Nghiên cứu các nhân tố ảnh hưởng đến sự phát triển của bảo hiểm trực tuyến tại Việt Nam nghiên cứu điển hình tại thành phố Hà Nội

iQJ 
7ӯÿӃQGѭӟLWULӋXÿӗQJWKiQJ 39 15.18% 
7ӯÿӃQGѭӟL7.5 WULӋXÿӗQJWKiQJ 21 8.17% 
7ӯ7.5 ÿӃQGѭӟL WULӋXÿӗQJWKiQJ 87 33.85% 
7ӯWULӋXÿӗQJWKiQJWUӣOrQ 113 43.97% 
/RҥLVҧQSKҭPEҧRKLӇP 
%ҧRKLӇPQKkQWKӑ 102 39.69% 
%ҧRKLӇPSKLQKkQWKӑ 155 60.31% 
4.3. Phân tích nhân tố khám phá 
Sử dụng phương pháp trích Principal Axis 
Factoring với phép xoay Promax (Gerbing & 
erson, 1988) với hệ số tải ≥ 0,5 (Hair & cộng sự, 
1998) đối với cả biến độc lập và biến phụ thuộc (sử 
dụng thang đo Likert). Thực hiện kiểm định 
Bartlett xem xét giả thuyết về độ tương quan giữa 
các biến quan sát (Trọng, 2008). Kết quả phân tích 
EFA lần 1 cho thấy, tổng phương sai trích bằng 
56.97% (> 50%), KMO là 0.841 (> 0.5) và kiểm 
định Bartlett có ý nghĩa thống kê (Sig. <0.05). Kết 
quả EFA lần 1 cho thấy, các biến quan sát 
NO_LUC2, RUI_RO4 và RUI_RO5 có hệ số tải 
<0.5, nên các biến này bị loại khỏi mô hình. Kết 
quả EFA lần 2 cho thấy, tổng phương sai trích là 
59.59% (> 50%), KMO đạt 0.85 (> 0.5), kiểm định 
Bartlett có ý nghĩa thống kê (Sig. <0.05). 
Sau khi phân tích khám phá EFA, mô hình 
không có sự khác biệt với mô hình nghiên cứu, chỉ 
có một số biến quan sát không đảm bảo đủ tin cậy 
nên loại ra khỏi biến nghiên cứu. Không có nhóm 
nhân tố mới. 
4.4. Phân tích nhân tố khẳng định (CFA) 
Kết quả phân tích nhân tố khẳng định cho thấy, 
mô hình nghiên cứu thích hợp với dữ liệu thị 
trường với các kết quả đạt được là CMIN/df = 
1.190 < 2, RMSEA = 0.028 < 0.06. Giá trị TLI = 
0.976; GFI = 0.909; CFI = 0.980 thỏa mãn điều 
kiện > 0,9; PCLOSE = 1,000 > 0.05. Kết quả P-
value của các biến quan sát biểu diễn các nhân tố 
đều có giá trị Sig.= 0,000. Do đó, các biến quan sát 
được khẳng định có khả năng biểu diễn tốt cho 
nhân tố mô hình CFA. 
Bên cạnh đó, kết quả phân tích nhân tố khẳng 
định cũng cho thấy các trọng số (chuẩn hóa) đều > 
0,5 và các trọng số (chưa chuẩn hóa) đều có ý nghĩa 
thống kê (Sig.0,5 
nên các khái niệm đạt được giá trị hội tụ. Kết quả 
phân tích cũng cho thấy, căn bậc hai của AVE lớn 
hơn các tương quan giữa các biến với nhau, giá trị 
MSV nhỏ hơn AVE. Do vậy, tính phân biệt được 
đảm bảo. 
4.5. Kiểm định độ tin cậy 
Kết quả phân tích cho thấy, giá trị Cronbach’s 
Alpha của từng nhân tố đều lớn hơn 0,7 và giá trị hệ 
số tương quan biến tổng đạt mức lớn hơn 0,3. Ngoài 
ra, độ tin cậy tổng hợp lớn hơn 0,7 và giá trị phương 
sai trích của từng nhân tố đều lớn hơn 0,5. Như vậy, 
các nhân tố trong mô hình đảm bảo độ tin cậy. 
4.6. Mô hình cấu trúc tuyến tính (SEM) 
Kết quả phân tích cấu trúc tuyến tính SEM cho 
thấy các giá trị đều thỏa mãn nên mô hình hoàn toàn 
phù hợp với dữ liệu thị trường và có thể dùng để 
kiểm định các mối quan hệ được kỳ vọng và đã nêu 
ra trong mô hình giả thiết (Hình 2). 
Theo kết quả phân tích ta thấy, nhân tố nỗ lực kỳ 
vọng và điều kiện thuận lợi không có ảnh hưởng đến 
ý định sử dụng BHTT, nhân tố điều kiện thuận lợi 
không ảnh hưởng đến hành vi sử dụng (giá trị P-
Value > 0.05, không có ý nghĩa thống kê). Có thể 
thấy, kết quả này phản ánh một thực tế là hiện có rất 
nhiều khách hàng sử dụng điện thoại thông minh, có 
35
?
Sè 135/2019
QUẢN TRỊ KINH DOANH
thương mại
khoa học
Bảng 2: Thống kê mô tả các biến trong mô hình nghiên cứu 
(Nguồn: Nhóm tác giả tổng hợp từ SPSS 20.0) 
7rQELӃQ No of 
Items 
Mean Std. Dev 
HQUA +LӋXTXҧPRQJÿӧL 3 2.91 0.94 
NO_LUC 1ӛOӵFNǤYӑQJ 4 2.30 0.76 
AHUONG ҦQKKѭӣQJ[mKӝL 3 2.54 0.91 
DKTL ĈLӅXNLӋQWKXұQOӧL 4 2.58 0.72 
RUI_RO 1KұQWKӭFUӫLUR 4 4.12 0.70 
NIEM_TIN 1LӅPWLQ 3 2.51 0.88 
Y_DINH éÿӏQKVӱGөQJ 3 2.05 0.65 
HV +jQKYLVӱGөQJ 4 2.60 0.65 
?kết nối internet nhưng họ không có ý định sử dụng 
BHTT. Để tìm hiểu rõ hơn nguyên nhân của vấn đề, 
nhóm nghiên cứu đã phỏng vấn khách hàng và kết 
quả là gần 35% khách hàng trả lời rằng họ không 
biết gì về BHTT, gần 50% khách hàng trả lời rằng 
mua BHTT đối với họ 
khá rủi ro. Ngoài ra, nhân 
tố nỗ lực kỳ vọng cũng 
không có tác động đến ý 
định sử dụng BHTT. Vấn 
đề này có thể được lý giải 
là do khách hàng, đặc biệt 
là nhóm khách hàng trẻ, 
rất hiểu và dễ dàng ứng 
dụng công nghệ thông tin 
trong việc mua bảo hiểm 
nên việc họ quyết định có 
mua BHTT hay không 
không phụ thuộc vào 
nhân tố này. Họ chủ yếu 
quan tâm cân nhắc lợi ích 
và rủi ro khi sử dụng dịch 
vụ hơn là cách thức thao 
tác để mua sản phẩm trên 
máy tính hay điện thoại. 
Thêm vào đó, kết quả 
nghiên cứu còn cho thấy 
nhân tố niềm tin có tác 
động đến nhận thức rủi 
ro, hiệu quả mong đợi và 
nỗ lực kỳ vọng. Theo đó, 
khi niềm tin tăng lên thì 
nhận thức rủi ro giảm 
xuống và nhận thức rủi ro 
có tác động ngược chiều 
đến ý định sử dụng 
BHTT (Bảng 6). 
Căn cứ vào thứ tự 
hệ số hồi quy chuẩn 
hóa ta có thể thấy được 
thứ tự tác động của các 
yếu tố như sau: (Bảng 
7; Bảng 8) 
Kết quả bảng 8 cho 
thấy: 
- Giá trị R2 với hồi 
quy của biến phụ thuộc 
RUI_RO là 0.064. Như 
vậy, biến độc lập 
NIEM_TIN giải thích được 6.4% sự biến thiên của 
biến RUI_RO. 
- Giá trị R2 với hồi quy của biến phụ thuộc 
HQUA là 0.179. Như vậy, biến độc lập NIEM_TIN 
Sè 135/201936
QUẢN TRỊ KINH DOANH
thương mại
khoa học
Bảng 3: Kết quả phân tích nhân tố khám phá 
(Nguồn: Nhóm tác giả tổng hợp từ SPSS 20.0) 
%LӃQ Mã hóa Factor Loadings 
1KkQWӕ 
+LӋXTXҧPRQJÿӧL 
QKkQWӕ 
HQUA1 
HQUA3 
HQUA2 
0.800 
0.764 
0.733 
1KkQWӕ 
1ӛOӵFNǤYӑQJ 
QKkQWӕ 
NO_LUC4 
NO_LUC3 
NO_LUC1 
0.816 
0.794 
0.570 
1KkQWӕ 
ҦQKKѭӣQJ[mKӝL 
QKkQWӕ 
 AHUONG1 
AHUONG2 
AHUONG3 
0.889 
0.791 
0.565 
1KkQWӕ 
ĈLӅXNLӋQWKXұQOӧL 
(3 nhâQWӕ 
DKTL3 
DKTL2 
DKTL4 
DKTL1 
0.877 
0.812 
0.779 
0.556 
1KkQWӕ 
5ӫLUR 
QKkQWӕ 
RUI_RO2 
RUI_RO3 
RUI_RO1 
0.775 
0.736 
0.685 
1KkQWӕ 
1LӅPWLQ 
QKkQWӕ 
NIEM_TIN3 
NIEM_TIN2 
NIEM_TIN1 
0.831 
0.682 
0.575 
1KkQWӕ 
éÿӏQKVӱGөQJ 
QKkQWӕ 
Y_DINH2 
Y_DINH3 
Y_DINH1 
0.794 
0.792 
0.774 
1KkQWӕ 
+jQKYLVӱGөQJ 
QKkQWӕ 
HV4 
HV3 
HV2 
HV1 
0.767 
0.715 
0.703 
0.512 
37
?
Sè 135/2019
QUẢN TRỊ KINH DOANH
thương mại
khoa học
Bảng 4: Kết quả kiểm định tính phân biệt của thang đo 
(Nguồn: Nhóm tác giả tổng hợp từ SPSS 20.0)
AVE MSV NO_LUC AHUONG DKTL HQUA NIEM_TIN RUI_RO Y_DINH HV 
NO_LUC 0.505 0.073 0.711 
AHUONG 0.622 0.302 0.254** 0.789 
DKTL 0.573 0.027 0.072 0.151* 0.757 
HQUA 0.608 0.319 0.266** 0.446*** 0.067 0.78 
NIEM_TIN 0.549 0.391 0.271** 0.388*** 0.166* 0.370*** 0.741 
RUI_RO 0.526 0.13 -0.170* -0.117 0.001 -0.228** -0.226** 0.725 
Y_DINH 0.644 0.416 0.227** 0.550*** 0.1 0.517*** 0.583*** 
-
0.361*** 
0.802 
HV 0.518 0.416 0.176* 0.502*** -0.04 0.565*** 0.625*** 
-
0.324*** 
0.645*** 0.72 
(Nguồn: Nhóm tác giả tổng hợp từ AMOS 7.0) 
Hình 1: Kết quả phân tích nhân tố khẳng định 
?giải thích được 17.9% sự biến thiên của biến 
HQUA. 
- Giá trị R2 với hồi quy của biến phụ thuộc 
NO_LUC là 0.107. Như vậy, biến độc lập 
NIEM_TIN giải thích được 10.7% sự biến thiên của 
biến NO_LUC. 
- Giá trị R2 với hồi quy của biến phụ thuộc 
Y_DINH là 0.616. Như vậy, các biến độc lập có ý 
nghĩa thống kê giải thích được 61.6% sự biến thiên 
của biến Y_DINH. 
- Giá trị R2 với hồi quy của biến phụ thuộc HV 
là 0.523. Như vậy, biến độc lập Y_DINH giải thích 
được 52.3% sự biến thiên của biến HV. 
Sè 135/201938
QUẢN TRỊ KINH DOANH
thương mại
khoa học
Bảng 5: Kết quả kiểm định độ tin cậy của thang đo 
(Nguồn: Nhóm tác giả tổng hợp từ SPSS 20.0) 
7rQELӃQ 6ӕ
nhân 
Wӕ 
&URQEDFK¶V 
Alpha 
CR AVE 
HQUA +LӋXTXҧPRQJÿӧL 3 0.821 0.823 0.608 
NO_LUC 1ӛOӵFNǤYӑQJ 4 0.751 0.752 0.505 
AHUONG ҦQKKѭӣQJ[mKӝL 3 0.823 0.831 0.622 
DKTL ĈLӅXNLӋQWKXұQOӧL 4 0.831 0.839 0.573 
RUI_RO 1KұQWKӭFUӫLUR 4 0.684 0.769 0.526 
NIEM_TIN 1LӅPWLQ 3 0.785 0.784 0.549 
Y_DINH éÿӏQKVӱGөQJ 3 0.843 0.844 0.644 
HV Hành vi sӱGөQJ 4 0.805 0.811 0.518 
(Nguồn: Nhóm tác giả tổng hợp từ AMOS 7.0) 
Hình 2: Mô hình cấu trúc tuyến tính 
Để phát triển bảo hiểm trực tuyến ở Việt Nam, 
nhóm nghiên cứu xin đề xuất một số giải pháp 
như sau: 
* Về phía chính phủ: 
Sự hỗ trợ, tạo điều kiện từ phía nhà nước là rất 
cần thiết với một số biện pháp tiêu biểu như sửa đổi, 
bổ sung kịp thời các điều luật về giao dịch, thanh 
toán qua công nghệ hay áp dụng đồng bộ các cơ chế, 
chính sách khuyến khích, ưu đãi cho hoạt động công 
nghệ cao ở các DNBH. Thêm vào đó, cần hơn nữa 
sự hợp tác giữa ngành liên quan để cải thiện hệ 
thống giáo dục một cách toàn 
diện nhằm nâng cao dân trí 
toàn dân về bảo hiểm trực 
tuyến nói riêng và bảo hiểm 
công nghệ cao nói chung. 
* Về phía các doanh 
nghiệp bảo hiểm: 
DNBH cần phát triển 
mạng lưới giao dịch trực 
tuyến về cả chiều rộng (tăng 
số lượng kênh và số lượng 
công ty sử dụng kênh phân 
phối trực tuyến) lẫn chiều sâu 
(tăng chất lượng kênh phân 
phối). Ngoài ra, các DNBH 
cần có những chính sách và 
chương trình nhằm thu hút 
thêm nhiều khách hàng sử 
dụng phương thức 
giao dịch trực 
tuyến. Do đó 
DNBH cần đẩy 
mạnh thực hiện 
một số phương 
pháp marketing, 
cả trên kênh 
online lẫn trên 
báo, đài, tivi, 
email... 
Kết luận 
Kết quả 
nghiên cứu cho 
thấy BHTT ở Việt 
Nam đang trong 
giai đoạn đầu với số lượng người sử dụng còn khiêm 
tốn và hầu hết khách hàng hiện nay tiếp cận với dịch 
vụ bảo hiểm qua kênh bán hàng truyền thống. Ngoài 
ra, nghiên cứu cũng chỉ ra mô hình hợp nhất chấp 
nhận và sử dụng công nghệ là thích hợp đối với 
BHTT ở Việt Nam. Cũng theo kết quả nghiên cứu 
này, các DNBH cần nỗ lực hơn trong việc tạo ra giao 
diện thân thiện với người sử dụng hơn và tích cực 
quảng bá BHTT để khách hàng thấy được lợi ích 
thiết thực khi sử dụng BHTT. Thêm vào đó, nghiên 
39
?
Sè 135/2019
QUẢN TRỊ KINH DOANH
thương mại
khoa học
Bảng 6: Hệ số hồi quy 
(Nguồn: Nhóm tác giả tổng hợp từ SPSS 20.0) 
Estimate S.E. C.R. P 
HQUA <--- NIEM_TIN .434 .081 5.347 *** 
NO_LUC <--- NIEM_TIN .321 .078 4.125 *** 
RUI_RO <--- NIEM_TIN -.170 .054 -3.119 .002 
Y_DINH <--- HQUA .188 .049 3.792 *** 
Y_DINH <--- NO_LUC -.026 .048 -.539 .590 
Y_DINH <--- AHUONG .239 .052 4.572 *** 
Y_DINH <--- DKTL -.014 .043 -.322 .747 
Y_DINH <--- RUI_RO -.236 .072 -3.282 .001 
Y_DINH <--- NIEM_TIN .305 .067 4.542 *** 
HV <--- Y_DINH .596 .076 7.811 *** 
HV <--- DKTL -.062 .039 -1.594 .111 
Bảng 7: Thứ tự tác động của các yếu tố 
(Nguồn: Nhóm tác giả tổng hợp từ SPSS 20.0) 
%LӃQFKӏXWiFÿӝQJ 7KӭWӵELӃQWiFÿӝQJ 
Y_DINH NIEM_TIN > AHUONG > RUI_RO >HQUA 
Bảng 8: Squared Multiple Correlations 
(Nguồn: Nhóm tác giả tổng hợp từ SPSS 20.0) 
&KӍ
tiêu 
1KұQWKӭF 
UӫLUR 
+LӋXTXҧ 
PRQJÿӧL 
1ӛOӵF
NǤYӑQJ 
éÿӏQK 
VӱGөQJ 
Hành vi 
VӱGөQJ 
*LiWUӏ 0.064 0.179 0.107 0.616 0.523 
cứu này đã cho thấy sự tác động của các biến nhận 
thức rủi ro, niềm tin, ảnh hưởng xã hội và hiệu quả 
mong đợi đến ý định sử dụng BHTT cũng như mối 
quan hệ giữa hai biến ý định sử dụng và hành vi sử 
dụng BHTT.u 
Tài liệu tham khảo: 
1. Antonella Cappiello (2018), Technology and 
the Insurance Industry: Re-configuring the 
Competitive Landscape. 
2. Ajzen, I. (1991), The Theory of Planned 
Behaviour. Organizational Behaviour and Human 
Decision Processes. 
3. CB Insights (2017), Insurance Tech startups 
Raise $1.7B Across 173 Deals in 2016, www.cbin-
sights.com/blog/2016-insurance-tech-funding 
4. CB Insights (2017), Where Insurers and 
Reinsurers Invested in Tech startups in 2016, 
www.cbinsights.com/blog/2016-insurance-cvc-total 
5. Dr r. Velmurgan (2015), SWOT analysis for 
online insurance india, Vol.03 Issue-11 
International Journal in Management and Social 
Science 
6. Institute of International Finance (2016), 
Innovation in insurance: how technology is chang-
ing the industry. 
7. https://www.iif.com/system/les/32370132_ 
insurance_innovation_report_2016.pdf 
8. Natalie de Freitas (2018), Investment in 
Insurtech Industry Surged in 2017, with Europe 
Emerging as Key Insurtech Hub Ireland, 
https://newsroom. accenture.com/news/investment-
in-insurtech-industry-surged-in-2017-with-europe-
emerging-as-key-insurtech-hub-accenture-analysis- 
nds.htm 
9. Geetha, K., and Malarvizhi, V. (2012), 
Assessment ofa Modified Technology Acceptance 
Model among E-banking Customers in Coimbatore 
City, International Journal of Innovation, 
Management and Technology, Vol. 3, No. 2, pp. 
181-187. 
10. Lai, V. S., & Li, H. (2005), Technology 
acceptancemodel for internet banking: an invari-
ance analysis, Information & management, 42(2), 
373-386. 
11. Jackson Mueller (2018), InsurTech rising: A 
profile of the InsurTech lanscape Milken Institute 
Center for Financial Markets. 
12. Valentina Gatteschi, Fabrizio Lamberti, 
Claudio Demartini, Chiara Pranteda and Victor 
Santamaria (2018), Blockchain and Smart Contracts 
for Insurance: Is the Technology Mature Enough?, 
https://www.mdpi.com/journal/futureinternet 
13. Nguyen Thanh Huyen, Tran Thi Thu Trang 
and Le Thanh Huyen (2018), The prospects of 
applying theblockchain technology in the insurance 
sectorin developing countries: a context of Vietnam, 
International CNU Alumni Conference at 
Chungnam National University 
14. Venkatesh, V., ong, J. Y., & Xu, X. (2012), 
Consumer acceptance and use of information tech-
nology: extending the uni ed theory of acceptance 
and use of technology, MIS quarterly, 157-178. 
Summary 
Along with the robust development of the 
Industrial Revolution 4.0, online insurance has 
become a new trend in providing insurance products 
over the world. In Vietnam, several insurance com-
panies have proactively applied modern technolo-
gies in their business including online insurance. 
However online insurance is still limited, and there 
are no studies on customer’s acceptance of this serv-
ice. Therefore, the research group investigates cus-
tomer’s demand for online insurance and factors 
influencing online insurance use intention and 
behaviour of the customer under UTAUT (The uni-
fied theory of acceptance and use of technology). 
The research group adopts SEM (Structural 
Equation Modeling) to assess the relationship of the 
elements in the model. The research results show 
that the factors of risk awareness, belief, social 
impacts, and the expected effectiveness have influ-
ence on the intention to use online insurance and the 
inter-relationship between the intention and the 
behaviour of using online insurance. 
Sè 135/201940
QUẢN TRỊ KINH DOANH
thương mại
khoa học