp nghiên cứu gợi ý

Nghiên cứu thực nghiệm có thể triển khai bằng khảo sát định lượng với học sinh cuối cấp, sinh viên đại học và người trẻ mua sắm thương mại điện tử ít nhất hai lần mỗi tháng. Quy mô mẫu đề xuất là 300 - 400 quan sát để đủ điều kiện kiểm định Cronbach’s Alpha, EFA, CFA và SEM/PLS-SEM. Thang đo sử dụng Likert 5 hoặc 7 mức, kế thừa từ nghiên cứu mua bốc đồng trực tuyến, năng lực tài chính số, FoMO, self-control và chấp nhận công nghệ. Ngoài ra, có thể kết hợp thí nghiệm lựa chọn bằng cách cho người tham gia xem hai giao diện: một giao diện sale thông thường và một giao diện có AI guardrails, sau đó đo ý định mua, mức tự tin tài chính và cảm xúc hối tiếc dự kiến.

Về xử lý dữ liệu, bước đầu kiểm định độ tin cậy nội tại với Cronbach’s Alpha trên 0,7 và hệ số tải nhân tố trên 0,5. Tiếp theo, kiểm định vai trò trung gian của hưng phấn/FoMO giữa kích thích nền tảng và mua bốc đồng bằng PROCESS Model 4 hoặc SEM. Vai trò điều tiết của AI guardrails có thể kiểm định bằng PROCESS Model 1 hoặc mô hình tương tác trong PLS-SEM. Nếu khoảng tin cậy bootstrap 95% không chứa 0, hiệu ứng trung gian hoặc điều tiết được xem là có ý nghĩa thống kê. Cách tiếp cận này giúp bài nghiên cứu vượt khỏi mô tả hiện tượng để chứng minh cơ chế hành vi.

7. Kết luận

Quản lý tài chính cá nhân trong thương mại điện tử là vấn đề cấp thiết của học sinh, sinh viên trong nền kinh tế số. Khi thuật toán cá nhân hóa, livestream, flash sale, ví điện tử và thanh toán một chạm làm cho quyết định mua sắm trở nên nhanh, cảm xúc và ít ma sát, giáo dục tài chính truyền thống cần được bổ sung bằng công cụ can thiệp theo thời gian thực. Bài viết cho rằng AI không chỉ là công nghệ bán hàng mà còn có thể trở thành công nghệ tự bảo vệ tài chính: nhắc ngân sách, trì hoãn quyết định, phát hiện dark patterns, kiểm soát BNPL và giúp người trẻ hiểu mẫu hình chi tiêu của chính mình. Đóng góp chính của nghiên cứu là chuyển trọng tâm từ “người trẻ thiếu kỷ luật” sang “môi trường số đang làm kỷ luật trở nên khó hơn”, từ đó đề xuất một cách tiếp cận cân bằng hơn giữa trách nhiệm cá nhân, thiết kế nền tảng và chính sách bảo vệ người tiêu dùng. Nếu được triển khai trong trường học, ứng dụng ngân hàng số và nền tảng thương mại điện tử, các hàng rào tài chính bằng AI có thể giúp học sinh, sinh viên tiêu dùng thông minh, tránh nợ không cần thiết và xây dựng năng lực tài chính bền vững ngay từ sớm.

Tài liệu tham khảo

[1] Ameen, N., Tarhini, A., Reppel, A., & Anand, A. (2021). Customer experiences in the age of artificial intelligence. Computers in Human Behavior, 114, 106548. https://doi.org/10.1016/j.chb.2020.106548

[2] Baumeister, R. F. (2002). Yielding to temptation: Self-control failure, impulsive purchasing, and consumer behavior. Journal of Consumer Research, 28(4), 670–676. https://doi.org/10.1086/338209

[3] Chan, T. K. H., Cheung, C. M. K., & Lee, Z. W. Y. (2017). The state of online impulse-buying research: A literature analysis. Information & Management, 54(2), 204–217. https://doi.org/10.1016/j.im.2016.06.001

[4] Guttman-Kenney, B., Firth, C., & Gathergood, J. (2022). Buy Now, Pay Later (BNPL)...On your credit card. SSRN Working Paper. https://doi.org/10.2139/ssrn.4003191

[5] Hayes, A. F. (2022). Introduction to Mediation, Moderation, and Conditional Process Analysis: A Regression-Based Approach (3rd ed.). Guilford Press.

[6] IFC. (2025). Digital finance to drive Viet Nam’s economic growth, job creation and access to finance. International Finance Corporation.

[7] Mathur, A., Acar, G., Friedman, M. J., Lucherini, E., Mayer, J., Chetty, M., & Narayanan, A. (2019). Dark patterns at scale: Findings from a crawl of 11K shopping websites. Proceedings of the ACM on Human-Computer Interaction, 3(CSCW), 1–32. https://doi.org/10.1145/3359183

[8] Mehrabian, A., & Russell, J. A. (1974). An Approach to Environmental Psychology. MIT Press.

[9] OECD. (2022). Dark commercial patterns. OECD Digital Economy Papers, No. 336. OECD Publishing. https://doi.org/10.1787/44f5e846-en

[10] OECD. (2024). PISA 2022 Results (Volume IV): How Financially Smart Are Students? OECD Publishing. https://doi.org/10.1787/5a849c2a-en

[11] Rook, D. W. (1987). The buying impulse. Journal of Consumer Research, 14(2), 189–199. https://doi.org/10.1086/209105

[12] VGP. (2025). Viet Nam’s e-commerce market hit US$25 billion in 2024. Viet Nam Government Portal.

[13] Vietnam News. (2025). QR code payment transactions surge in 2024. Vietnam News Agency.

[14] VnEconomy. (2025). Vietnam’s digital economy estimated at $39 bln in 2025.

[15] Verplanken, B., & Herabadi, A. (2001). Individual differences in impulse buying tendency: Feeling and no thinking. European Journal of Personality, 15(S1), S71–S83. https://doi.org/10.1002/per.423

[16] World Bank. (2025). The Global Findex Database 2025: Connectivity and Financial Inclusion in the Digital Economy. World Bank.

DIGITAL AND AI-ENABLED PERSONAL FINANCIAL MANAGEMENT IN E-COMMERCE SHOPPING
(A study of affect-driven decision-making among vietnamese students)

Bui Minh Ngoc - Tran Ngoc Tu - Nguyen Thi Mai Anh
School of Advanced Education Program, National Economics University, Hanoi
Email: [email protected]

Abstract

The rapid development of e-commerce, e-wallets, QR-based payments, buy-now-pay-later services, and artificial intelligence-driven recommendation systems is reshaping young consumers’ shopping behavior. For school and university students, the central issue is not merely “how much to spend”, but how digital stimuli such as flash sales, livestream shopping, push notifications, time-limited vouchers, and personalized algorithms may weaken financial self-control at the moment of decision-making. This paper examines personal financial management in e-commerce shopping from the perspective of affect-driven decision-making, drawing on the Stimulus–Organism–Response (S-O-R) framework, behavioral finance, and digital financial literacy. Secondary data indicate that Vietnam’s e-commerce market exceeded USD 25 billion in 2024, while cashless and QR-based payments have expanded rapidly, yet young people’s financial capability remains uneven and incomplete. The paper proposes an “AI financial guardrails” model comprising dynamic budgeting, needs classification, spending alerts, decision-delay mechanisms, and the detection of manipulative design patterns to support more disciplined shopping behavior among school and university students. The findings contribute theoretically to the literature on online impulse buying and offer practical implications for educational institutions, families, digital platforms, and regulatory authorities.