Ảnh hưởng của các đặc tính nội dung do trí tuệ nhân tạo tạo ra đến độ tin cậy nội dung trong mua sắm trực tuyến: bằng chứng thực nghiệm tại Đà Nẵng
Tóm tắt: 0
| 
PDF: 1 
##plugins.themes.academic_pro.article.main##
Author
Từ khóa:
Độ tin cậy nội dung
nội dung do trí tuệ nhân tạo tạo ra
truyền thông số
thương mại điện tử
trí tuệ nhân tạo
Tóm tắt
Trong bối cảnh thương mại điện tử phát triển nhanh, nội dung do trí tuệ nhân tạo tạo ra (AIGC) ngày càng được ứng dụng nhằm cá nhân hóa trải nghiệm khách hàng. Tuy nhiên, mức độ tin cậy của nội dung này vẫn còn gây tranh luận. Nghiên cứu này phân tích ảnh hưởng của các đặc tính nội dung AIGC đến độ tin cậy nội dung trong môi trường trực tuyến. Dữ liệu thu thập từ 421 người tiêu dùng tại Đà Nẵng và được phân tích bằng mô hình PLS-SEM. Kết quả cho thấy, tính cung cấp thông tin, mức độ cá nhân hóa và trí tuệ cảm nhận đều tác động tích cực đáng kể đến độ tin cậy nội dung. Ngược lại, cảm giác kỳ quặc tác động tiêu cực, trong khi tính chân thực cảm nhận không có ý nghĩa thống kê. Kết quả góp phần làm rõ cơ chế hình thành lòng tin đối với AIGC và cung cấp hàm ý thực tiễn cho doanh nghiệp trong thiết kế, triển khai nội dung hiệu quả và uy tín trên môi trường số.
Tài liệu tham khảo
-
[1] The Business Research Company, "Artificial intelligence in marketing global market report 2023," The Business Research Company, 2023. [Online]. Available: https://www.thebusinessresearchcompany.com/report/artificial-intelligence-in-marketing-global-market-report. [Accessed Sept. 24, 2025].
[2] McKinsey and Company, "The economic potential of generative AI: The next productivity frontier," www.mckinsey.com, June 2023. [Online]. Available: https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier. [Accessed Sept. 24, 2025].
[3] A. Bleier and M. Eisenbeiss, “Personalized online advertising effectiveness: The interplay of what, when, and where,” Marketing Science, vol. 34, no. 5, pp. 669–688, 2015. https://doi.org/10.1287/mksc.2015.0930
[4] E. Aguirre, D. Mahr, D. Grewal, K. de Ruyter, and M. Wetzels, “Unraveling the personalization paradox: The effect of information collection and trust-building strategies on online advertisement effectiveness,” Journal of Retailing, vol. 91, no. 1, pp. 34–49, 2015. https://doi.org/10.1016/j.jretai.2014.09.005
[5] S. S. Sundar and J. Kim, “Interactivity and persuasion: Influencing attitudes with information and involvement,” Journal of Interactive Advertising, vol. 5, no. 2, pp. 5–18, 2005. https://doi.org/10.1080/15252019.2005.10722097
[6] A. J. Flanagin and M. J. Metzger, “The role of site features, user attributes, and information verification behaviors on the perceived credibility of web-based information,” New Media & Society, vol. 9, no. 2, pp. 319–342, 2007. https://doi.org/10.1177/1461444807075015
[7] C. Gu, S. Jia, J. Lai, R. Chen, and X. Chang, “Exploring consumer acceptance of AI-generated advertisements: From the perspectives of perceived eeriness and perceived intelligence,” Journal of Theoretical and Applied Electronic Commerce Research, vol. 19, no. 3, pp. 2218–2238, 2024. https://doi.org/10.3390/jtaer19030108
[8] T. H. Baek, J. Kim, and J. H. Kim, “Effect of disclosing AI-generated content on prosocial advertising evaluation,” International Journal of Advertising, vol. 45, no. 1, pp. 171–192, 2024. https://doi.org/10.1080/02650487.2024.2401319
[9] G. K. An and T. T. A. Ngo, “AI-powered personalized advertising and purchase intention in Vietnam’s digital landscape: The role of trust, relevance, and usefulness,” Journal of Open Innovation: Technology, Market, and Complexity, vol. 11, no. 3, Art. no. 100580, Sept. 2025. https://doi.org/10.1016/j.joitmc.2025.100580
[10] C. I. Hovland, I. L. Janis, and H. H. Kelley, Communication and Persuasion. New Haven, CT: Yale University Press, 1953.
[11] C. Pornpitakpan, “The persuasiveness of source credibility: A critical review of five decades’ evidence,” Journal of Applied Social Psychology, vol. 34, no. 2, pp. 243–281, 2004. https://doi.org/10.1111/j.1559-1816.2004.tb02547.x
[12] N. Eman, “Customer perception of AI-generated content and its impact on brand trust: An empirical study in the Egyptian market using structural equation modeling,” International Journal of Artificial Intelligence and Emerging Technology, vol. 8, no. 1, pp. 1–16, 2025.
[13] J. T. Cacioppo, R. E. Petty, C. F. Kao, and R. Rodriguez, “Central and peripheral routes to persuasion: An individual difference perspective,” Journal of Personality and Social Psychology, vol. 51, no. 5, pp. 1032–1043, 1986. https://psycnet.apa.org/doi/10.1037/0022-3514.51.5.1032
[14] T. Davenport, A. Guha, D. Grewal, and T. Bressgott, “How artificial intelligence will change the future of marketing,” Journal of the Academy of Marketing Science, vol. 48, no. 1, pp. 24–42, 2020.
[15] R. Kumar, “AI in consumer electronics marketing: A bibliometric analysis,” SSRN, preprint no. 5199590, 2024. https://dx.doi.org/10.2139/ssrn.5199590
[16] D. Grewal, J. Hulland, P. K. Kopalle, and E. Karahanna, “The future of technology and marketing: A multidisciplinary perspective,” Journal of the Academy of Marketing Science, vol. 48, no. 1, pp. 1–8, 2020. https://doi.org/10.1007/s11747-019-00711-4
[17] D. Belanche, L. V. Casaló, and M. Flavián, “Human versus virtual influences: A comparative study,” Journal of Business Research, vol. 173, Art. no. 114493, 2024. https://doi.org/10.1016/j.jbusres.2023.114493
[18] M.-H. Huang and R. T. Rust, “A strategic framework for artificial intelligence in marketing,” Journal of the Academy of Marketing Science, vol. 49, no. 1, pp. 30–50, 2021. https://doi.org/10.1007/s11747-020-00749-9
[19] S. Puntoni, R. W. Reczek, M. Giesler, and S. Botti, “Consumers and artificial intelligence: An experiential perspective,” Journal of Marketing, vol. 85, no. 1, pp. 131–151, 2021. https://doi.org/10.1177/0022242920953847
[20] F. Morhart, L. Malär, A. Guèvremont, F. Girardin, and B. Grohmann, “Brand authenticity: An integrative framework and measurement scale,” Journal of Consumer Psychology, vol. 25, no. 2, pp. 200–218, 2015. https://doi.org/10.1016/j.jcps.2014.11.006
[21] J. Napoli, S. J. Dickinson, M. B. Beverland, and F. Farrelly, “Measuring consumer-based brand authenticity,” Journal of Business Research, vol. 67, no. 6, pp. 1090–1098, 2014. https://doi.org/10.1016/j.jbusres.2013.06.001
[22] R. H. Ducoffe, “Advertising value and advertising on the web,” Journal of Advertising Research, vol. 36, no. 5, pp. 21–35, 1996. https://doi.org/10.1080/00218499.1996.12466626
[23] A. Appelman and S. S. Sundar, “Measuring message credibility: Construction and validation of an exclusive scale,” Journalism & Mass Communication Quarterly, vol. 93, no. 1, pp. 59–79, 2016. https://doi.org/10.1177/1077699015606057
[24] A. J. Flanagin and M. J. Metzger, “Trusting expert- versus user-generated ratings online,” Computers in Human Behavior, vol. 29, no. 4, pp. 1626–1634, 2013. https://doi.org/10.1016/j.chb.2013.02.001
[25] D. J. Kim, D. L. Ferrin, and H. R. Rao, “A trust-based consumer decision-making model in electronic commerce,” Decision Support Systems, vol. 44, no. 2, pp. 544–564, 2008. https://doi.org/10.1016/j.dss.2007.07.001
[26] D.-H. Shin, “The effects of explainability and causability on perception, trust, and acceptance,” International Journal of Human–Computer Studies, vol. 146, Art. no. 102551, 2021. https://doi.org/10.1016/j.ijhcs.2020.102551
[27] D. Gursoy et al., “Consumers’ acceptance of artificially intelligent (AI) device use in service delivery,” International Journal of Information Management, vol. 49, pp. 157–169, 2019. https://doi.org/10.1016/j.ijinfomgt.2019.03.008
[28] Digital, We Are Social and Meltwater, Vietnam, DataReportal, 2024. [Online]. Available: https://www.datareportal.com/reports/digital-2024-vietnam [Accessed: 30-Oct-2025].
[29] J. F. Hair et al., A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM), 2nd ed. Thousand Oaks, CA, USA: Sage, 2017.
[30] R. B. Kline, Principles and Practice of Structural Equation Modeling, 4th ed. New York, NY, USA: Guilford Press, 2016.
[31] N. Kock, “Common method bias in PLS-SEM: A full collinearity assessment approach,” International Journal of e-Collaboration, vol. 11, no. 4, pp. 1–10, 2015. https://doi.org/10.4018/ijec.2015100101
[32] McKinsey & Company, “The economic potential of generative AI: The next productivity frontier,” www.mckinsey.com, 2023. [Online]. Available: https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier [Accessed: 30-Oct-2025].
Xem thêm
##plugins.themes.academic_pro.article.sidebar##
Đã Xuất bản
Apr 29, 2026
Download
Cách trích dẫn
Tuyet, L. T. K., N. H. Tung, N. H. Q. Huong, và V. N. Nguyen. “Ảnh hưởng của các đặc tính nội Dung Do Trí tuệ nhân tạo tạo Ra đến độ Tin cậy nội Dung Trong Mua sắm trực tuyến: Bằng chứng thực nghiệm tại Đà Nẵng”. Tạp Chí Khoa học Và Công nghệ Đại học Đà Nẵng, vol 24, số p.h 4, Tháng Tư 2026, tr 43-49, doi:10.31130/ud-jst.2026.24(4).014.
