Nhận biết thương hiệu là gì? Thang đo và cách kiểm định
Nhận biết thương hiệu là gì và được đo bằng gì
Bạn có thể nhận ra một thương hiệu qua tên, logo, màu sắc, bao bì hoặc một hình ảnh quen thuộc trước khi nhớ được đầy đủ sản phẩm của thương hiệu đó. Trong nghiên cứu định lượng, nhận biết thương hiệu là mức độ người trả lời có thể nhận ra hoặc nhớ đến một thương hiệu trong một nhóm sản phẩm, dịch vụ hoặc bối cảnh mua sắm cụ thể.
Khái niệm này thường được đo bằng một nhóm biến quan sát trong bảng hỏi Likert. Bạn không nên đo bằng một câu duy nhất nếu mô hình còn cần kiểm định độ tin cậy và giá trị thang đo. Mỗi biến quan sát nên mô tả một biểu hiện cụ thể, chẳng hạn khả năng nhận ra thương hiệu, nhớ tên thương hiệu hoặc nghĩ đến thương hiệu đầu tiên.
Nhận biết thương hiệu cần được tách khỏi giá trị thương hiệu. Giá trị thương hiệu là khái niệm rộng hơn, có thể bao gồm nhận biết, liên tưởng, chất lượng cảm nhận và lòng trung thành. Bạn có thể xem thêm bài giá trị thương hiệu là gì để tránh dùng hai khái niệm này thay thế cho nhau trong mô hình.
Thang Likert 5 hoặc 7 mức đều có thể dùng, miễn là bạn giữ cùng một cách mã hóa trong toàn bộ bảng hỏi. Với thang 5 mức, câu trả lời thường đi từ 1 là “hoàn toàn không đồng ý” đến 5 là “hoàn toàn đồng ý”, theo logic đo lường thái độ của Likert (Likert, 1932).
Nguồn thang đo gốc
Khi tìm thang đo nhận biết thương hiệu, bạn sẽ gặp nhiều bộ biến quan sát được đăng lại trong luận văn hoặc bài viết trên Internet nhưng không có thông tin về tác giả, năm và bối cảnh gốc. Bạn không nên ghi một nguồn chỉ vì nó xuất hiện trong một bảng hỏi khác. Nguồn gốc phải được kiểm tra từ bài báo hoặc tài liệu phương pháp mà bạn thực sự có thể truy xuất.
Trong danh mục nguồn được phép sử dụng cho bài này, chưa có công trình chuyên biệt về bộ thang đo nhận biết thương hiệu. Vì vậy, bảng dưới đây phân biệt rõ phần có thể dùng làm cơ sở phương pháp với phần cần bạn xác minh thêm trước khi đưa vào luận văn. Cách ghi này an toàn hơn việc gán nhầm một bộ biến cho tác giả không có trong tài liệu.
| Nội dung cần xác minh | Thông tin nên ghi | Tình trạng sử dụng |
|---|---|---|
| Khái niệm và cách vận hành hóa | Định nghĩa nhận biết thương hiệu trong bối cảnh đề tài | Cần đối chiếu tài liệu chuyên ngành cụ thể |
| Thang đo Likert | Số mức đo, cách diễn giải và mã hóa | Có thể tham khảo Likert (1932) |
| Số biến quan sát | Thường bắt đầu với 3 đến 5 biến để thử nghiệm | Không xem là số cố định cho mọi đề tài |
| Bối cảnh gốc | Ngành, nhóm khách hàng, quốc gia và thời điểm nghiên cứu | Phải ghi đúng theo nguồn gốc |
| Tài liệu phương pháp tại Việt Nam | Cách trình bày quy trình kiểm định thang đo | Có thể tham khảo (Nguyễn Đình Thọ, 2011) |
Một bộ biến quan sát chỉ trở thành thang đo phù hợp với đề tài của bạn sau khi được điều chỉnh ngôn ngữ, thử nghiệm và kiểm định trên dữ liệu thực tế. Nếu bạn lấy biến từ một bài nghiên cứu cụ thể, hãy bổ sung tác giả, năm, tên công trình và bối cảnh gốc vào chương 3. Đừng ghi “tham khảo Internet” ở phần nguồn thang đo.
Bạn cũng cần phân biệt nhận biết thương hiệu với hình ảnh thương hiệu là gì. Hình ảnh thương hiệu nói về những liên tưởng và ấn tượng mà người tiêu dùng gắn với thương hiệu, còn nhận biết tập trung vào việc họ có nhận ra hoặc nhớ đến thương hiệu hay không.
Bộ biến quan sát tham khảo
Dưới đây là bộ câu chữ khởi đầu để bạn xây dựng bảng hỏi. Đây chưa phải bản dịch đã được xác nhận và chưa phải thang đo đã được kiểm định. Bạn cần thay [tên thương hiệu] bằng thương hiệu cụ thể, thay [ngành hàng] bằng sản phẩm hoặc dịch vụ của đề tài, rồi kiểm tra lại với giảng viên hướng dẫn.
| Mã biến | Biến quan sát tham khảo | Điều người trả lời đánh giá |
|---|---|---|
| NBTH1 | Tôi có thể nhận ra [tên thương hiệu] giữa các thương hiệu khác trong [ngành hàng]. | Khả năng nhận diện thương hiệu |
| NBTH2 | Tôi dễ dàng nhớ tên [tên thương hiệu] khi nghĩ đến [ngành hàng]. | Khả năng nhớ tên |
| NBTH3 | [Tên thương hiệu] là một thương hiệu quen thuộc đối với tôi. | Mức độ quen thuộc |
| NBTH4 | Tôi có thể nhận biết [tên thương hiệu] qua tên, logo hoặc hình ảnh đặc trưng. | Dấu hiệu nhận biết |
| NBTH5 | [Tên thương hiệu] là một trong những thương hiệu đầu tiên tôi nghĩ đến khi cần [ngành hàng]. | Mức độ hiện diện trong trí nhớ |
Các biến trên đang dùng đại từ “tôi” và một thương hiệu cụ thể để người trả lời có cùng điểm tham chiếu. Nếu đề tài khảo sát nhiều thương hiệu cùng lúc, bạn cần viết lại hướng dẫn để tránh việc một người trả lời nghĩ đến thương hiệu A ở biến này nhưng chuyển sang thương hiệu B ở biến sau.
Không nên đưa hai ý khác nhau vào cùng một biến, chẳng hạn “Tôi nhớ tên và thường xuyên mua [tên thương hiệu]”. Nhớ tên là nhận biết, còn mua lặp lại liên quan đến hành vi hoặc lòng trung thành. Một biến quan sát cần tập trung vào một biểu hiện để kết quả Cronbach's Alpha và EFA dễ diễn giải hơn.
Bạn cũng nên xem thang đo uy tín thương hiệu nếu mô hình có thêm biến uy tín. Uy tín, tình yêu thương hiệu và nhận biết thương hiệu có thể cùng xuất hiện trong một mô hình, nhưng mỗi biến phải có nhóm câu hỏi riêng. Tình yêu thương hiệu là gì là một ví dụ về khái niệm cảm xúc, không nên trộn câu hỏi cảm xúc vào nhóm nhận biết.
Điều chỉnh thang đo cho bối cảnh Việt Nam
Bản dịch tốt không chỉ thay từng từ tiếng Anh bằng một từ tiếng Việt. Bạn cần kiểm tra xem sinh viên, khách hàng hoặc nhân viên trong mẫu khảo sát có hiểu đúng thương hiệu, ngành hàng và thời gian hồi tưởng mà câu hỏi đề cập hay không.
Xác định đối tượng và thương hiệu tham chiếu
Trước khi viết bảng hỏi, hãy xác định người trả lời đã từng biết hoặc từng tiếp xúc với nhóm sản phẩm chưa. Nếu khảo sát người chưa từng nghe đến thương hiệu, nhiều câu trả lời sẽ phản ánh việc họ không đủ thông tin thay vì mức nhận biết thực sự.
Bạn có thể đặt câu hỏi sàng lọc ở đầu bảng hỏi, nhưng không dùng câu sàng lọc đó làm một biến trong thang đo. Cũng cần nói rõ người trả lời đánh giá thương hiệu nào, trong thời gian nào và ở thị trường nào.
Kiểm tra từ ngữ và độ dài câu
Đọc từng biến thành tiếng. Các cụm như “nhận biết”, “nhận ra”, “nhớ đến” và “quen thuộc” có thể gần nhau nhưng không hoàn toàn đồng nghĩa. Nếu bạn dùng cả bốn cụm, hãy ghi rõ lý do chúng đại diện cho các biểu hiện khác nhau của cùng một khái niệm.
Tránh câu phủ định kép vì người trả lời dễ chọn nhầm mức độ đồng ý. Với biến đảo chiều, chẳng hạn “Tôi khó nhận ra thương hiệu này”, bạn phải mã hóa ngược trước khi chạy Cronbach's Alpha. Nếu quên bước này, tương quan biến tổng có thể thấp và bạn có thể loại nhầm một biến tốt.
Chạy thử bảng hỏi
Hãy thử bảng hỏi trên một nhóm nhỏ có đặc điểm gần với mẫu chính. Mục tiêu của giai đoạn này là phát hiện câu khó hiểu, thương hiệu không quen thuộc, lựa chọn trả lời thiếu và thời gian hoàn thành quá dài. Bạn ghi lại biến nào bị hỏi lại nhiều nhất rồi sửa trước khi thu thập chính thức.
Nếu bạn thu thập trực tuyến, hãy kiểm tra dữ liệu xuất ra .csv hoặc .sav: mã biến phải ngắn, không có dấu cách, các mức Likert phải được mã bằng số và giá trị thiếu phải được quy ước thống nhất. Một công cụ biểu mẫu có thể giúp bạn triển khai bước này, nhưng công cụ không thay thế việc kiểm tra nội dung thang đo.
Kiểm định độ tin cậy và giá trị của thang đo
Bạn nên kiểm định theo thứ tự: kiểm tra dữ liệu, chạy Cronbach's Alpha, chạy EFA nếu thiết kế nghiên cứu yêu cầu, sau đó đánh giá cấu trúc nhân tố và giữ lại các biến phù hợp. Với mô hình dùng SmartPLS, quy trình sẽ chuyển sang đánh giá outer loading, CR, AVE và HTMT. Không lấy ngưỡng CFI, TLI hoặc RMSEA của CB-SEM để áp vào SmartPLS.
| Chỉ tiêu | Ngưỡng tham khảo | Nguồn |
|---|---|---|
| Cronbach's Alpha | Từ 0.7 trở lên | (Nunnally, 1978) |
| Alpha trong nghiên cứu khám phá | Có thể từ 0.6 | (Hair và cộng sự, 2010) |
| Corrected Item-Total Correlation | Từ 0.3 trở lên | (Nunnally và Bernstein, 1994) |
| KMO | Từ 0.5 trở lên | (Kaiser, 1974) |
| Factor loading trong EFA | Từ 0.5 trở lên | (Hair và cộng sự, 2010) |
| Total variance explained | Từ 50% trở lên | (Hair và cộng sự, 2010) |
| Outer loading trong PLS-SEM | Từ 0.7 trở lên | (Chin, 1998) |
| CR và AVE trong PLS-SEM | CR từ 0.7, AVE từ 0.5 | (Fornell và Larcker, 1981) |
| HTMT | Dưới 0.85, hoặc 0.90 với khái niệm gần nhau | (Henseler và cộng sự, 2015) |
Chạy Cronbach's Alpha trong SPSS
Mở Analyze > Scale > Reliability Analysis. Đưa các biến NBTH1 đến NBTH5 vào ô Items, chọn mô hình Alpha, sau đó bấm Statistics và đánh dấu Item, Scale, Scale if item deleted và Correlations. Bảng cần đọc là Reliability Statistics và Item-Total Statistics.
Nếu một biến có Corrected Item-Total Correlation thấp, bạn xem lại nội dung và hướng mã hóa trước khi loại. Cột Cronbach's Alpha if Item Deleted chỉ là thông tin hỗ trợ, không phải lệnh tự động xóa biến. Loại biến chỉ vì Alpha tăng nhẹ có thể làm khái niệm mất một biểu hiện quan trọng.
Chạy EFA trong SPSS
Vào Analyze > Dimension Reduction > Factor. Đưa nhóm biến vào Variables, chọn Descriptives để lấy KMO and Bartlett's Test, chọn Extraction với tiêu chí phù hợp, rồi chọn Rotation nếu bạn cần ma trận xoay để diễn giải. Các bảng thường được đọc gồm KMO and Bartlett's Test, Total Variance Explained và Rotated Component Matrix.
Nếu nhóm biến nhận biết thương hiệu bị tách thành hai nhân tố, bạn kiểm tra nội dung biến, factor loading, cross-loading và cơ sở lý thuyết trước khi quyết định. Bảng EFA ở lần chạy đầu thường chưa gọn. Loại biến, chạy lại và ghi lại từng vòng loại là quy trình cần được giải thích, không phải thao tác che giấu kết quả.
Ví dụ đọc bảng kết quả
Bảng sau chỉ là số liệu minh họa, không phải kết quả từ một nghiên cứu cụ thể. Tên cột được mô phỏng theo bảng Item-Total Statistics của SPSS để bạn biết cần nhìn vào đâu.
| Item | Scale Mean if Item Deleted | Corrected Item-Total Correlation | Cronbach's Alpha if Item Deleted |
|---|---|---|---|
| NBTH1 | 15.02 | 0.612 | 0.842 |
| NBTH2 | 14.88 | 0.684 | 0.817 |
| NBTH3 | 14.95 | 0.571 | 0.856 |
| NBTH4 | 15.10 | 0.734 | 0.795 |
| NBTH5 | 15.21 | 0.286 | 0.889 |
Trong ví dụ này, NBTH5 có Corrected Item-Total Correlation là 0.286, thấp hơn mốc 0.3 được nêu bởi (Nunnally và Bernstein, 1994). Bạn chưa nên xóa ngay. Hãy kiểm tra xem biến có bị mã hóa ngược, dùng từ khó hiểu hoặc đo sang khái niệm khác không. Nếu đã kiểm tra nội dung và chạy lại có cơ sở, bạn mới ghi rõ lý do loại NBTH5.
Cách viết vào luận văn: “Thang đo nhận biết thương hiệu gồm [số biến] biến quan sát, được kế thừa và điều chỉnh từ [tác giả, năm, nguồn gốc]. Sau khi kiểm định trên [cỡ mẫu] quan sát, biến [mã biến] được [giữ lại/loại bỏ] vì [lý do]. Cronbach's Alpha đạt [giá trị], các biến còn lại có Corrected Item-Total Correlation từ [giá trị thấp nhất] đến [giá trị cao nhất].”
Cách trình bày thang đo trong chương 3
Ở phần phương pháp, bạn nên trình bày từ khái niệm đến biến quan sát, thay vì chỉ chép một bảng câu hỏi. Đầu tiên, nêu nhận biết thương hiệu được định nghĩa thế nào trong đề tài. Tiếp theo, ghi nguồn gốc thang đo, số biến ban đầu, thang Likert và cách bạn điều chỉnh ngôn ngữ cho bối cảnh Việt Nam.
Bảng thang đo nên có mã biến, phát biểu, nguồn tham khảo và ghi chú điều chỉnh. Nếu nguồn gốc chưa được xác minh, hãy dừng để tìm tài liệu phù hợp trước khi nộp chương 3. Một bảng có nhiều biến nhưng thiếu nguồn sẽ khiến hội đồng hỏi ngay về cơ sở xây dựng thang đo.
Trong chương 4, bạn tách phần kết quả kiểm định khỏi phần mô tả bảng hỏi. Báo cáo số quan sát hợp lệ, Cronbach's Alpha, biến bị loại nếu có, kết quả KMO và Bartlett, số nhân tố, factor loading và tổng phương sai trích. Các con số phải lấy từ chính file .sav hoặc .csv của bạn.
Nếu nghiên cứu dùng SmartPLS, hãy trình bày theo hai phần: mô hình đo lường trước, mô hình cấu trúc sau. Báo cáo outer loading, CR, AVE, HTMT và các chỉ số liên quan đến mô hình của bạn. Uy tín thương hiệu là gì có thể là một biến khác trong mô hình, nhưng bạn cần kiểm tra HTMT giữa uy tín và nhận biết để bảo đảm giá trị phân biệt.
Lỗi thường gặp
Dùng “nhận biết” để đo hành vi mua
Các câu như “Tôi thường mua thương hiệu này” hoặc “Tôi sẵn sàng giới thiệu thương hiệu này” không đo nhận biết thương hiệu. Chúng liên quan đến hành vi mua, ý định hoặc trung thành. Nếu muốn giữ các câu đó, hãy đặt chúng vào biến khác và xây dựng giả thuyết riêng.
Lấy nguồn từ một luận văn nhưng không truy về nguồn gốc
Một luận văn có thể đã dịch, rút gọn hoặc thay đổi thang đo. Bạn cần truy lại tài liệu gốc, kiểm tra bối cảnh và ghi rõ phần điều chỉnh. Nếu không truy được nguồn, hãy nói với giảng viên rằng đây là bộ biến tham khảo và xin xác nhận trước khi dùng.
Xóa biến chỉ để Alpha tăng
Alpha cao hơn không tự động có nghĩa thang đo tốt hơn. Một biến bị xóa có thể đại diện cho khía cạnh quan trọng của nhận biết thương hiệu. Hãy kết hợp nội dung biến, Corrected Item-Total Correlation, kết quả EFA và lập luận lý thuyết.
Trộn nhiều thương hiệu trong một bảng trả lời
Nếu người trả lời thay đổi thương hiệu tham chiếu giữa các câu, dữ liệu mất tính nhất quán. Bạn nên dùng một thương hiệu cụ thể hoặc hướng dẫn rõ cách chọn thương hiệu mà họ biết nhất trước khi trả lời các biến NBTH.
Câu hỏi thường gặp
Nhận biết thương hiệu có phải là giá trị thương hiệu không?
Không. Nhận biết thương hiệu là một khía cạnh hẹp hơn, tập trung vào việc người trả lời nhận ra hoặc nhớ đến thương hiệu. Giá trị thương hiệu là khái niệm rộng và có thể bao gồm nhiều thành phần khác.
Nên dùng bao nhiêu biến quan sát cho nhận biết thương hiệu?
Bạn có thể bắt đầu với 3 đến 5 biến quan sát, nhưng con số cuối cùng phụ thuộc vào nguồn thang đo, bối cảnh và kết quả kiểm định. Đừng thêm biến chỉ để đủ số lượng. Với cỡ mẫu, quy tắc 5 đến 10 quan sát cho một biến quan sát thường được trích dẫn từ (Hair và cộng sự, 2010), nhưng bạn vẫn cần xem thiết kế mô hình và yêu cầu của trường.
Cronbach's Alpha thấp thì có phải bỏ toàn bộ thang đo không?
Chưa chắc. Bạn kiểm tra mã hóa, biến đảo chiều, cách diễn đạt và Corrected Item-Total Correlation trước. Alpha từ 0.7 trở lên thường được xem là đạt theo (Nunnally, 1978), còn nghiên cứu khám phá có thể tham khảo mốc 0.6 theo (Hair và cộng sự, 2010). Quyết định cuối cùng cần dựa trên cả lý thuyết và dữ liệu.
Có thể dùng thang đo nhận biết thương hiệu cho mọi ngành hàng không?
Bạn có thể dùng cấu trúc khái niệm làm điểm khởi đầu, nhưng câu chữ cần điều chỉnh theo ngành hàng, thương hiệu và nhóm người trả lời. Một biến phù hợp với ngân hàng có thể không tự nhiên khi dùng cho nhà hàng hoặc sàn thương mại điện tử.
Có cần chạy EFA nếu chỉ có một biến nhận biết thương hiệu không?
Nếu bạn đo nhận biết thương hiệu bằng nhiều biến quan sát và đang khám phá cấu trúc thang đo, EFA có thể cần thiết theo thiết kế nghiên cứu. Nếu mô hình đã có cấu trúc được xác nhận và bạn dùng SmartPLS, bạn đánh giá mô hình đo lường bằng outer loading, CR, AVE và HTMT theo quy trình phù hợp. Hãy thống nhất lựa chọn với mô hình và hướng dẫn của khoa.
Bạn hãy mở lại bảng hỏi và file dữ liệu, kiểm tra từng biến NBTH từ nguồn gốc, mã hóa đến kết quả Item-Total Statistics, sau đó ghi các quyết định giữ hoặc loại biến vào bản nháp chương 3 và chương 4. Nếu cần chạy phân tích trên chính file .sav hoặc .csv, bạn có thể dùng M4 phân tích dữ liệu của DoThesis.