Giới thiệu dự án

Thị trường du lịch Việt Nam sau đại dịch đã chứng kiến sự tái cấu trúc mạnh mẽ về hành vi tiêu dùng, trong đó du lịch nội địa đóng vai trò kinh tế mũi nhọn. Theo số liệu từ Quỹ Dân số Liên Hợp Quốc (UNFPA), Việt Nam đang trong giai đoạn cơ cấu "dân số vàng" với nhóm thanh thiếu niên và người trẻ chiếm gần 30% tổng dân số. Các khảo sát hành vi cho thấy tỷ lệ tham gia du lịch của phân khúc giới trẻ (16–25 tuổi) chiếm tới 50%, vượt trội so với phân khúc trung niên (30%) và người cao tuổi/trẻ em (15%).

                                BỐI CẢNH DÂN SỐ VÀ TIÊU DÙNG DU LỊCH TẠI VIỆT NAM

Tuy nhiên, các doanh nghiệp lữ hành và dịch vụ du lịch truyền thống đang đối mặt với những "điểm đau" (pain points) nghiêm trọng trong việc tiếp cận nhóm khách hàng này:

  • Tỷ lệ chuyển đổi thấp: Giới trẻ có xu hướng tự túc đi phượt (49%) hoặc săn deal giá rẻ (60%), chỉ có 13% chủ động mua tour trọn gói truyền thống.
  • Sự dịch chuyển trong cấu trúc chi tiêu: Khách hàng trẻ giảm tỷ trọng chi tiêu cho các dịch vụ cơ bản (ăn, ngủ, vận chuyển) và tăng mạnh ngân sách cho các hoạt động trải nghiệm, check-in, mua sắm và giải trí cá nhân hóa.
  • Thiếu mô hình dữ liệu lượng hóa: Doanh nghiệp thiếu các căn cứ định lượng đáng tin cậy về mức độ tác động của từng yếu tố tâm lý - kinh tế đến quyết định mua tour của giới trẻ tại các đô thị trọng điểm như TP. Hồ Chí Minh.
                    HÀNH VI DU LỊCH CỦA GIỚI TRẺ (NGUỒN DỮ LIỆU KHẢO SÁT)

Mục tiêu dự án

  1. Xác định các yếu tố trọng yếu chi phối hành vi ra quyết định mua tour du lịch nội địa của giới trẻ (16–25 tuổi) tại khu vực TP. Hồ Chí Minh.
  2. Đo lường và lượng hóa mức độ tác động của từng biến số thông qua mô hình hồi quy tuyến tính bội (Multiple Linear Regression).
  3. Kiểm định sự khác biệt thống kê về quyết định mua giữa các nhóm nhân khẩu học (giới tính, độ tuổi, nghề nghiệp, thu nhập).
  4. Xây dựng hệ thống hàm ý quản trị ứng dụng giúp các doanh nghiệp lữ hành tối ưu hóa chiến lược định giá, định vị thương hiệu và thiết kế sản phẩm tour cá nhân hóa.

Phương pháp tiếp cận giải pháp

Nghiên cứu ứng dụng kết hợp giữa lý thuyết hành vi người tiêu dùng (Mô hình kích thích - phản ứng của Philip Kotler & Keller, 2016) và phương pháp phân tích định lượng chuẩn mực với cỡ mẫu $n = 329$. Hệ thống xử lý dữ liệu được thiết lập thông qua quy trình 4 giai đoạn: Kiểm định độ tin cậy thang đo (Cronbach's Alpha), Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA), Phân tích tương quan Pearson - Hồi quy đa biến OLS, và Kiểm định Independent Samples T-Test / One-Way ANOVA.

Kết quả kỳ vọng và chỉ số đo lường

  • Hoàn thành bộ thang đo chuẩn hóa gồm 23 biến quan sát cho 5 nhân tố độc lập và 1 nhân tố phụ thuộc.
  • Xác định chính xác trọng số Beta chuẩn hóa ($\beta$) của các nhân tố tác động với độ tin cậy $p < 0.05$.
  • Chỉ số $R^2$ hiệu chỉnh đạt mức giải thích tốt ($> 40%$) cho phương trình quyết định mua.

Phạm vi và giới hạn

  • Không gian: Địa bàn TP. Hồ Chí Minh.
  • Thời gian thu thập dữ liệu: Từ tháng 01/2024 đến tháng 04/2024.
  • Đối tượng khảo sát: Khách hàng trẻ tuổi trong độ tuổi 16–25 đã từng phát sinh hành vi mua hoặc sử dụng tour du lịch nội địa.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tổng quan các mô hình thực nghiệm trong và ngoài nước nhằm phát hiện khoảng trống nghiên cứu (gap analysis):

Mô hình nghiên cứu Phương pháp & Cỡ mẫu Các nhân tố chính Ưu điểm Nhược điểm / Khoảng trống
Dr. Watchara & Khunping Wu (2017) Hồi quy, Chi-Square ($n = 385$) Kênh phân phối, Khuyến mãi, Giá cả, Sản phẩm & Dịch vụ Khung Marketing Mix 4P chuẩn mực Chỉ tập trung vào du khách quốc tế (Trung Quốc đến Thái Lan)
Saratsanan W. (2015) Thống kê mô tả ($n = 50$) Chương trình thú vị, Giá cả, Chất lượng tổng thể, An toàn, Danh tiếng Nhận diện chi tiết 9 thuộc tính tour Cỡ mẫu nhỏ ($n=50$), thiếu kiểm định mô hình hồi quy đa biến
Pummarin Teradirek (2018) Hồi quy, T-Test, ANOVA ($n = 171$) Danh tiếng, Độ tin cậy, Giá, Kênh đa dạng, Review MXH Đánh giá tác động của mạng xã hội Đối tượng nghiên cứu là người cao tuổi (Silver Age $\ge 55$)
Huỳnh Hữu Trúc Phương (2018) Cronbach's Alpha, EFA ($n = 250$) Nhu cầu, Tham khảo ý kiến, Thương hiệu, Chất lượng, Giá cả, Marketing Mô hình toàn diện cho tour nội địa Chưa đi sâu vào đặc tính tiêu dùng số của phân khúc Gen Z
Võ Khắc Thường và CS (2020) EFA, Hồi quy tuyến tính ($n = 304$) Cơ sở hạ tầng, Khả năng đáp ứng, Thông tin điểm đến, Động lực, Giá Phân tích sâu theo tuyến điểm Phan Thiết Giới hạn theo địa phương, chưa đại diện cho thị trường nguồn TP.HCM

Ma trận ưu tiên yêu cầu giải pháp (MoSCoW)

  • Must-have (Bắt buộc): Đo lường độ tin cậy thang đo qua hệ số Cronbach's Alpha ($\ge 0.60$); Hệ số tải nhân tố Factor Loading ($\ge 0.50$); Đánh giá hiện tượng đa cộng tuyến qua hệ số phóng đại phương sai (VIF $< 2.0$).
  • Should-have (Nên có): Phân tích sâu ma trận tương quan Pearson; Kiểm định tính đồng nhất phương sai qua Levene's Test.
  • Could-have (Có thể có): Xây dựng pipeline tự động hóa tiền xử lý dữ liệu và kiểm định hồi quy bằng Python / R kết hợp SPSS.
  • Won't-have (Không thực hiện): Khảo sát đối tượng ngoài phạm vi 16–25 tuổi hoặc ngoài khu vực TP.HCM.

Thiết kế hệ thống

Kiến trúc luồng xử lý dữ liệu và cấu trúc giải pháp phân tích thực nghiệm được thiết kế theo sơ đồ sau:

Technology Stack và Công cụ phân tích

  • Data Engine: IBM SPSS Statistics version 26.0 / 28.0 (Core statistical processing engine).
  • Data Collection Platform: Google Forms API & Google Sheets Data Bridge.
  • Programming & Scripting Environment: Python 3.10.x, Pandas 2.1.0, NumPy 1.24.0, Statsmodels 0.14.0, Scikit-learn 1.3.0.
  • Visualization: Matplotlib 3.8.0, Seaborn 0.13.0, Mermaid.js diagrams.

Thiết kế mô hình dữ liệu và thang đo (Measurement Scales)

Mô hình cấu trúc gồm 5 biến độc lập (Independent Variables) và 1 biến phụ thuộc (Dependent Variable) với thang đo Likert 5 mức độ (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý):

  1. Nhu cầu du lịch (NC): 4 biến quan sát (NC1 - Chi phí thấp/thủ tục đơn giản; NC2 - Điểm đến đẹp; NC3 - Giải tỏa căng thẳng; NC4 - Khám phá văn hóa/lịch sử).
  2. Thương hiệu công ty (TH): 3 biến quan sát (TH1 - Thương hiệu uy tín; TH2 - Nền tảng Website/Thanh toán online; TH3 - Sản phẩm đa dạng/mới lạ).
  3. Chất lượng dịch vụ (CL): 5 biến quan sát (CL1 - Thái độ nhân viên; CL2 - Lịch trình thú vị; CL3 - Cơ sở vật chất/ẩm thực cam kết; CL4 - Phẩm chất hướng dẫn viên; CL5 - Đúng tiến độ thời gian).
  4. Nhóm tham khảo ý kiến (NTK): 4 biến quan sát (NTK1 - Ý kiến người thân; NTK2 - Bình luận mạng xã hội; NTK3 - Đánh giá từ người có kinh nghiệm; NTK4 - Tư vấn của nhân viên).
  5. Cảm nhận lợi ích về giá (QC): 4 biến quan sát (QC1 - Giá tour ổn định; QC2 - Giá cạnh tranh; QC3 - Giá trị tương xứng chi phí; QC4 - Chính sách ưu đãi nhóm).
  6. Quyết định mua tour (QD - Biến phụ thuộc): 3 biến quan sát (QD1 - Sẵn lòng giới thiệu; QD2 - Ý định mua lặp lại; QD3 - Duy trì lòng trung thành).

Methodology

Quy trình nghiên cứu triển khai qua các mốc thời gian (Milestones) nghiêm ngặt:

                                    TIẾN ĐỘ THỰC HIỆN DỰ ÁN

Đánh giá rủi ro và chiến lược xử lý (Risk Assessment)

  • Rủi ro sai lệch chọn mẫu (Sampling Bias): Kỹ thuật lấy mẫu thuận tiện có thể tập trung vào một nhóm trường đại học $\rightarrow$ Khắc phục: Phân bổ khảo sát đa kênh qua nhiều cụm trường ĐH/CĐ, hội nhóm giới trẻ và khối doanh nghiệp văn phòng tại các quận/huyện khác nhau ở TP.HCM.
  • Rủi ro vi phạm các giả định hồi quy: Đa cộng tuyến (Multicollinearity), tự tương quan (Autocorrelation) hoặc phương sai sai số thay đổi (Heteroskedasticity) $\rightarrow$ Khắc phục: Kiểm soát chỉ số VIF, kiểm định Durbin-Watson (DW) và phân tích biểu đồ phân tán phần dư chuẩn hóa (Scatterplot of Standardized Residuals).

Implementation và kết quả

Development process & Statistical Implementation

Toàn bộ quy trình phân tích định lượng được cấu trúc hóa theo pipeline xử lý dữ liệu chuẩn mực. Dưới đây là đoạn mã thực thi phân tích mô hình hồi quy đa biến và kiểm tra các giả định thống kê bằng Python (Statsmodels/Scipy) tương đương với module phân tích trong IBM SPSS Statistics:

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

# 1. Load dataset (n = 329)
df = pd.read_csv("tour_consumption_hcmc_2024.csv")

# 2. Define Independent Variables (X) and Dependent Variable (y)
feature_cols = ['NC', 'TH', 'CL', 'NTK', 'QC']
X = df[feature_cols]
y = df['QD']

# Add constant beta_0
X_with_const = sm.add_constant(X)

# 3. Fit Multiple Linear Regression Model (OLS)
model = sm.OLS(y, X_with_const).fit()

# 4. Extract Regression Metrics
print("=== REGRESSION RESULTS SUMMARY ===")
print(model.summary())

# 5. Check Multicollinearity (VIF Calculation)
vif_data = pd.DataFrame()
vif_data["Variable"] = X.columns
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
print("\n=== VARIANCE INFLATION FACTOR (VIF) ===")
print(vif_data)

# 6. Check Autocorrelation (Durbin-Watson)
dw_score = durbin_watson(model.resid)
print(f"\nDurbin-Watson Statistic: {dw_score:.4f}")

Cú pháp lệnh thực thi trong SPSS Syntax cho toàn bộ quy trình:

* Kiểm định độ tin cậy Cronbach's Alpha cho thang đo Nhu cầu (NC).
RELIABILITY
  /VARIABLES=NC1 NC2 NC3 NC4
  /SCALE('NC Scale') ALL
  /MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE CORR
  /SUMMARY=TOTAL.

* Phân tích nhân tố khám phá EFA cho các biến độc lập.
FACTOR
  /VARIABLES NC1 NC2 NC3 NC4 TH1 TH2 TH3 CL1 CL2 CL3 CL4 CL5 NTK1 NTK2 NTK3 NTK4 QC1 QC2 QC3 QC4
  /MISSING LISTWISE 
  /ANALYSIS NC1 NC2 NC3 NC4 TH1 TH2 TH3 CL1 CL2 CL3 CL4 CL5 NTK1 NTK2 NTK3 NTK4 QC1 QC2 QC3 QC4
  /PRINT INITIAL KMO EXTRACTION ROTATION FSCORE
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PAF
  /ROTATION VARIMAX
  /METHOD=CORRELATION.

* Phân tích hồi quy tuyến tính đa biến (Enter Method).
REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA COLLIN TOL
  /CRITERIA=PIN(.05) POUT(.10)
  /NOORIGIN 
  /DEPENDENT QD
  /METHOD=ENTER NC TH CL NTK QC
  /RESIDUALS DURBIN HISTOGRAM(ZRESID) NORMPROB(ZRESID).

Testing và validation

Kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Tiêu chuẩn chấp nhận: Hệ số Cronbach's Alpha $\ge 0.60$ và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0.30$.

  • Nhu cầu du lịch (NC): $\alpha = 0.812$; tất cả 4 biến quan sát đều có hệ số tương quan biến - tổng $> 0.45$.
  • Thương hiệu công ty (TH): $\alpha = 0.785$; các biến đạt chuẩn.
  • Chất lượng dịch vụ (CL): $\alpha = 0.841$; 5 biến quan sát đều thỏa mãn độ tin cậy cao.
  • Nhóm tham khảo ý kiến (NTK): $\alpha = 0.796$; cả 4 biến quan sát đều có tương quan biến - tổng $> 0.40$.
  • Cảm nhận lợi ích về giá (QC): Khi chạy lần đầu, biến QC1 có hệ số tương quan biến - tổng $< 0.30$ nên đã được loại bỏ; sau khi hiệu chỉnh còn 3 biến (QC2, QC3, QC4), hệ số đạt $\alpha = 0.804$.
  • Quyết định mua tour (QD): $\alpha = 0.826$; cả 3 biến quan sát đều đạt chuẩn.
                  KẾT QUẢ KIỂM ĐỊNH ĐỘ TIN CẬY CRONBACH'S ALPHA

Phân tích nhân tố khám phá (EFA)

  • Biến độc lập:
    • Hệ số Kaiser-Meyer-Olkin ($KMO$) = $0.856$ ($0.5 < KMO < 1.0$), chứng minh cỡ mẫu hoàn toàn phù hợp cho phân tích EFA.
    • Kiểm định Bartlett: Giá trị thống kê $\chi^2$ có mức ý nghĩa $p = 0.000 < 0.05$, các biến quan sát có tương quan tuyến tính chặt chẽ.
    • Trích xuất 5 nhân tố với giá trị Eigenvalue dừng tại $1.248 > 1.0$.
    • Tổng phương sai trích (Cumulative Variance Explained) = $61.42% > 50.0%$, giải thích được phần lớn biến thiên dữ liệu.
    • Hệ số tải nhân tố (Factor Loading) của tất cả các biến quan sát đều $> 0.55$, phân tách rõ ràng thành 5 nhóm nhân tố độc lập.
  • Biến phụ thuộc (QD):
    • $KMO = 0.714$, Bartlett's Test $p = 0.000$, Tổng phương sai trích đạt $68.15%$, gom thành 1 nhân tố duy nhất.

Kết quả đạt được

Kết quả phân tích mô hình hồi quy đa biến

Phương trình hồi quy tuyến tính OLS chuẩn hóa có dạng:

$$\text{QD} = 0.188 \times \text{NC} + 0.174 \times \text{CL} + 0.165 \times \text{NTK} + 0.153 \times \text{TH} + 0.142 \times \text{QC}$$

Biến độc lập Hệ số chưa chuẩn hóa (B) Sai số chuẩn (Std. Error) Hệ số chuẩn hóa ($\beta$) Giá trị t Mức ý nghĩa (Sig.) Độ chấp nhận (Tolerance) Chỉ số VIF
(Hằng số) 0.642 0.185 — 3.470 0.001 — —
Nhu cầu du lịch (NC) 0.194 0.052 0.188 3.731 0.000 0.745 1.342
Chất lượng dịch vụ (CL) 0.181 0.051 0.174 3.549 0.000 0.781 1.280
Nhóm tham khảo (NTK) 0.170 0.049 0.165 3.469 0.001 0.812 1.232
Thương hiệu công ty (TH) 0.158 0.048 0.153 3.292 0.001 0.835 1.198
Lợi ích về giá (QC) 0.149 0.047 0.142 3.170 0.002 0.860 1.163 
                       MỨC ĐỘ TÁC ĐỘNG CỦA CÁC NHÂN TỐ (BETA CHUẨN HÓA)
  • Độ phù hợp của mô hình: Hệ số xác định $R^2 = 0.468$, $R^2$ hiệu chỉnh (Adjusted $R^2$) = $0.459$. Mô hình giải thích được $45.9%$ sự biến thiên trong quyết định mua tour của giới trẻ.
  • Kiểm định ANOVA F-test: $F = 56.782$ với giá trị $p = 0.000 < 0.001$, khẳng định mô hình hồi quy có ý nghĩa thống kê cao.
  • Kiểm tra hiện tượng vi phạm giả định:
    • Hệ số $VIF$ của tất cả các biến độc lập đều dao động từ $1.163$ đến $1.342$ (nhỏ hơn rất nhiều so với ngưỡng 2.0 hoặc 10.0), khẳng định không xảy ra hiện tượng đa cộng tuyến.
    • Hệ số Durbin-Watson đạt $1.892$ (nằm trong khoảng $1.5 \le d \le 2.5$), không có hiện tượng tự tương quan chuỗi bậc 1.

Kết quả kiểm định T-Test và ANOVA theo nhân khẩu học

  • Giới tính (Independent Samples T-Test): Hệ số Levene's Test có $Sig. = 0.624 > 0.05$ (phương sai đồng nhất); $t(327) = 0.812$, $Sig. (2\text{-tailed}) = 0.417 > 0.05$. Không có sự khác biệt có ý nghĩa thống kê về quyết định mua tour giữa nam và nữ.
  • Độ tuổi, Nghề nghiệp, Thu nhập (One-Way ANOVA): Tất cả các giá trị $Sig.$ trong phân tích ANOVA 1 yếu tố đều $> 0.05$ ($Sig.{\text{Tuổi}} = 0.342$; $Sig.{\text{Nghề nghiệp}} = 0.518$; $Sig._{\text{Thu nhập}} = 0.289$). Điều này chứng minh hành vi ra quyết định mua tour của giới trẻ tại TP.HCM có tính đồng nhất cao trên các nhóm nhân khẩu học.

Đổi mới và đóng góp

  1. Chuẩn hóa khung thang đo chuyên biệt cho phân khúc Gen Z đô thị: Khác với các nghiên cứu trước đây (thường gộp chung mọi độ tuổi hoặc tập trung vào khách cao tuổi/khách quốc tế), nghiên cứu đã xác lập hệ chỉ tiêu thực nghiệm tập trung vào người trẻ 16–25 tuổi tại TP.HCM.
  2. Khám phá trật tự ưu tiên mới: Nghiên cứu chỉ ra rằng Nhu cầu trải nghiệm/giải tỏa stress ($\beta = 0.188$) và Chất lượng dịch vụ thực tế ($\beta = 0.174$) có tác động mạnh hơn so với yếu tố Giá cả ($\beta = 0.142$). Giới trẻ không chỉ tìm kiếm tour "rẻ nhất", mà tìm kiếm tour có "trải nghiệm xứng đáng và giá trị cảm nhận cao nhất".
  3. Lượng hóa vai trò của Social Proof và Word-of-Mouth (WOM): Yếu tố Nhóm tham khảo ($\beta = 0.165$) khẳng định sức mạnh của nội dung đánh giá đa chiều trên các nền tảng mạng xã hội và tư vấn trực tiếp từ cộng đồng mạng.
  4. Loại bỏ định kiến nhân khẩu học trong phân khúc: Việc chứng minh không có sự khác biệt theo giới tính hay thu nhập ($p > 0.05$) giúp các nhà tiếp thị tránh việc phân mảnh ngân sách quảng cáo không cần thiết, tập trung toàn lực vào thông điệp truyền thông hướng trải nghiệm.

Ứng dụng thực tế và triển khai

Chiến lược hành động dựa trên dữ liệu (Data-Driven Roadmap)

  1. Phát triển dòng sản phẩm tour cá nhân hóa (Target: $\beta_{\text{NC}} = 0.188$):
    • Thiết kế các gói tour "Open Tour" hoặc "Semi-guided Tour" (kết hợp di chuyển + khách sạn + 1-2 điểm check-in độc đáo, còn lại để khách tự do khám phá).
    • Tích hợp các hoạt động trải nghiệm chữa lành (Healing tourism), cắm trại (Glamping), và tìm hiểu văn hóa bản địa.
  2. Nâng cao chất lượng dịch vụ và số hóa vận hành (Target: $\beta_{\text{CL}} = 0.174$):
    • Đào tạo đội ngũ hướng dẫn viên trẻ, am hiểu tâm lý, có kỹ năng chụp ảnh/quay video hỗ trợ khách hàng tạo nội dung trên mạng xã hội.
    • Cam kết minh bạch về chất lượng lưu trú, phương tiện di chuyển và vệ sinh an toàn thực phẩm.
  3. Kích hoạt mạng lưới Social Proof và Influencer Marketing (Target: $\beta_{\text{NTK}} = 0.165$):
    • Hợp tác với các Micro-KOCs (Key Opinion Consumers) trên TikTok và Instagram để chia sẻ trải nghiệm thực tế, không dàn dựng.
    • Xây dựng chương trình Referral ("Giới thiệu bạn bè - Nhận voucher giảm giá") để tận dụng mạng lưới liên kết xã hội của giới trẻ.
  4. Chiến lược giá linh hoạt và ưu đãi theo nhóm (Target: $\beta_{\text{QC}} = 0.142$):
    • Áp dụng chính sách "Càng đông càng rẻ" (Group Pricing) đánh vào tâm lý đi du lịch theo nhóm bạn học/đồng nghiệp.
    • Hỗ trợ các phương thức thanh toán trả sau (Buy Now Pay Later - BNPL) hoặc ví điện tử (MoMo, ZaloPay, Apple Pay) không phụ phí.

Hạn chế và hướng phát triển

  • Hạn chế về phương pháp chọn mẫu: Nghiên cứu sử dụng phương pháp chọn mẫu phi xác suất (thuận tiện) với quy mô $n = 329$ tại TP.HCM, chưa bao quát được các đô thị lớn khác như Hà Nội, Đà Nẵng, Cần Thơ.
  • Phạm vi biến số: Mô hình giải thích được $45.9%$ biến thiên ($R^2_{\text{adj}} = 0.459$), còn $54.1%$ biến thiên chịu tác động của các biến số khác chưa đưa vào mô hình (ví dụ: Chuyển đổi số trong du lịch, Rủi ro cảm nhận, Xu hướng tiêu dùng xanh, Trải nghiệm AR/VR).
  • Hướng nghiên cứu tương lai: Mở rộng mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) để đánh giá vai trò trung gian/điều tiết của các biến tâm lý học và mở rộng cỡ mẫu liên tỉnh ($n \ge 1,000$).

Đối tượng hưởng lợi

                                    GIÁ TRỊ MANG LẠI CHO CÁC BÊN
  • Doanh nghiệp lữ hành và Startups du lịch: Sở hữu căn cứ khoa học định lượng để tái cấu trúc sản phẩm tour, tối ưu hóa ngân sách quảng cáo tập trung vào nhóm nhân tố có hệ số tác động cao nhất, ước tính giúp tăng tỷ lệ chuyển đổi booking từ $13%$ lên $25–30%$.
  • Giới lập trình và Product Managers (OTA Platforms): Có định hướng rõ ràng để thiết kế UI/UX ứng dụng đặt tour: ưu tiên tính năng hiển thị review xác thực, tích hợp cổng thanh toán trực tuyến đa kênh và module đặt tour theo nhóm.
  • Giảng viên và Sinh viên chuyên ngành Quản trị Kinh doanh / Marketing / Du lịch: Cung cấp tài liệu tham khảo hoàn chỉnh về phương pháp luận nghiên cứu định lượng, bộ thang đo Likert 23 biến đã qua kiểm định Alpha & EFA thực nghiệm.

Câu hỏi thường gặp

1. Tại sao nhân tố Nhu cầu du lịch lại có tác động mạnh nhất đến quyết định mua tour?

Theo kết quả hồi quy chuẩn hóa, Nhu cầu du lịch đạt hệ số $\beta = 0.188$ ($p = 0.000$). Giới trẻ hiện nay xem du lịch như một phương thức thiết yếu để giải tỏa áp lực học tập/công việc và tái tạo năng lượng. Nếu sản phẩm tour không khơi gợi được mong muốn trải nghiệm và tính mới lạ, các chiến dịch giảm giá hay thương hiệu lớn đều khó kích hoạt được hành vi mua.

2. Biến quan sát nào trong thang đo Cảm nhận lợi ích về giá bị loại bỏ và vì sao?

Biến QC1 ("Tôi ấn tượng với công ty du lịch có giá tour ổn định") bị loại bỏ trong bước kiểm định Cronbach's Alpha do có hệ số tương quan biến - tổng nhỏ hơn $0.30$. Giới trẻ Gen Z nhạy cảm với các chương trình khuyến mãi linh hoạt và mức giá cạnh tranh tức thời hơn là sự cố định/ổn định của giá tour qua các mùa.

3. Có sự khác biệt nào về quyết định mua tour giữa khách hàng nam và nữ không?

Kết quả kiểm định Independent Samples T-Test cho thấy giá trị $Sig. (2\text{-tailed}) = 0.417 > 0.05$. Do đó, không có sự khác biệt có ý nghĩa thống kê giữa hai giới tính. Các doanh nghiệp không cần phân chia sản phẩm tour chuyên biệt theo giới tính mà nên tập trung vào sở thích trải nghiệm chung.

4. Hệ thống cần điều kiện dữ liệu gì để chạy kiểm định EFA và Hồi quy OLS?

Cần thỏa mãn quy tắc cỡ mẫu tối thiểu gấp 5 lần số biến quan sát ($N \ge 5 \times 23 = 115$). Nghiên cứu thu thập $n = 329$ đáp ứng tốt. Dữ liệu cần đạt các chỉ số: $KMO \ge 0.5$, Bartlett's Test $p < 0.05$, phương sai trích $\ge 50%$, hệ số phóng đại phương sai $VIF < 2.0$ để tránh đa cộng tuyến, và Durbin-Watson trong khoảng $1.5 - 2.5$.

5. Doanh nghiệp vừa và nhỏ (SMEs) nên ưu tiên đầu tư vào khâu nào để có ROI cao nhất?

SMEs nên tập trung ngân sách vào 2 khía cạnh: (1) Tái thiết kế lịch trình tour linh hoạt, bổ sung các điểm check-in độc đáo (tối ưu $\beta_{\text{NC}}$ và $\beta_{\text{CL}}$); (2) Đẩy mạnh tiếp thị liên kết và review trên TikTok/Instagram (tối ưu $\beta_{\text{NTK}}$). Đây là các kênh có chi phí đầu tư thấp nhưng mang lại tỷ suất hoàn vốn (ROI) và độ lan tỏa cao nhất đối với phân khúc khách hàng trẻ.

Kết luận

Đồ án khóa luận đã giải quyết trọn vẹn bài toán xác định và lượng hóa các nhân tố ảnh hưởng đến quyết định mua tour du lịch nội địa của giới trẻ tại TP. Hồ Chí Minh. Thông qua quy trình phân tích định lượng chuẩn mực trên mẫu $n = 329$, nghiên cứu đã chứng minh thực nghiệm mô hình hồi quy 5 nhân tố với độ phù hợp cao ($R^2_{\text{adj}} = 0.459$), xác lập trật tự tác động: Nhu cầu du lịch ($\beta = 0.188$) $>$ Chất lượng dịch vụ ($\beta = 0.174$) $>$ Nhóm tham khảo ($\beta = 0.165$) $>$ Thương hiệu công ty ($\beta = 0.153$) $>$ Cảm nhận lợi ích về giá ($\beta = 0.142$).

Các phát hiện này cung cấp luận cứ khoa học thực tiễn vững chắc, mở đường cho các doanh nghiệp lữ hành và nền tảng du lịch số chuyển đổi mô hình từ cạnh tranh phá giá sang chiến lược cạnh tranh bằng trải nghiệm cá nhân hóa, khẳng định tiềm năng bứt phá mạnh mẽ của phân khúc du lịch trẻ trong kỷ nguyên số.