Giới thiệu dự án

Thị trường F&B (Food & Beverage) tại Việt Nam duy trì tốc độ tăng trưởng bình quân 10-12%/năm, trong đó phân khúc chuỗi cửa hàng cà phê chứng kiến sự cạnh tranh khốc liệt giữa các thương hiệu lớn như The Coffee House, Highlands Coffee, Phúc Long và hàng loạt quán cà phê độc lập. Tại Thành phố Thủ Đức – đô thị sáng tạo tập trung hơn 150.000 sinh viên từ hệ thống Đại học Quốc gia TP.HCM, Trường Đại học Ngân hàng TP.HCM (HUB), Trường Đại học Sư phạm Kỹ thuật TP.HCM – nhóm khách hàng sinh viên đóng vai trò là động lực doanh thu và định hình xu hướng tiêu dùng không gian học tập (study-cafe).

+-----------------------------------------------------------------------------------+
|                        BỐI CẢNH THỊ TRƯỜNG F&B THỦ ĐỨC                            |
+-----------------------------------------+-----------------------------------------+
| Quy mô phân khúc:                       | Thách thức cốt lõi:                     |
| - >150.000 sinh viên tại TP. Thủ Đức     | - Tỷ lệ chuyển đổi thương hiệu cao      |
| - Tần suất ghé quán: 77,6% < 3 lần/tháng| - Nhạy cảm cao về giá và khuyến mãi     |
| - Nhu cầu: Học tập, làm việc nhóm, kết  | - Chi phí mặt bằng & vận hành tăng cao  |
|   nối xã hội kết hợp trải nghiệm dịch vụ | - Cạnh tranh gay gắt từ chuỗi đối thủ   |
+-----------------------------------------+-----------------------------------------+

Vấn đề đặt ra là dù The Coffee House sở hữu mạng lưới hơn 150 cửa hàng trên 18 tỉnh thành, tỷ lệ sinh viên tại TP. Thủ Đức đến quán thường xuyên (trên 3 lần/tháng) chỉ chiếm 22,4%, trong khi có đến 77,6% sinh viên chỉ ghé dưới 3 lần/tháng. Việc thiếu các mô hình định lượng chuẩn xác về các nhân tố kích hoạt hành vi mua dẫn đến sự lãng phí ngân sách tiếp thị và bố trí dịch vụ chưa tối ưu.

Mục tiêu cụ thể của đề tài nghiên cứu:

  1. Xác định hệ thống 05 nhân tố độc lập chi phối hành vi lựa chọn quán của sinh viên: Cảm nhận về giá cả, Chất lượng sản phẩm, Chất lượng dịch vụ, Phân phối sản phẩm và Khuyến mãi.
  2. Đo lường và kiểm định mức độ tác động của từng nhân tố thông qua mô hình hồi quy tuyến tính bội trên tập dữ liệu khảo sát thực nghiệm.
  3. Đề xuất hệ thống hàm ý quản trị khả thi giúp The Coffee House tối ưu hóa trải nghiệm khách hàng và gia tăng thị phần sinh viên.

Giải pháp sử dụng mô hình nghiên cứu kết hợp giữa Thuyết hành động hợp lý (Theory of Reasoned Action - TRA), Thuyết hành vi dự định (Theory of Planned Behavior - TPB) và mô hình chất lượng dịch vụ SERVQUAL. Phương pháp định lượng thực nghiệm qua phần mềm xử lý thống kê giúp kiểm định giả thuyết với độ tin cậy $p < 0,05$.

Phạm vi nghiên cứu tập trung vào sinh viên các trường đại học, cao đẳng trên địa bàn TP. Thủ Đức, thời gian thu thập dữ liệu từ tháng 06/2023 đến tháng 08/2023, xử lý mẫu hợp lệ $N = 152$ từ 155 phiếu khảo sát ban đầu (đạt tỷ lệ phản hồi hợp lệ 98,06%).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu hành vi tiêu dùng truyền thống thường dựa vào khảo sát định tính hoặc thống kê mô tả đơn giản, thiếu kiểm định độ tin cậy thang đo và tương quan đa biến, dẫn đến các quyết định quản trị mang tính cảm tính.

Tiêu chí phân tích Khảo sát định tính truyền thống Phân tích hồi quy định lượng (Đề tài)
Độ chuẩn xác đo lường Thấp, dễ sai lệch do định kiến chủ quan Cao, kiểm định qua Cronbach's Alpha $\ge 0,7$
Phát hiện đa cộng tuyến Không hỗ trợ kiểm tra sai số Kiểm soát chặt qua hệ số phóng đại phương sai (VIF)
Khả năng khái quát hóa Giới hạn trong nhóm quan sát nhỏ Khái quát hóa toàn bộ mẫu sinh viên đại học
Cơ sở ra quyết định Nhận định định tính Trọng số Beta ($\beta$) chuẩn hóa đo lường tác động

Phân tích yêu cầu phương pháp theo mô hình MoSCoW:

  • Must have: Thang đo Likert 5 điểm chuẩn hóa; Kiểm định độ tin cậy Cronbach's Alpha; Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA); Hồi quy tuyến tính OLS.
  • Should have: Kiểm định ANOVA và Independent Samples T-Test theo đặc tính nhân khẩu học (giới tính, năm học, tần suất).
  • Could have: Mở rộng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM).
  • Won't have: Thu thập dữ liệu chuỗi thời gian (Longitudinal Data) qua nhiều năm.

Thiết kế hệ thống

Kiến trúc luồng xử lý dữ liệu nghiên cứu được chuẩn hóa từ khâu thu thập sơ cấp đến mô hình hóa thống kê:

Hệ thống công nghệ và công cụ phân tích dữ liệu:

  • IBM SPSS Statistics v20.0: Công cụ lõi thực hiện kiểm định Cronbach's Alpha, EFA, OLS Regression, ANOVA.
  • Google Forms API / Google Docs: Thu thập dữ liệu khảo sát trực tuyến.
  • Python v3.10 (Pandas, Statsmodels): Tiền xử lý, đối soát và trực quan hóa phân phối phần dư.
  • Microsoft Excel 2021: Mã hóa ma trận dữ liệu thô.

Cấu trúc ma trận biến quan sát gồm 5 thang đo độc lập và 1 thang đo phụ thuộc:

  • Cảm nhận về giá cả (GC): 4 biến quan sát (GC1 đến GC4).
  • Chất lượng sản phẩm (SP): 4 biến quan sát (SP1 đến SP4).
  • Chất lượng dịch vụ (DV): 4 biến quan sát (DV1 đến DV4).
  • Phân phối sản phẩm (PP): 3 biến quan sát (PP1 đến PP3).
  • Khuyến mãi (KM): 4 biến quan sát (KM1 đến KM4).
  • Quyết định lựa chọn (QD): 3 biến quan sát (QD1 đến QD3).

Methodology

Phương pháp nghiên cứu tuân thủ quy trình chuẩn trong nghiên cứu định lượng hành vi:

[Khung lý thuyết TRA/TPB/SERVQUAL] 
       ↓ (Mẫu thử pilot)
[Thang đo sơ bộ 22 biến] 
       ↓ (Quy tắc Gorsuch: N ≥ 5 * 22 = 110)
[Khảo sát thực tế: N = 152] 
       ↓ (Lọc biến rác: r_i-t < 0.3)
[Kiểm định thang đo đạt chuẩn]

Kế hoạch thực hiện theo 4 mốc tiến độ:

  1. Giai đoạn 1 (Tuần 1 - 3): Tổng quan cơ sở lý luận, xây dựng khung khái niệm và thiết kế thang đo sơ bộ.
  2. Giai đoạn 2 (Tuần 4 - 6): Kiểm thử thang đo thử nghiệm, phát hành khảo sát diện rộng qua Google Forms.
  3. Giai đoạn 3 (Tuần 7 - 9): Làm sạch tập dữ liệu, mã hóa biến định danh và chạy phân tích SPSS v20.0.
  4. Giai đoạn 4 (Tuần 10 - 12): Tổng hợp phương trình hồi quy, kiểm định ANOVA và viết báo cáo hàm ý quản trị.

Đảm bảo chất lượng dữ liệu: Áp dụng kiểm tra phân phối chuẩn phần dư qua biểu đồ Histogram và Normal P-P Plot để đảm bảo không vi phạm các giả định hồi quy tuyến tính cổ điển.

Implementation và kết quả

Development process

Phương trình hồi quy tuyến tính đa biến tổng quát được thiết lập như sau:

$$QD = \beta_0 + \beta_1 \cdot GC + \beta_2 \cdot SP + \beta_3 \cdot DV + \beta_4 \cdot PP + \beta_5 \cdot KM + \epsilon$$

Trong đó:

  • $QD$: Biến phụ thuộc (Quyết định lựa chọn của sinh viên).
  • $GC, SP, DV, PP, KM$: Các biến độc lập đại diện cho 5 nhân tố nghiên cứu.
  • $\beta_1, \beta_2, \beta_3, \beta_4, \beta_5$: Hệ số hồi quy riêng phần chuẩn hóa.
  • $\epsilon$: Sai số ngẫu nhiên của mô hình.

Công thức kiểm tra độ tin cậy thang đo Cronbach's Alpha:

$$\alpha = \frac{k}{k - 1} \left( 1 - \frac{\sum_{i=1}^k \sigma_i^2}{\sigma_X^2} \right)$$

Mã nguồn kịch bản xử lý và kiểm định tự động hóa bằng Python/Statsmodels (tương đương quy trình xử lý trên SPSS v20.0):

import pandas as pd
import numpy as np
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

# 1. Tải và tiền xử lý tập dữ liệu khảo sát (N=152)
df = pd.read_csv("the_coffee_house_survey_data.csv")

# 2. Định nghĩa hàm tính hệ số Cronbach's Alpha
def cronbach_alpha(item_matrix):
    k = item_matrix.shape[1]
    variance_sum = item_matrix.var(axis=0, ddof=1).sum()
    total_variance = item_matrix.sum(axis=1).var(ddof=1)
    return (k / (k - 1)) * (1 - (variance_sum / total_variance))

# 3. Tính điểm trung bình đại diện cho từng nhân tố
df['GC'] = df[['GC1', 'GC2', 'GC3', 'GC4']].mean(axis=1)
df['SP'] = df[['SP1', 'SP2', 'SP3', 'SP4']].mean(axis=1)
df['DV'] = df[['DV1', 'DV2', 'DV3', 'DV4']].mean(axis=1)
df['PP'] = df[['PP1', 'PP2', 'PP3']].mean(axis=1)
df['KM'] = df[['KM1', 'KM2', 'KM3', 'KM4']].mean(axis=1)
df['QD'] = df[['QD1', 'QD2', 'QD3']].mean(axis=1)

# 4. Ước lượng mô hình hồi quy tuyến tính OLS
X = df[['GC', 'SP', 'DV', 'PP', 'KM']]
X_with_const = sm.add_constant(X)
y = df['QD']

model = sm.OLS(y, X_with_const).fit()

# 5. Kiểm tra hiện tượng đa cộng tuyến (Multicollinearity - VIF)
vif_data = pd.DataFrame()
vif_data["Variable"] = X_with_const.columns
vif_data["VIF"] = [variance_inflation_factor(X_with_const.values, i) for i in range(X_with_const.shape[1])]

print(model.summary())
print("\n--- Variance Inflation Factor (VIF) ---")
print(vif_data[vif_data["Variable"] != "const"])

Testing và validation

Kết quả thống kê mô tả mẫu ($N = 152$):

  • Giới tính: Nữ chiếm 61,8% (94 sinh viên), Nam chiếm 38,2% (58 sinh viên).
  • Phân bổ năm học: Năm hai chiếm 27,6% (42 SV), Năm tư chiếm 27,0% (41 SV), Năm ba chiếm 23,0% (35 SV), Năm nhất chiếm 22,4% (34 SV).
  • Tần suất đến quán: Dưới 3 lần/tháng chiếm 77,6% (118 SV), 3-5 lần/tháng chiếm 15,8% (24 SV), Trên 5 lần/tháng chiếm 6,6% (10 SV).

Kiểm định độ tin cậy Cronbach's Alpha cho toàn bộ 5 thang đo độc lập:

Thang đo nhân tố Số biến Cronbach's Alpha Tương quan biến - tổng nhỏ nhất ($r_{i-t}$) Đánh giá độ tin cậy
Cảm nhận về giá cả (GC) 4 0,772 0,537 (GC2) Độ tin cậy chấp nhận được ($\ge 0,7$)
Chất lượng sản phẩm (SP) 3 0,773 0,589 (SP2) Độ tin cậy chấp nhận được ($\ge 0,7$)
Chất lượng dịch vụ (DV) 4 0,797 0,551 (DV2) Độ tin cậy tốt ($\approx 0,8$)
Phân phối sản phẩm (PP) 3 0,759 0,511 (PP2) Độ tin cậy chấp nhận được ($\ge 0,7$)
Khuyến mãi (KM) 4 0,910 0,757 (KM3) Độ tin cậy rất cao ($> 0,9$)

Tất cả các biến quan sát đều có hệ số tương quan biến - tổng hiệu chỉnh ($r_{i-t}$) lớn hơn 0,30 và hệ số Cronbach's Alpha khi loại biến đều nhỏ hơn giá trị tổng thể, chứng minh tính đơn hướng và độ nhất quán nội tại hoàn hảo của thang đo.

Kết quả đạt được

Phân tích nhân tố khám phá (EFA) thỏa mãn các điều kiện thống kê khắt khe: Chỉ số $KMO \ge 0,5$, kiểm định Bartlett có ý nghĩa thống kê ($p < 0,001$), tổng phương sai trích (Total Variance Explained) vượt ngưỡng 50% với giá trị Eigenvalue $> 1$.

Kết quả phân tích hồi quy cho thấy tất cả 5 giả thuyết từ $H_1$ đến $H_5$ đều được chấp nhận ở mức ý nghĩa $p < 0,05$. Không xuất hiện hiện tượng đa cộng tuyến khi tất cả các hệ số $VIF < 2,0$ (thấp hơn nhiều so với ngưỡng cảnh báo 10,0). Biểu đồ phân phối phần dư Histogram có giá trị trung bình $\mu \approx 0$ và độ lệch chuẩn $\sigma \approx 1$, đường Normal P-P Plot bám sát trục chéo $45^\circ$, khẳng định mô hình hoàn toàn phù hợp.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp rõ rệt về mặt học thuật và thực tiễn:

  1. Định vị chính xác phân khúc sinh viên TP. Thủ Đức: Khác biệt với nghiên cứu của Trần Thị Bích Duyên (2016) trên phạm vi toàn TP.HCM hay Hồ Thị Loan Trinh (2022) tại khu vực quận Gò Vấp, đề tài phân tích sâu tệp sinh viên tại khu vực tập trung làng đại học trọng điểm phía Nam.
  2. Khám phá tác động vượt trội của nhân tố Khuyến mãi ($\alpha = 0,910$): Chứng minh sinh viên là nhóm khách hàng cực kỳ nhạy cảm với các chương trình ưu đãi tích điểm, combo đồ uống học nhóm và voucher giảm giá trên ứng dụng di động.
  3. Cải tiến độ chính xác của thang đo: Loại bỏ các biến gây nhiễu, nâng cao độ hội tụ với $r_{i-t}$ của thang đo Khuyến mãi đạt mức 0,757 - 0,833, cao hơn 15% so với các nghiên cứu trước đó.
SO SÁNH ĐÓNG GÓP VỚI CÁC NGHIÊN CỨU TIỀN NHIỆM
+-------------------------------+-----------------------------------+-----------------------------------+
| Tiêu chí                      | Trần Thị Bích Duyên (2016)        | Khóa luận tốt nghiệp (2024)       |
+-------------------------------+-----------------------------------+-----------------------------------+
| Quy mô địa bàn               | Rộng (Toàn TP.HCM)                | Tập trung (TP. Thủ Đức - Làng ĐH) |
| Đối tượng trọng tâm           | Khách hàng đại chúng              | Phân khúc chuyên biệt Sinh viên   |
| Thang đo Khuyến mãi           | Alpha = 0,78                      | Alpha = 0,910 (Độ tin cậy cao)    |
| Ứng dụng thực tiễn F&B        | Đề xuất chung cho quán cà phê     | Tối ưu riêng cho The Coffee House |
+-------------------------------+-----------------------------------+-----------------------------------+

Ứng dụng thực tế và triển khai

Dựa trên kết quả định lượng, The Coffee House có thể triển khai chiến lược kinh doanh 3 giai đoạn nhằm tối ưu hóa chuyển đổi tệp khách hàng sinh viên:

Chiến lược vận hành chi tiết:

  • Về Cảm nhận giá & Khuyến mãi: Thiết kế menu "Student Combo" áp dụng khung giờ học tập (7h00 - 11h00 và 13h00 - 17h00) từ thứ Hai đến thứ Sáu với mức giá 35.000 - 45.000 VNĐ. Tích hợp mã định danh sinh viên vào tính năng The Coffee House Rewards để cấp voucher định kỳ mùa thi cử.
  • Về Chất lượng dịch vụ & Không gian: Bổ sung ổ cắm điện tại từng bàn đơn/bàn nhóm, duy trì độ ổn định băng thông Wi-Fi tối thiểu 100 Mbps và bố trí bãi đỗ xe sinh viên an toàn, miễn phí có bảo vệ trực ca liên tục.
  • Về Phân phối sản phẩm: Phát triển các trạm "Kiosk The Coffee House" hoặc dịch vụ giao hàng siêu tốc bán kính 2 km bao phủ các ký túc xá Đại học Quốc gia và các cụm trọ tập trung tại Thủ Đức.

Dự báo hiệu quả kinh tế: Giúp gia tăng tỷ lệ sinh viên ghé quán thường xuyên (trên 3 lần/tháng) từ mức hiện tại 22,4% lên 35-40% trong vòng 6 tháng, ước tính tăng trưởng doanh thu 18-22% tại các cửa hàng khu vực Thủ Đức.

Hạn chế và hướng phát triển

Nghiên cứu tồn tại một số giới hạn kỹ thuật cần được khắc phục trong tương lai:

  1. Phương pháp chọn mẫu: Lấy mẫu thuận tiện phi xác suất ($N = 152$) có thể hạn chế phần nào tính đại diện tuyệt đối cho toàn bộ cộng đồng sinh viên.
  2. Thiết kế cắt ngang (Cross-sectional study): Dữ liệu thu thập tại một thời điểm (tháng 6 - tháng 8/2023), chưa phản ánh được sự biến động hành vi giữa kỳ nghỉ hè và kỳ học chính.
  3. Mở rộng mô hình: Các nghiên cứu tiếp theo nên tích hợp các biến trung gian như "Sự gắn kết thương hiệu" (Brand Engagement), "Hình ảnh thương hiệu" (Brand Image) và áp dụng mô hình cấu trúc tuyến tính SEM hoặc mô hình phân loại học máy (Random Forest / Logistic Regression) để dự đoán chính xác xác suất rời bỏ thương hiệu (churn rate).

Đối tượng hưởng lợi

  • Sinh viên đại học/cao đẳng: Có thêm cơ sở tham chiếu để lựa chọn không gian học tập và hưởng các chính sách ưu đãi phù hợp với ngân sách cá nhân.
  • Ban quản trị chuỗi The Coffee House & Doanh nghiệp F&B: Nắm bắt được bức tranh định lượng về độ co giãn nhu cầu theo giá và dịch vụ của thế hệ trẻ (Gen Z), giúp tối ưu hóa chi phí tiếp thị và gia tăng ROI.
  • Nhà phân tích dữ liệu & Lập trình viên Marketing Tech: Ứng dụng kịch bản xử lý dữ liệu thực nghiệm, mô hình hóa tương quan hành vi người dùng bằng Python và SPSS.
  • Giảng viên và Nhà nghiên cứu: Tài liệu tham khảo ứng dụng mô hình TRA/TPB trong phân tích kinh doanh thực tế với đầy đủ dữ liệu kiểm định độ tin cậy.

Câu hỏi thường gặp

1. Tại sao nghiên cứu cần cỡ mẫu tối thiểu N = 110 nhưng thực tế thu thập 152 mẫu?

Theo nguyên tắc của Gorsuch (1983) và Hair et al. (2014), cỡ mẫu tối thiểu cho phân tích nhân tố khám phá EFA phải gấp 5 lần tổng số biến quan sát ($N \ge 5 \times 22 = 110$). Cỡ mẫu thực tế $N = 152$ vượt 38% yêu cầu tối thiểu, giúp tăng bậc tự do (degrees of freedom), giảm thiểu sai số chuẩn và nâng cao độ vững của ước lượng OLS.

2. Ý nghĩa thực tiễn của hệ số Cronbach's Alpha thang đo Khuyến mãi đạt 0,910 là gì?

Hệ số Alpha đạt 0,910 chứng minh thang đo Khuyến mãi có độ nhất quán nội tại rất cao ($> 0,9$). Điều này phản ánh các câu hỏi khảo sát về tần suất ưu đãi, chương trình thành viên và độ phủ thông tin đã đo lường chính xác cùng một khái niệm nghiên cứu mà không bị phân mảnh.

3. Làm thế nào để kiểm soát hiện tượng đa cộng tuyến trong mô hình hồi quy này?

Nghiên cứu kiểm soát qua hệ số phóng đại phương sai (VIF). Toàn bộ các biến độc lập đều có hệ số $VIF < 2,0$, nhỏ hơn rất nhiều so với ngưỡng giới hạn $VIF = 10,0$. Điều này bảo đảm các biến độc lập không giải thích chéo lẫn nhau, giữ cho các hệ số hồi quy riêng phần $\beta$ không bị biến dạng.

4. Dữ liệu khảo sát có bị thiên lệch theo giới tính không khi tỷ lệ nữ chiếm 61,8%?

Tỷ lệ 61,8% nữ và 38,2% nam phản ánh đúng đặc thù phân bổ giới tính sinh viên tại các khối ngành Kinh tế, Ngân hàng, Sư phạm trên địa bàn TP. Thủ Đức. Kiểm định Independent Samples T-Test đã được thực hiện và xác nhận không có sự khác biệt có ý nghĩa thống kê giữa hai giới tính đối với quyết định lựa chọn quán cà phê ($p > 0,05$).

5. Chi phí và thời gian cần thiết để The Coffee House áp dụng các hàm ý quản trị này là bao nhiêu?

Việc tái cấu trúc chính sách khuyến mãi và ra mắt combo sinh viên có thể triển khai ngay trên ứng dụng di động trong vòng 2-4 tuần với chi phí công nghệ gần như bằng 0. Nâng cấp hạ tầng vật lý (ổ điện, bàn nhóm, Wi-Fi) tại cụm cửa hàng Thủ Đức dự kiến cần ngân sách khoảng 15-20 triệu VNĐ/cửa hàng với thời gian hoàn vốn (Payback Period) dưới 3 tháng nhờ lượng khách hàng quay lại tăng trưởng.

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Hoàng Ngân Khánh (Trường Đại học Ngân hàng TP.HCM) đã giải quyết trọn vẹn bài toán định lượng về các yếu tố ảnh hưởng đến quyết định chọn quán cà phê The Coffee House của sinh viên TP. Thủ Đức. Thông qua bộ công cụ kinh tế lượng chuẩn mực trên SPSS v20.0 với tập dữ liệu $N = 152$, công trình đã xác lập độ tin cậy vượt trội của 5 thang đo nòng cốt (Cảm nhận giá, Chất lượng sản phẩm, Chất lượng dịch vụ, Phân phối và Khuyến mãi).

Các phát hiện thực nghiệm không chỉ cung cấp cơ sở học thuật vững chắc về hành vi tiêu dùng của giới trẻ mà còn mở ra định hướng hành động thiết thực cho các doanh nghiệp F&B trong việc số hóa trải nghiệm khách hàng, tối ưu hóa điểm bán và gia tăng lòng trung thành thương hiệu.