Hình ảnh thương hiệu là gì? Cách xây dựng thang đo
Hình ảnh thương hiệu là gì và được đo bằng gì
Hình ảnh thương hiệu là tập hợp những liên tưởng mà khách hàng hình thành khi họ nghĩ đến một thương hiệu. Những liên tưởng này có thể liên quan đến chất lượng cảm nhận, tính hiện đại, mức độ đáng tin cậy, phong cách, lợi ích hoặc sự khác biệt của thương hiệu so với đối thủ. Khi viết luận văn, bạn nên xem đây là một khái niệm tiềm ẩn, tức là không đo trực tiếp bằng một con số duy nhất mà đo thông qua nhiều biến quan sát trong bảng hỏi.
Hình ảnh thương hiệu thường được dùng như biến độc lập, biến trung gian hoặc biến phụ thuộc. Chẳng hạn, mô hình của bạn có thể kiểm định tác động của chất lượng dịch vụ và trải nghiệm khách hàng đến hình ảnh thương hiệu, sau đó xem hình ảnh thương hiệu ảnh hưởng thế nào đến ý định mua. Cấu trúc giả thuyết phải quyết định cách bạn đặt vị trí của khái niệm này trong mô hình, chứ không nên chọn thang đo trước rồi mới tìm một vai trò phù hợp.
Bạn cũng cần phân biệt hình ảnh thương hiệu với giá trị thương hiệu là gì. Hình ảnh thương hiệu nói về những liên tưởng và cảm nhận trong tâm trí khách hàng. Giá trị thương hiệu rộng hơn, thường phản ánh giá trị gia tăng mà tên thương hiệu tạo ra cho sản phẩm hoặc doanh nghiệp. Nhận biết thương hiệu là gì lại tập trung vào việc khách hàng có nhận ra hoặc nhớ đến thương hiệu hay không.
Trong bảng hỏi, hình ảnh thương hiệu có thể được đo bằng các phát biểu Likert từ 1 đến 5 hoặc từ 1 đến 7. Người trả lời cho biết mức độ đồng ý với từng phát biểu. Thang Likert bắt nguồn từ kỹ thuật đo lường thái độ được trình bày bởi (Likert, 1932). Các biến quan sát phải cùng hướng diễn giải, cùng nói về hình ảnh của một thương hiệu cụ thể và phù hợp với nhóm khách hàng bạn khảo sát.
Nguồn thang đo gốc
Một điểm cần xử lý cẩn thận là cụm từ “thang đo gốc”. Với chủ đề hình ảnh thương hiệu, bạn không nên tự ghi tên tác giả, năm xuất bản hoặc số lượng biến quan sát nếu chưa kiểm tra được bài nghiên cứu gốc. Danh sách nguồn được phép trích dẫn của bài này không có một công trình chuyên biệt về thang đo hình ảnh thương hiệu. Vì vậy, bảng dưới đây chỉ ghi các nguồn phương pháp có thể dùng để xây dựng và đánh giá thang đo, không được trình bày như nguồn gốc của toàn bộ biến quan sát.
| Nguồn | Năm | Có thể dùng để làm gì | Lưu ý khi đưa vào luận văn |
|---|---|---|---|
| Likert | 1932 | Cơ sở của thang đo mức độ đồng ý | Không phải nguồn gốc riêng của khái niệm hình ảnh thương hiệu |
| Nguyễn Đình Thọ | 2011 | Quy trình xây dựng, điều chỉnh và kiểm định thang đo | Dùng để giải thích quy trình nghiên cứu định lượng tại Việt Nam |
| Cronbach | 1951 | Cơ sở của Cronbach's Alpha | Dùng khi giải thích độ nhất quán nội tại |
| Nunnally và Bernstein | 1994 | Corrected Item-Total Correlation từ 0.3 trở lên | Dùng cho tiêu chí xem xét biến quan sát |
| Hair và cộng sự | 2010 | EFA, factor loading và đánh giá thang đo | Dùng cho nghiên cứu khám phá và kiểm tra cấu trúc nhân tố |
Nếu bạn đã có một bài nghiên cứu gốc do giảng viên cung cấp, hãy đối chiếu đúng bối cảnh, số biến quan sát, cách diễn đạt và thang điểm trong bài đó. Nếu chưa có, hãy gọi các phát biểu dưới đây là “biến quan sát tham khảo”, không gọi là “thang đo chuẩn quốc tế”. Cách viết này bảo vệ bạn khi hội đồng hỏi vì sao bản dịch tiếng Việt lại khác bài gốc.
Khái niệm hình ảnh thương hiệu cũng có thể được đặt cạnh thang đo uy tín thương hiệu. Uy tín là đánh giá về sự đáng tin và năng lực của thương hiệu, còn hình ảnh thương hiệu bao gồm nhiều loại liên tưởng hơn. Hai khái niệm có thể tương quan nhưng không mặc nhiên là một thang đo. Bạn cần xem định nghĩa khái niệm và mô hình lý thuyết trước khi gộp hoặc tách chúng.
Bộ biến quan sát tham khảo
Bảng dưới đây là số liệu nội dung để bạn bắt đầu thiết kế bảng hỏi, không phải một thang đo đã được xác nhận. Bạn cần thay tên thương hiệu, kiểm tra ngữ nghĩa với bối cảnh ngành và chạy kiểm định trên dữ liệu thật. Mỗi biến nên chỉ diễn đạt một ý chính. Tránh đưa đồng thời chất lượng, giá cả và mức độ yêu thích vào cùng một phát biểu nếu mô hình của bạn tách các khái niệm đó.
| Mã biến | Phát biểu tham khảo | Khía cạnh gợi ý | Cách điều chỉnh |
|---|---|---|---|
| BI1 | Thương hiệu này có hình ảnh rõ ràng trong tâm trí tôi | Mức độ rõ nét | Thay “thương hiệu này” bằng tên thương hiệu khảo sát |
| BI2 | Tôi có những liên tưởng tích cực về thương hiệu này | Liên tưởng tích cực | Xác định “tích cực” có phù hợp với nhóm người trả lời không |
| BI3 | Thương hiệu này tạo ấn tượng khác biệt so với các thương hiệu khác | Tính khác biệt | Nêu nhóm đối thủ nếu bối cảnh khảo sát cần cụ thể |
| BI4 | Thương hiệu này phù hợp với hình ảnh mà tôi mong đợi | Sự phù hợp | Kiểm tra người trả lời có hiểu “hình ảnh” theo cùng nghĩa không |
| BI5 | Tôi đánh giá thương hiệu này là một thương hiệu đáng tin cậy | Đáng tin cậy | Cân nhắc tách thành thang đo uy tín nếu mô hình đã có khái niệm đó |
| BI6 | Hình ảnh của thương hiệu này phù hợp với phong cách của tôi | Tính phù hợp cá nhân | Chỉ dùng khi đề tài nghiên cứu có yếu tố phong cách hoặc bản thân |
Các mã BI1 đến BI6 chỉ là mã làm việc. Bạn có thể giữ hoặc đổi thành HA1, HA2 tùy quy ước của luận văn, miễn là sử dụng nhất quán trong bảng hỏi, file .sav, output SPSS và chương kết quả. “BI” thường được hiểu là Brand Image, còn “HA” có thể được dùng cho Hình ảnh thương hiệu. Không đổi mã sau khi đã thu thập dữ liệu nếu bạn chưa cập nhật toàn bộ syntax và bảng kết quả.
Bạn không nên đưa tất cả phát biểu vào bảng hỏi chỉ vì chúng nghe hợp lý. Nếu mô hình đã có biến “uy tín thương hiệu”, phát biểu BI5 có thể tạo chồng lấn khái niệm. Nếu mô hình đã có “tình yêu thương hiệu”, các phát biểu nói về cảm xúc gắn bó cũng có nguy cơ bị trùng. Tình yêu thương hiệu là gì là một khái niệm khác, thường nhấn mạnh mối quan hệ cảm xúc sâu hơn giữa khách hàng và thương hiệu.
Điều chỉnh thang đo cho bối cảnh Việt Nam
Bắt đầu bằng việc viết định nghĩa thao tác cho đề tài. Ví dụ: “Hình ảnh thương hiệu trong nghiên cứu này là nhận thức và liên tưởng của khách hàng về thương hiệu X sau khi sử dụng dịch vụ ngân hàng số”. Định nghĩa này giúp bạn loại những phát biểu chỉ nói về quảng cáo, giá bán hoặc sự hài lòng nếu các nội dung đó không thuộc phạm vi nghiên cứu.
Kiểm tra ngữ nghĩa của từng biến
Đọc từng phát biểu như một người trả lời, không đọc như người xây dựng mô hình. Cụm “hình ảnh rõ ràng” có thể được hiểu là logo dễ nhận diện, hình ảnh truyền thông nhất quán hoặc thương hiệu nổi tiếng. Nếu phát biểu có nhiều cách hiểu, hãy viết cụ thể hơn. Chẳng hạn, “thương hiệu này có hình ảnh hiện đại” dễ trả lời hơn “thương hiệu này có hình ảnh tốt”.
Xử lý biến đảo chiều
Biến đảo chiều là phát biểu có hướng nghĩa ngược với các biến còn lại, chẳng hạn “thương hiệu này có hình ảnh lỗi thời”. Nếu thật sự cần đo mặt tiêu cực, bạn phải ghi chú rõ để đảo mã trước khi chạy Cronbach's Alpha hoặc EFA. Với bảng hỏi sinh viên, biến đảo chiều thường gây nhầm khi người trả lời đọc nhanh. Chỉ giữ biến này khi nó cần thiết về mặt khái niệm, không thêm vào để làm thang đo có vẻ đa chiều.
Chạy khảo sát thử
Bạn nên kiểm tra bảng hỏi trên một nhóm nhỏ có đặc điểm gần với mẫu chính. Mục tiêu là phát hiện từ khó hiểu, phát biểu dài, câu hỏi trùng nhau và lựa chọn trả lời bị thiếu. Đây là bước kiểm tra nội dung, chưa phải bằng chứng rằng thang đo đã đạt độ tin cậy.
Sau khi chỉnh bảng hỏi, khóa phiên bản cuối trước khi thu thập dữ liệu chính thức. Nếu bạn dùng uy tín thương hiệu là gì như một biến khác trong mô hình, hãy đặt các nhóm biến ở những phần riêng và ghi hướng dẫn rõ ràng. Một bảng hỏi lẫn lộn giữa hình ảnh, uy tín và sự hài lòng sẽ tạo ra vấn đề khi giải thích ma trận nhân tố.
Kiểm định độ tin cậy và giá trị của thang đo
Quy trình thường đi từ kiểm tra dữ liệu, Cronbach's Alpha, EFA nếu nghiên cứu dùng SPSS, rồi đến kiểm định mô hình đo lường trong SmartPLS nếu bạn dùng PLS-SEM. Không phải đề tài nào cũng cần chạy tất cả bước. Bạn phải căn cứ vào mô hình, loại thang đo và yêu cầu của giảng viên.
| Tiêu chí | Mức tham khảo | Nguồn | Cách hiểu khi xử lý hình ảnh thương hiệu |
|---|---|---|---|
| Cronbach's Alpha | Từ 0.7 trở lên | (Nunnally, 1978) | Độ nhất quán nội tại thường được xem là chấp nhận được |
| Cronbach's Alpha cho thang đo khám phá | Từ 0.6 trở lên | (Hair và cộng sự, 2010) | Có thể cân nhắc trong nghiên cứu mới, nhưng cần giải thích bối cảnh |
| Corrected Item-Total Correlation | Từ 0.3 trở lên | (Nunnally và Bernstein, 1994) | Xem biến quan sát có đồng hành với tổng thang đo không |
| KMO | Từ 0.5 trở lên | (Kaiser, 1974) | Kiểm tra mức phù hợp của dữ liệu cho EFA |
| Bartlett's Test | p-value dưới 0.05 | (Kaiser, 1974) | Ma trận tương quan phù hợp để xem xét nhân tố |
| Factor loading | Từ 0.5 trở lên | (Hair và cộng sự, 2010) | Đánh giá mức liên hệ của biến với nhân tố |
| Total Variance Explained | Từ 50% trở lên | (Hair và cộng sự, 2010) | Tỷ lệ phương sai được các nhân tố giải thích |
| CR | Từ 0.7 trở lên | (Fornell và Larcker, 1981) | Dùng trong đánh giá mô hình đo lường PLS-SEM |
| AVE | Từ 0.5 trở lên | (Fornell và Larcker, 1981) | Bằng chứng về giá trị hội tụ trong PLS-SEM |
| HTMT | Dưới 0.85 hoặc 0.90 | (Henseler và cộng sự, 2015) | Kiểm tra giá trị phân biệt giữa các khái niệm |
Trong SPSS, bạn có thể vào Analyze > Scale > Reliability Analysis, đưa các biến BI1 đến BI6 vào ô Items, rồi chọn Statistics và đánh dấu Scale if item deleted. Đọc bảng Reliability Statistics để xem Cronbach's Alpha và số lượng biến. Sau đó đọc Item-Total Statistics, đặc biệt là cột Corrected Item-Total Correlation và Cronbach's Alpha if Item Deleted.
Nếu cần EFA, vào Analyze > Dimension Reduction > Factor. Trong Extraction, bạn có thể chọn Principal Axis Factoring hoặc phương pháp phù hợp với thiết kế nghiên cứu. Trong Rotation, chọn cách xoay phù hợp, thường là Varimax khi giả định các nhân tố không tương quan hoặc một phương pháp xiên khi các khái niệm có thể tương quan. Đọc các bảng KMO and Bartlett's Test, Total Variance Explained và Rotated Factor Matrix hoặc Pattern Matrix tùy lựa chọn.
Trong SmartPLS 4, bạn xây dựng measurement model bằng cách kéo các biến BI1 đến BI6 vào construct Hình ảnh thương hiệu. Chạy PLS-SEM Algorithm, đọc Outer Loadings, Construct Reliability and Validity và Discriminant Validity. Nếu đánh giá mô hình cấu trúc, tiếp tục chạy Bootstrapping và xem Path Coefficients, T Statistics cùng P Values. Với PLS-SEM, quy trình hai bước đánh giá mô hình đo lường rồi mô hình cấu trúc được trình bày trong (Anderson và Gerbing, 1988) và hướng dẫn PLS-SEM hiện hành được trình bày trong (Hair và cộng sự, 2022).
Cách đọc output minh họa
Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Nó mô phỏng các cột bạn thường thấy trong output SPSS để bạn biết cách trình bày, không cho phép bạn thay số liệu của mình bằng các con số này.
| Reliability Statistics | Cronbach's Alpha | N of Items |
|---|---|---|
| Hình ảnh thương hiệu | 0.842 | 6 |
| Item-Total Statistics | Corrected Item-Total Correlation | Cronbach's Alpha if Item Deleted |
|---|---|---|
| BI1 | 0.612 | 0.814 |
| BI2 | 0.684 | 0.799 |
| BI3 | 0.557 | 0.826 |
| BI4 | 0.641 | 0.807 |
| BI5 | 0.493 | 0.837 |
| BI6 | 0.671 | 0.801 |
Với bảng minh họa này, Alpha là 0.842 và các corrected item-total correlation đều trên 0.3. Tuy nhiên, bạn không được kết luận thang đo của mình đạt chỉ vì Alpha cao. Cần kiểm tra nội dung biến, cấu trúc nhân tố và sự phân biệt với các khái niệm gần như uy tín thương hiệu hoặc giá trị thương hiệu.
Cách viết vào luận văn: “Thang đo hình ảnh thương hiệu gồm [số biến quan sát] biến, được đánh giá bằng Cronbach's Alpha. Kết quả cho thấy Cronbach's Alpha đạt [giá trị], các hệ số Corrected Item-Total Correlation dao động từ [giá trị thấp nhất] đến [giá trị cao nhất], do đó [các biến được giữ lại/biến BI__ được loại] theo tiêu chí [tiêu chí và nguồn trích dẫn].”
Cách trình bày thang đo trong chương 3
Ở chương 3, bạn nên trình bày theo thứ tự: định nghĩa khái niệm, vai trò trong mô hình, nguồn tham khảo, cách điều chỉnh cho bối cảnh nghiên cứu, thang đo dự kiến và thang Likert sử dụng. Nếu có dịch từ tiếng Anh, ghi rõ đây là bản dịch và điều chỉnh của tác giả, không gọi là bản dịch được chuẩn hóa nếu bạn chưa có quy trình tương ứng.
Bạn có thể đưa một bảng gồm mã biến, nội dung phát biểu và nguồn tham khảo. Với các biến tự xây dựng dựa trên định nghĩa khái niệm, hãy nói rõ chúng là biến quan sát tham khảo được đề xuất cho bối cảnh nghiên cứu. Sau khi thu thập dữ liệu, chương 4 mới trình bày số biến còn lại sau Cronbach's Alpha và EFA hoặc SmartPLS.
Trong phần mô hình, hãy nối hình ảnh thương hiệu với giả thuyết cụ thể. Ví dụ: “Hình ảnh thương hiệu có ảnh hưởng tích cực đến ý định mua của khách hàng”. Nếu dùng hình ảnh thương hiệu làm biến trung gian, cần viết rõ quan hệ giữa biến độc lập, hình ảnh thương hiệu và biến phụ thuộc. Bạn có thể xem thêm nhóm nội dung Mô hình nghiên cứu để kiểm tra cách đặt biến và giả thuyết.
Lỗi thường gặp
Lỗi đầu tiên là dùng “hình ảnh thương hiệu”, “nhận biết thương hiệu”, “uy tín thương hiệu” và “giá trị thương hiệu” như các tên gọi thay thế cho nhau. Đây là các khái niệm có thể liên quan nhưng phải được định nghĩa riêng. Lỗi thứ hai là lấy các phát biểu trên mạng, dịch sơ qua rồi ghi một tác giả nổi tiếng làm nguồn gốc dù chưa đọc công trình đó.
Lỗi thứ ba là loại biến chỉ vì muốn Alpha tăng. Khi BI5 có tương quan biến tổng thấp, bạn phải xem cả nội dung, thống kê và lý thuyết. Một biến bị loại cần được ghi lại trong nhật ký xử lý dữ liệu, cùng lý do và kết quả trước sau. Đừng chạy nhiều vòng rồi chỉ giữ bảng đẹp nhất mà không giải trình.
Lỗi thứ tư là chạy EFA cho một nhóm biến đơn lẻ rồi gọi đó là bằng chứng đầy đủ về giá trị phân biệt. Nếu mô hình có nhiều khái niệm gần nhau, cần đưa các nhóm biến liên quan vào thiết kế kiểm định phù hợp. Với SmartPLS, không đưa CFI, TLI hoặc RMSEA vào đánh giá PLS-SEM. Các chỉ số đó thuộc CB-SEM và được bàn trong (Hu và Bentler, 1999).
Câu hỏi thường gặp
Hình ảnh thương hiệu có phải là giá trị thương hiệu không?
Hai khái niệm này có liên hệ, song không thay thế được cho nhau. Hình ảnh thương hiệu mô tả các liên tưởng và cảm nhận về thương hiệu, còn giá trị thương hiệu nói về giá trị gia tăng mà thương hiệu tạo ra cho sản phẩm hoặc doanh nghiệp. Bạn cần giữ chúng thành hai biến riêng nếu mô hình và định nghĩa lý thuyết phân biệt như vậy.
Có thể dùng sáu biến quan sát tham khảo trong bảng này ngay không?
Bạn có thể dùng chúng làm điểm bắt đầu thiết kế bảng hỏi, nhưng không nên sao chép nguyên trạng. Hãy điều chỉnh tên thương hiệu, ngành, nhóm khách hàng và phạm vi trải nghiệm. Sau đó kiểm tra bảng hỏi, thu thập dữ liệu thật và đánh giá độ tin cậy, giá trị của thang đo.
Cronbach's Alpha thấp thì phải làm sao?
Đọc Item-Total Statistics, kiểm tra corrected item-total correlation, phát hiện biến đảo chiều chưa mã hóa và xem các phát biểu có thật sự cùng đo hình ảnh thương hiệu không. Bạn có thể cân nhắc loại một biến khi có lý do thống kê và lý thuyết rõ ràng. Không nên loại liên tục cho đến khi đạt một con số mong muốn.
Có bắt buộc chạy EFA cho thang đo hình ảnh thương hiệu không?
EFA thường phù hợp khi bạn điều chỉnh thang đo, xây dựng bộ biến trong bối cảnh mới hoặc chưa chắc cấu trúc nhân tố. Nếu bạn dùng mô hình đo lường PLS-SEM, có thể đánh giá outer loading, CR, AVE và HTMT trong SmartPLS theo thiết kế nghiên cứu. Hãy thống nhất quy trình với giảng viên trước khi chạy nhiều phần mềm.
Nên dùng SPSS hay SmartPLS để kiểm định thang đo?
SPSS phù hợp với Cronbach's Alpha và EFA. SmartPLS phù hợp khi mô hình của bạn dùng PLS-SEM và có biến tiềm ẩn trong mô hình đo lường, mô hình cấu trúc. Lựa chọn phần mềm nên dựa trên mô hình, cỡ mẫu, yêu cầu của khoa và khả năng giải thích output khi bảo vệ, không chỉ dựa trên việc phần mềm nào dễ bấm hơn.
Mở file dữ liệu của bạn ngay bây giờ, kiểm tra mã BI, hướng mã hóa và bảng hỏi trước khi chạy Cronbach's Alpha, sau đó ghi lại từng vòng xử lý vào một bảng riêng. Nếu bạn cần chạy phân tích trên chính file .sav hoặc .csv và giữ nguyên số liệu thật, xem module M4 phân tích của DoThesis.