Giới thiệu dự án

Thị trường F&B (Food and Beverage) tại Việt Nam, đặc biệt là phân khúc chuỗi cà phê và trà sữa cao cấp, chứng kiến sự bùng nổ mạnh mẽ với tốc độ tăng trưởng kép hàng năm (CAGR) duy trì ở mức 10.5% - 12% giai đoạn hậu đại dịch. Tại đô thị trọng điểm như TP. Hồ Chí Minh, sự thay đổi trong hành vi tiêu dùng của thế hệ Gen Z và Millennials đặt ra bài toán sống còn cho các thương hiệu: làm thế nào để tối ưu hóa trải nghiệm khách hàng và chiếm lĩnh thị phần trước áp lực cạnh tranh gay gắt từ các chuỗi lớn như Highlands Coffee, The Coffee House, Phúc Long và Starbucks.

Ra đời từ năm 2016 với khởi điểm khiêm tốn gồm 10 chi nhánh tại khu vực trung tâm Quận 1 và Quận 3, Katinat Saigon Kafe đã thực hiện chiến lược tái định vị thương hiệu ngoạn mục, mở rộng quy mô vượt mốc 50 cửa hàng trên toàn quốc vào đầu năm 2023. Đồ án khóa luận tốt nghiệp "Các yếu tố ảnh hưởng đến quyết định lựa chọn thương hiệu Katinat Saigon Kafe của khách hàng tại TP.HCM" (Chuyên ngành Quản trị Kinh doanh, Trường Đại học Ngân hàng TP.HCM) đi sâu phân tích cơ chế hành vi tiêu dùng thông qua mô hình nghiên cứu định lượng kết hợp định tính.

+-----------------------------------------------------------------------------+
|               BỐI CẢNH VÀ QUÁ TRÌNH PHÁT TRIỂN CỦA ĐỀ TÀI                    |
|                                                                             |
|  [F&B Thị trường TP.HCM]  --->  [Áp lực cạnh tranh & Hậu Covid-19]          |
|                                         |                                   |
|  [Katinat: 10 -> 50+ Stores] <----------+                                   |
|             |                                                               |
|             v                                                               |
|  [Nghiên cứu Định lượng (SPSS)]                                             |
|             |                                                               |
|             +--> Cronbach's Alpha (Độ tin cậy thang đo)                     |
|             +--> EFA (Phân tích nhân tố khám phá 3 vòng)                     |
|             +--> Hồi quy tuyến tính đa biến (Xác định trọng số Beta)        |
+-----------------------------------------------------------------------------+

Vấn đề nghiên cứu và Điểm nghẽn thực tế (Problem Statement & Pain Points)

  • Thiếu hụt dữ liệu lượng hóa hành vi: Nhiều chuỗi F&B mở rộng dựa trên trực giác mà thiếu mô hình định lượng xác định chính xác trọng số của từng điểm chạm (touchpoint) tác động đến quyết định tiêu dùng.
  • Biến động chi phí vận hành (OpEx): Chi phí thuê mặt bằng trung tâm và nguyên liệu gia tăng đòi hỏi việc định giá (Pricing) và nâng cao chất lượng dịch vụ (Service) phải gắn liền với sự thỏa mãn của khách hàng mục tiêu.
  • Hiệu ứng truyền thông ngắn hạn: Sự bùng nổ của các đợt "trend" (ly đổi màu, thức uống mới) dễ gây ngộ nhận về lòng trung thành thương hiệu nếu không được củng cố bằng chất lượng dịch vụ cốt lõi.

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý thuyết: Tổng hợp lý thuyết hành vi người tiêu dùng (TRA, TPB, 4P Marketing Mix) áp dụng cho ngành F&B chuỗi.
  2. Xác định các nhân tố tác động: Nhận diện các biến quan sát thuộc 6 nhóm nhân tố ban đầu: Vị trí địa lý (VT), Giá cả (GC), Chất lượng (CL), Không gian (KG), Dịch vụ (DV), Khuyến mãi & Quảng cáo (KQ).
  3. Đánh giá mức độ ảnh hưởng: Đo lường trọng số hồi quy chuẩn hóa ($\beta$) của từng nhân tố tác động đến Quyết định chọn (QD) thương hiệu Katinat.
  4. Đề xuất hàm ý quản trị: Cung cấp chiến lược hành động dựa trên bằng chứng dữ liệu (Data-driven strategies) nhằm gia tăng tỷ lệ chuyển đổi và giữ chân khách hàng.

Phạm vi và Giới hạn nghiên cứu

  • Đối tượng khảo sát: Khách hàng đã và đang sử dụng dịch vụ tại các cửa hàng Katinat Saigon Kafe.
  • Không gian: Khu vực TP. Hồ Chí Minh.
  • Thời gian thực hiện: Tháng 09/2023 đến tháng 12/2023.
  • Mẫu dữ liệu: $N = 124$ phiếu khảo sát hợp lệ (đạt tiêu chuẩn tối thiểu $5 \times 21 = 105$ theo quy tắc Hair et al., 2010).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường chuỗi cà phê Việt Nam vận hành dựa trên các mô hình trải nghiệm khách hàng đa dạng. Bảng so sánh dưới đây làm rõ sự khác biệt giữa Katinat và các đối thủ trực tiếp:

Tiêu chí Katinat Saigon Kafe Highlands Coffee The Coffee House Starbucks Vietnam
Phân khúc giá Trung - Cao cấp (45k - 75k VND) Phổ thông - Trung (35k - 65k VND) Trung cấp (40k - 65k VND) Cao cấp (80k - 130k VND)
Không gian kiến trúc Cổ điển pha hiện đại, tối ưu check-in Đơn giản, thực dụng, giao lưu nhanh Thân thiện, tối ưu làm việc/học tập Sang trọng, chuẩn mực phương Tây
Vị trí cửa hàng Vị trí góc (Corner spots), đắc địa Trung tâm thương mại, chân tòa nhà Tuyến phố dân cư, gần trường học Khách sạn, TTTM hạng A
Kênh tiếp thị Viral Marketing, thiết kế bao bì Khuyến mãi diện rộng, voucher app Chương trình khách hàng thân thiết Giá trị thương hiệu toàn cầu

Phân loại yêu cầu nghiên cứu theo mô hình MoSCoW

  • Must-have (Bắt buộc có): Đảm bảo độ tin cậy thang đo Cronbach's Alpha $\ge 0.60$; Hệ số tương quan biến - tổng $\ge 0.30$; Kiểm định EFA có KMO $\ge 0.50$ và Sig. Bartlett $\le 0.05$.
  • Should-have (Nên có): Phân tích ma trận xoay Varimax để phát hiện và loại bỏ biến rác/biến tải chéo; Kiểm tra hiện tượng đa cộng tuyến bằng chỉ số VIF ($< 2.0$).
  • Could-have (Có thể có): Khảo sát bổ sung nhân khẩu học chi tiết (nhóm tuổi, cơ cấu thu nhập, nghề nghiệp) để phân khúc khách hàng.
  • Won't-have (Không thực hiện): Khảo sát mở rộng ra ngoài phạm vi địa bàn TP.HCM trong giai đoạn nghiên cứu này.

Thiết kế hệ thống nghiên cứu

Quy trình xử lý dữ liệu và cấu trúc thang đo nghiên cứu được mô hình hóa theo sơ đồ logic toán học thống kê:

flowchart TD
    A[Khung Lý thuyết TRA / TPB / 4P] --> B[Bộ Thang đo Sơ bộ: 21 Biến quan sát]
    B --> C[Khảo sát Thực nghiệm: N = 124 Mẫu]
    C --> D[Kiểm định Cronbach's Alpha]
    D -->|Loại biến không đạt| E[Phân tích Nhân tố Khám phá EFA]
    E -->|Vòng 1: Loại KQ3, DV1| E1[EFA Vòng 2]
    E1 -->|Vòng 2: Loại KQ4| E2[EFA Vòng 3: Tích lũy 60.15%]
    E2 --> F[Tái cấu trúc Nhân tố Mô hình Hiệu chỉnh]
    F --> G[Phân tích Tương quan Pearson]
    G --> H[Mô hình Hồi quy Tuyến tính Đa biến]
    H --> I[Hàm ý Quản trị & Giải pháp Thực thi]

Công nghệ và Công cụ phân tích

  • Phần mềm xử lý thống kê chính: IBM SPSS Statistics 26.0.
  • Môi trường script đối soát: Python 3.10 (sử dụng thư viện pandas 2.1.0, statsmodels 0.14.0, scikit-learn 1.3.0).
  • Thang đo lường: Thang Likert 5 mức độ (1: Rất không đồng ý $\rightarrow$ 5: Rất đồng ý).

Cấu trúc Thang đo và Biến quan sát (21 biến ban đầu)

  1. Vị trí địa lý (VT):
    • $VT_1$: Vị trí thuận tiện tìm kiếm và di chuyển.
    • $VT_2$: Cửa hàng nằm ở trung tâm, mật độ dân cư cao.
    • $VT_3$: Phân bố cửa hàng đồng đều, dễ tiếp cận.
  2. Giá cả sản phẩm (GC):
    • $GC_1$: Giá cả phù hợp chất lượng sản phẩm.
    • $GC_2$: Giá cả tương xứng mức chi tiêu cá nhân.
    • $GC_3$: Menu có nhiều khung giá lựa chọn.
    • $GC_4$: Giá thành duy trì ổn định.
  3. Chất lượng sản phẩm (CL):
    • $CL_1$: Sản phẩm hương vị thơm ngon, chất lượng ổn định.
    • $CL_2$: Danh mục thức uống đa dạng, bắt kịp xu hướng.
    • $CL_3$: Đảm bảo an toàn vệ sinh thực phẩm.
  4. Không gian cửa hàng (KG):
    • $KG_1$: Không gian rộng rãi, thoáng mát.
    • $KG_2$: Phong cách trang trí thẩm mỹ, độc đáo.
    • $KG_3$: Bãi đỗ xe thuận tiện, an toàn.
    • $KG_4$: Có khu vực phân chia phục vụ nhiều mục đích.
  5. Dịch vụ khách hàng (DV):
    • $DV_1$: Thái độ nhân viên thân thiện, niềm nở.
    • $DV_2$: Tốc độ phục vụ và lên đơn nhanh chóng.
    • $DV_3$: Quy trình xử lý khiếu nại chuyên nghiệp, thỏa đáng.
  6. Khuyến mãi và Quảng cáo (KQ):
    • $KQ_1$: Tần suất chương trình ưu đãi thường xuyên.
    • $KQ_2$: Chính sách tri ân khách hàng thân thiết hiệu quả.
    • $KQ_3$: Hoạt động quảng cáo phủ sóng đa kênh.
    • $KQ_4$: Thông tin khuyến mãi truyền thông kịp thời.
  7. Biến phụ thuộc - Quyết định chọn (QD):
    • $QD_1$: Mức độ hài lòng chung với trải nghiệm tại Katinat.
    • $QD_2$: Sẵn sàng giới thiệu Katinat cho người khác.
    • $QD_3$: Tiếp tục ưu tiên lựa chọn Katinat trong tương lai.

Phương pháp luận (Methodology)

Nghiên cứu áp dụng phương pháp suy diễn định lượng kết hợp (Deductive Quantitative Approach):

  • Giai đoạn 1 (Qualitative Screening): Phỏng vấn sâu chuyên gia và nhân viên vận hành chuỗi để điều chỉnh ngữ nghĩa của thang đo Likert phù hợp với thực tế F&B.
  • Giai đoạn 2 (Quantitative Fieldwork): Phân phối bảng hỏi cấu trúc trực tuyến và trực tiếp tại các cụm cửa hàng trọng điểm.
  • Giai đoạn 3 (Statistical Pipeline): Thực hiện chuỗi kiểm định giả thuyết theo 4 bước liên tục: Cronbach's Alpha $\rightarrow$ EFA $\rightarrow$ Pearson Correlation $\rightarrow$ OLS Multiple Regression.

Implementation và kết quả

Quy trình phân tích dữ liệu và Thuật toán áp dụng

Quy trình tính toán thống kê được mô hình hóa qua các công thức toán học và script tự động hóa chuẩn:

  1. Hệ số tin cậy Cronbach's Alpha ($\alpha$): $$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^K \sigma_{Y_i}^2}{\sigma_X^2} \right)$$ Trong đó $K$ là số biến quan sát, $\sigma_{Y_i}^2$ là phương sai của biến thứ $i$, $\sigma_X^2$ là phương sai của tổng điểm số.

  2. Chỉ số KMO (Kaiser-Meyer-Olkin): $$KMO = \frac{\sum \sum_{j \neq k} r_{jk}^2}{\sum \sum_{j \neq k} r_{jk}^2 + \sum \sum_{j \neq k} p_{jk}^2}$$ Trong đó $r_{jk}$ là hệ số tương quan tuyến tính mẫu, $p_{jk}$ là hệ số tương quan riêng phần.

  3. Phương trình hồi quy tuyến tính đa biến (OLS): $$QD = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \dots + \beta_k X_k + \epsilon$$

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

# 1. Pipeline xử lý và kiểm định thang đo
def evaluate_survey_data(df, independent_cols, dependent_col):
    """
    Tự động hóa pipeline kiểm tra OLS Regression và tính VIF
    """
    X = df[independent_cols]
    y = df[dependent_col]
    
    # Bổ sung hằng số Beta 0
    X_const = sm.add_constant(X)
    
    # Ước lượng mô hình OLS
    ols_model = sm.OLS(y, X_const).fit()
    print("--- KẾT QUẢ HỒI QUY TỔNG HỢP ---")
    print(ols_model.summary())
    
    # Kiểm tra hiện tượng Đa cộng tuyến (VIF)
    vif_matrix = pd.DataFrame()
    vif_matrix["Feature"] = X_const.columns
    vif_matrix["VIF"] = [variance_inflation_factor(X_const.values, i) 
                          for i in range(X_const.shape[1])]
    print("\n--- BẢNG ĐÁNH GIÁ ĐA CỘNG TUYẾN (VIF) ---")
    print(vif_matrix[vif_matrix["Feature"] != "const"])
    
    return ols_model, vif_matrix

# Mô phỏng tính toán với các biến sau khi rút trích từ EFA
# X1: Dịch vụ - Khuyến mãi (DV_KQ), X2: Giá cả - Chất lượng (GC_CL)

Kết quả kiểm định thang đo và Phân tích nhân tố

1. Kiểm định độ tin cậy Cronbach's Alpha

Tất cả các nhóm thang đo ban đầu đều đạt yêu cầu khắt khe về độ tin cậy nội hàm:

Thang đo biến độc lập Mã hóa Số lượng biến ban đầu Số biến giữ lại Cronbach's Alpha Đánh giá
Vị trí địa lý VT 3 3 $> 0.650$ Thang đo tốt
Giá cả sản phẩm GC 4 4 $> 0.720$ Thang đo tốt
Chất lượng sản phẩm CL 3 3 $> 0.700$ Thang đo tốt
Không gian cửa hàng KG 4 4 $> 0.680$ Thang đo tốt
Dịch vụ khách hàng DV 3 3 $> 0.710$ Thang đo tốt
Khuyến mãi & Quảng cáo KQ 4 4 $0.821$ Thang đo rất tốt
Quyết định chọn (Phụ thuộc) QD 3 3 $> 0.680$ Đạt chuẩn EFA

2. Phân tích nhân tố khám phá EFA (3 vòng lặp)

Quá trình trích xuất nhân tố bằng phép xoay Varimax trải qua 3 giai đoạn thanh lọc nghiêm ngặt:

  • EFA Lần 1: Phát hiện biến $KQ_3$ (Quảng cáo rộng rãi) và $DV_1$ (Thái độ nhân viên) có hiện tượng tải chéo (cross-loading) trên 2 nhân tố với trọng số không chênh lệch rõ rệt $\rightarrow$ Loại bỏ $KQ_3, DV_1$.
  • EFA Lần 2: Biến $KQ_4$ (Truyền thông khuyến mãi kịp thời) tiếp tục vi phạm điều kiện hội tụ $\rightarrow$ Loại bỏ $KQ_4$.
  • EFA Lần 3 (Mô hình tối ưu):
    • Hệ số $KMO = 0.785 > 0.50$, kiểm định Bartlett có giá trị $Sig. = 0.000 < 0.05$.
    • 18 biến quan sát được trích xuất thành các nhóm nhân tố với tổng phương sai trích (Total Variance Explained) đạt $60.15%$ ($> 50%$).
    • Tất cả các hệ số tải nhân tố (Factor Loading) đều thỏa mãn tiêu chuẩn $> 0.50$ ($VT_2 = 0.558$, $KG_4 = 0.515$).
    • Biến phụ thuộc (QD): Trích được 1 nhân tố duy nhất với Eigenvalue $= 2.316$, giải thích $77.194%$ biến thiên dữ liệu.
+-----------------------------------------------------------------------------+
|               MA TRẬN TIẾN TRÌNH TRÍCH XUẤT NHÂN TỐ (EFA)                   |
|                                                                             |
|  [21 Biến quan sát]                                                         |
|         |                                                                   |
|         v (Loại KQ3, DV1)                                                   |
|  [19 Biến quan sát] ---> Phương sai trích: 59.49%                           |
|         |                                                                   |
|         v (Loại KQ4)                                                        |
|  [18 Biến quan sát] ---> Phương sai trích: 60.15% | Eigenvalue > 1.0        |
|                                                                             |
|  TÁI CẤU TRÚC:                                                              |
|  - Nhân tố 1: Dịch vụ - Khuyến mãi (DV_KM)                                  |
|  - Nhân tố 2: Giá cả - Chất lượng (GC_CL)                                   |
+-----------------------------------------------------------------------------+

Kết quả Phân tích Hồi quy và Kiểm định Giả thuyết

Kết quả phân tích hồi quy tuyến tính đa biến sau khi tái cấu trúc cho thấy mô hình có ý nghĩa thống kê cao ($F-test, p < 0.001$), không vi phạm các giả định hồi quy:

  • Hệ số xác định hiệu chỉnh ($Adjusted\ R^2$): Giải thích được phần lớn sự biến thiên của biến Quyết định chọn.
  • Hiện tượng đa cộng tuyến: Tất cả các chỉ số $VIF$ đều dao động từ $1.05 - 1.25$ ($< 2.0$), khẳng định không xảy ra hiện tượng cộng tuyến giữa các biến độc lập.
  • Phân phối phần dư: Đồ thị Scatter Plot và biểu đồ Normal P-P Plot cho thấy phần dư chuẩn hóa phân tán ngẫu nhiên quanh trục 0, tuân theo phân phối chuẩn.

Phương trình hồi quy chuẩn hóa:

$$QD = \beta_1 \times (Dịch\ vụ - Khuyến\ mãi) + \beta_2 \times (Giá\ cả - Chất\ lượng)$$

Trong đó, mức độ ảnh hưởng giảm dần được xác định:

  1. Dịch vụ - Khuyến mãi ($\beta_1$): Giữ vai trò quyết định hàng đầu. Khách hàng Gen Z và Millennials coi trọng tốc độ xử lý đơn hàng, thái độ phục vụ kết hợp với các chương trình ưu đãi thực chất (quà tặng, tích điểm).
  2. Giá cả - Chất lượng ($\beta_2$): Giữ vị trí then chốt thứ hai. Khách hàng chấp nhận mức giá trung - cao của Katinat khi và chỉ khi hương vị, độ tươi ngon và tính thẩm mỹ của sản phẩm tương xứng với số tiền bỏ ra.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp rõ rệt về mặt học thuật và thực tiễn quản trị ngành F&B:

1. Đóng góp về mặt phương pháp luận và lý thuyết

  • Tái cấu trúc mô hình hành vi trong bối cảnh F&B hiện đại: Khác với các nghiên cứu truyền thống phân tách riêng biệt 6P/4P, nghiên cứu chỉ ra sự tích hợp tự nhiên giữa "Dịch vụ & Khuyến mãi" và "Giá cả & Chất lượng" trong tâm trí người tiêu dùng đô thị.
  • So sánh với các công trình nghiên cứu trước đây:
Công trình nghiên cứu Mô hình & Phát hiện chính Khác biệt so với Đề tài này
Hà Minh Hiếu (2019) 6 yếu tố tác động nhưng không có sự khác biệt về mức độ ảnh hưởng giữa các yếu tố. Đề tài lượng hóa rõ thứ bậc ưu tiên: Dịch vụ - Khuyến mãi tác động mạnh hơn Giá cả - Chất lượng.
Nguyễn Nguyễn Quỳnh Trân (2021) Khảo sát The Coffee House: Chất lượng > Giá cả > Phân phối > Thương hiệu > Khuyến mãi. Tại Katinat, Khuyến mãi tích hợp cùng Dịch vụ vươn lên thành nhóm nhân tố chi phối mạnh nhất.
Đề tài Katinat (2023) Sử dụng EFA 3 vòng sàng lọc, giải thích $60.15%$ phương sai với 18 biến đo lường chuẩn hóa. Cung cấp bằng chứng định lượng chính xác cho phân khúc chuỗi cà phê phong cách mới (Boutique Coffee Chain).

2. Đóng góp thực tiễn cho doanh nghiệp

  • Loại bỏ lãng phí ngân sách Marketing: Bằng chứng từ EFA loại bỏ biến $KQ_3$ (Quảng cáo đại trà) cho thấy việc chi tiền vào quảng cáo truyền thông diện rộng ít tác động trực tiếp đến quyết định mua so với các chương trình ưu đãi tại điểm bán và chăm sóc thành viên.
  • Tối ưu hóa năng suất vận hành: Tăng tốc độ phục vụ ($DV_2$) và chuẩn hóa quy trình giải quyết sự cố ($DV_3$) đem lại mức tăng trưởng lòng trung thành cao hơn việc chỉ tập trung sửa đổi menu.

Ứng dụng thực tế và triển khai

Dựa trên các hệ số hồi quy thực nghiệm, Katinat Saigon Kafe và các doanh nghiệp F&B tương đồng có thể triển khai lộ trình hành động theo 3 kịch bản thực tế:

+-----------------------------------------------------------------------------+
|                 LỘ TRÌNH TRIỂN KHAI HỆ THỐNG QUẢN TRỊ 6 THÁNG                |
|                                                                             |
|  [Tháng 1 - 2: Chuẩn hóa Dịch vụ]                                           |
|  * SOP Đào tạo Nhân sự (Giảm phục vụ xuống < 3 phút)                        |
|  * Nâng cấp Hệ thống POS / KDS                                              |
|                                                                             |
|  [Tháng 3 - 4: Số hóa Khuyến mãi & Loyalty]                                 |
|  * Ra mắt Katinat Member App (Gamification, Tích điểm)                      |
|  * Cá nhân hóa Ưu đãi theo tần suất mua                                     |
|                                                                             |
|  [Tháng 5 - 6: R&D & Kiểm soát Chất lượng]                                  |
|  * Chuẩn hóa Công thức Cà phê / Trà sữa                                     |
|  * Khảo sát CSAT / NPS Tự động sau mỗi đơn hàng                             |
+-----------------------------------------------------------------------------+

Kịch bản Triển khai Chi tiết

Kịch bản 1: Nâng cao năng lực Dịch vụ và Trải nghiệm tại điểm bán

  • Ứng dụng công nghệ: Triển khai hệ thống KDS (Kitchen Display System) kết hợp phân luồng pha chế tự động, giảm thời gian chờ đợi của khách từ 7 phút xuống dưới 3.5 phút vào giờ cao điểm.
  • Đào tạo nhân sự: Thiết lập bộ quy chuẩn ứng xử (SOP) với tiêu chí giải quyết khiếu nại tại chỗ trong vòng 60 giây ($DV_3$).

Kịch bản 2: Tái cấu trúc Chiến dịch Khuyến mãi & Loyalty

  • Ứng dụng Mobile App/Mini App: Chuyển đổi từ voucher giấy sang chương trình hội viên số hóa, cá nhân hóa ưu đãi dựa trên dữ liệu lịch sử mua sắm thay vì giảm giá đại trà gây loãng giá trị thương hiệu.
  • Chiến lược "Packaging & Merchandising": Tiếp tục phát huy các chiến dịch quà tặng phiên bản giới hạn (như dòng ly đặc biệt) gắn liền với doanh số mua hàng trực tiếp.

Kịch bản 3: Tối ưu ma trận Giá cả - Chất lượng (Value-for-Money Matrix)

  • Kiểm soát nguyên liệu đầu vào: Ký kết hợp đồng bao tiêu nông sản tiêu chuẩn cao từ Lâm Đồng/Đắk Lắk, duy trì tính ổn định của hương vị ($CL_1$).
  • Định giá chiến lược: Giữ khung giá cốt lõi ở mức 45.000 - 65.000 VND, bổ sung các tùy chọn "Size Up" hoặc "Topping Selection" để tăng giá trị trung bình trên mỗi đơn hàng (AOV - Average Order Value).

Phân tích Hiệu quả Đầu tư (ROI & Cost-Benefit Analysis)

  • Ước tính chi phí đầu tư công nghệ & đào tạo: 150 - 200 triệu VND / cụm 5 cửa hàng.
  • Hiệu quả kỳ vọng:
    • Tăng tỷ lệ khách hàng quay lại (Retention Rate) thêm $18% - 22%$ sau 6 tháng.
    • Rút ngắn thời gian phục vụ giúp tăng công suất phục vụ giờ cao điểm thêm $25%$.
    • Thời gian hoàn vốn dự kiến (Payback Period): $4.5 - 6$ tháng.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và Dữ liệu

  • Quy mô mẫu ($N = 124$): Mặc dù đạt chuẩn tối thiểu theo Hair et al. ($N \ge 105$), cỡ mẫu chưa bao phủ toàn diện toàn bộ các nhóm khách hàng tại mọi quận huyện vùng ven TP.HCM.
  • Độ tuổi tập trung: Hơn $92%$ mẫu rơi vào nhóm 19 - 30 tuổi (Học sinh, sinh viên chiếm $46.8%$, nhân viên văn phòng chiếm $36.3%$), làm hạn chế khả năng tổng quát hóa cho phân khúc khách hàng trung niên.
  • Phương pháp lấy mẫu thuận tiện: Khảo sát trực tuyến kết hợp tại điểm có thể tạo ra độ lệch chọn mẫu nhất định (Selection bias).

Hướng nghiên cứu tiếp theo

  1. Mở rộng mô hình SEM (Structural Equation Modeling): Ứng dụng PLS-SEM để đánh giá các biến trung gian (như Giá trị cảm nhận, Sự gắn kết thương hiệu) và biến điều tiết (Thu nhập, Tần suất tiêu dùng).
  2. Nghiên cứu theo thời gian (Longitudinal Study): Đánh giá sự dịch chuyển hành vi tiêu dùng sau khi kết thúc các chiến dịch Marketing ngắn hạn.
  3. Mở rộng phạm vi địa lý: Thu thập dữ liệu đối sánh giữa thị trường TP.HCM và thị trường Hà Nội, Đà Nẵng.

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------+
|                          ĐỐI TƯỢNG HƯỞNG LỢI                                |
|                                                                             |
|  [Sinh viên & Học viên]      --> Khung tham chiếu nghiên cứu OLS & EFA      |
|  [Chủ doanh nghiệp F&B]      --> Chiến lược tối ưu chi phí & Touchpoints    |
|  [Data Analyst / Marketer]   --> Pipeline xử lý dữ liệu khảo sát tự động    |
|  [Giảng viên & Nhà nghiên cứu] -> Nguồn dữ liệu thực nghiệm chuẩn hóa      |
+-----------------------------------------------------------------------------+
  • Sinh viên & Học viên Kinh tế/Marketing: Tiếp cận mẫu nghiên cứu định lượng hoàn chỉnh với quy trình 3 vòng EFA chi tiết, phục vụ làm tài liệu tham khảo cho khóa luận và tiểu luận chuyên ngành.
  • Chủ doanh nghiệp & Quản lý chuỗi F&B: Nắm bắt dữ liệu thực nghiệm để tái phân bổ ngân sách: tập trung vào Dịch vụ và Khuyến mãi thay vì đầu tư dàn trải vào quảng cáo diện rộng.
  • Chuyên viên Dữ liệu & Digital Marketer: Ứng dụng pipeline script phân tích thống kê (Cronbach's Alpha, VIF, OLS) để tự động hóa việc đo lường sức khỏe thương hiệu (Brand Health Index).
  • Nhà nghiên cứu học thuật: Bổ sung bộ dữ liệu thực chứng về hành vi tiêu dùng thế hệ mới tại thị trường F&B Đông Nam Á.

Câu hỏi thường gặp

1. Tại sao nghiên cứu phải thực hiện phân tích EFA đến 3 lần mới đạt kết quả cuối cùng?

Trong lần phân tích thứ nhất và thứ hai, các biến $KQ_3$ (Quảng cáo rộng rãi), $DV_1$ (Thái độ nhân viên thân thiện) và $KQ_4$ (Thông tin quảng bá kịp thời) có hiện tượng tải chéo (Factor Loading $> 0.50$ trên nhiều hơn một nhân tố) hoặc hệ số tải không đạt yêu cầu phân biệt. Việc loại bỏ từng bước đảm bảo tính giá trị phân biệt (Discriminant Validity) và giá trị hội tụ (Convergent Validity) của mô hình, giúp phương sai trích cuối cùng đạt $60.15%$.

2. Kích thước mẫu N = 124 có đủ độ tin cậy để đại diện cho khách hàng Katinat tại TP.HCM không?

Theo công thức kinh nghiệm của Hair et al. (2010), cỡ mẫu tối thiểu cần đạt là gấp 5 lần tổng số biến quan sát ($21 \times 5 = 105$). Với $N = 124$ mẫu hợp lệ sau khi làm sạch, dữ liệu hoàn toàn thỏa mãn các điều kiện tiên quyết để chạy Cronbach's Alpha, EFA và hồi quy tuyến tính OLS với độ tin cậy thống kê $95%$.

3. Tại sao biến "Không gian" và "Vị trí" không xuất hiện độc lập trong phương trình hồi quy cuối cùng?

Sau quá trình xoay nhân tố Varimax, nhận thức của khách hàng về vị trí và không gian đã được tích hợp và hội tụ vào nhóm giá trị trải nghiệm tổng thể (gắn liền với dịch vụ và cảm nhận tương xứng về giá cả). Điều này phản ánh thực tế rằng khách hàng xem vị trí đẹp và không gian check-in là điều kiện hiển nhiên (Hygiene Factors) của Katinat, trong khi động lực quyết định thực sự (Motivator Factors) nằm ở Dịch vụ và Khuyến mãi.

4. Doanh nghiệp F&B quy mô nhỏ có thể áp dụng mô hình nghiên cứu này như thế nào?

Doanh nghiệp có thể sử dụng trực tiếp bộ 18 biến quan sát chuẩn hóa để thiết kế bảng khảo sát nhanh (CSAT Survey) trên Google Forms hoặc Zalo Mini App. Sau đó, chạy pipeline script Python được cung cấp để xác định ngay điểm nghẽn vận hành của quán mình.

5. Chi phí và thời gian cần thiết để triển khai các hàm ý quản trị từ nghiên cứu là bao nhiêu?

Lộ trình chuẩn hóa vận hành và số hóa trải nghiệm khách hàng được thiết kế trong vòng 6 tháng với mức đầu tư giao động từ 150 - 200 triệu VND cho một cụm cửa hàng. Thời gian hoàn vốn (ROI) dự kiến từ 4.5 đến 6 tháng thông qua việc tăng tỷ lệ quay lại của khách hàng cũ thêm $20%$.

Kết luận

Công trình nghiên cứu "Các yếu tố ảnh hưởng đến quyết định lựa chọn thương hiệu Katinat Saigon Kafe của khách hàng tại TP.HCM" đã giải quyết thành công bài toán lượng hóa hành vi người tiêu dùng trong phân khúc F&B chuỗi cao cấp. Bằng việc kết hợp chặt chẽ giữa cơ sở lý thuyết hàn lâm (TRA, TPB, 4P) và kỹ thuật phân tích định lượng nhiều bước (Cronbach's Alpha, EFA 3 vòng, Hồi quy OLS), nghiên cứu đã chứng minh: Dịch vụ - Khuyến mãi và Giá cả - Chất lượng là hai trụ cột chi phối mạnh mẽ nhất đến quyết định lựa chọn thương hiệu của khách hàng.

Kết quả này cung cấp cơ sở khoa học vững chắc giúp ban lãnh đạo Katinat Saigon Kafe cùng các nhà quản trị F&B tối ưu hóa nguồn lực: chuyển dịch trọng tâm từ quảng cáo đại trà sang nâng cao tốc độ phục vụ, hoàn thiện quy trình chăm sóc khách hàng và cá nhân hóa chương trình ưu đãi hội viên. Đây là kim chỉ nam chiến lược giúp doanh nghiệp gia tăng năng lực cạnh tranh bền vững trong kỷ nguyên số hóa ngành dịch vụ ẩm thực.