Giới thiệu dự án

Nền kinh tế chia sẻ (Sharing Economy hay Collaborative Consumption - CC) đã tạo ra một cuộc cách mạng trong mô hình phân phối tài nguyên toàn cầu. Theo báo cáo e-Conomy SEA, thị trường gọi xe công nghệ (Ride-hailing) tại khu vực Đông Nam Á đạt quy mô hơn 13 tỷ USD vào năm 2022 và duy trì tốc độ tăng trưởng kép hàng năm (CAGR) trên 18%. Tại Việt Nam, sự rút lui của Uber năm 2018 và việc chuyển giao 27.5% cổ phần cho Grab đã thiết lập vị thế dẫn đầu thị trường của Grab. Tuy nhiên, sự cạnh tranh gay gắt từ các đối thủ nội địa và quốc tế như Be, Gojek, FastGo cùng sự trỗi dậy của các hãng taxi truyền thống chuyển đổi số đòi hỏi nền tảng phải liên tục tối ưu hóa trải nghiệm khách hàng dựa trên bằng chứng dữ liệu thực nghiệm.

       +-------------------------------------------------------------+
       |             MÔ HÌNH HÀNH VI TIÊU DÙNG (KOTLER, 2001)         |
       +-------------------------------------------------------------+
       | Kích thích Marketing  |  Hộp đen người mua  |  Quyết định    |
       |  - Giá, Dịch vụ       |  - Tâm lý, Xã hội   |  - Chọn Grab   |
       |  - Nền tảng Công nghệ |  - Đánh giá giá trị |  - Tần suất đi |
       +-----------------------+---------------------+----------------+
                                       |
                                       v
       +-------------------------------------------------------------+
       |             6 TRỤ CỘT ĐÁNH GIÁ THỰC NGHIỆM (N = 407)        |
       +-------------------------------------------------------------+
       | [KT] Lợi ích kinh tế (Economic Benefits)                    |
       | [HT] Sự hưởng thụ (Hedonic / Enjoyment)                     |
       | [CL] Chất lượng dịch vụ (Service Quality)                   |
       | [BV] Tính bền vững môi trường & xã hội (Sustainability)     |
       | [QH] Quan hệ xã hội (Social Relationships)                  |
       | [CN] Nền tảng công nghệ & Internet (Technology & Platform)  |
       +-------------------------------------------------------------+

Đề tài "Các yếu tố tác động đến quyết định sử dụng dịch vụ Grab của khách hàng tại Thành phố Thủ Đức" do học viên Đinh Đại Nam thực hiện dưới sự hướng dẫn khoa học của PGS. Nguyễn Minh Tuấn (Trường Đại học Ngân hàng TP. Hồ Chí Minh, 2022) tập trung giải quyết các bài toán cốt lõi:

  • Vấn đề nghiên cứu thực tế: Thành phố Thủ Đức là đô thị sáng tạo, tập trung hơn 100.000 sinh viên tại Đại học Quốc gia TP.HCM, hàng chục nghìn chuyên gia tại Khu Công nghệ cao và cư dân đô thị có mật độ di chuyển cao. Việc nhận diện chính xác các rào cản và động lực thúc đẩy hành vi lựa chọn Grab thay vì các phương thức di chuyển khác là điều kiện tiên quyết để tối ưu nguồn lực marketing.
  • Mục tiêu dự án cụ thể:
    1. Xác định các yếu tố cấu thành tác động đến quyết định sử dụng dịch vụ Grab của khách hàng tại địa bàn TP. Thủ Đức.
    2. Lượng hóa 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 ($N = 407$).
    3. Kiểm định các giả định vi phạm mô hình hồi quy (Đa cộng tuyến VIF, Tự tương quan Durbin-Watson, Phương sai sai số thay đổi).
    4. Xây dựng hệ thống hàm ý quản trị chiến lược cho ban điều hành Grab nhằm nâng cao tỷ lệ chuyển đổi và lòng trung thành của khách hàng giai đoạn 2022–2025.
  • Phương pháp tiếp cận: Tích hợp đa khung lý thuyết gồm Thuyết Hành động Hợp lý (TRA - Fishbein & Ajzen, 1975), Mô hình Chấp nhận Công nghệ (TAM - Davis, 1989; Legris et al., 2003), Thuyết Giá trị Tiêu dùng (Sheth, Newman & Gross, 1991) và mô hình tiêu dùng bền vững của Sung et al. (2018).
  • Chỉ số đo lường kỳ vọng:
    • Hệ số tin cậy thang đo Cronbach's Alpha $\ge 0.70$.
    • Hệ số KMO (Kaiser-Meyer-Olkin) trong khoảng $0.5 \le \text{KMO} \le 1.0$ với mức ý nghĩa Bartlett's Test $p < 0.001$.
    • Tổng phương sai trích (Total Variance Explained - TVE) $\ge 50%$.
    • Hệ số xác định hiệu chỉnh ($R^2$ Adjusted) $\ge 0.50$ với mức ý nghĩa kiểm định $F < 0.05$.
  • Phạm vi và giới hạn: Nghiên cứu tập trung vào khách hàng từ 18 tuổi trở lên đã từng sử dụng dịch vụ Grab tại TP. Thủ Đức; dữ liệu sơ cấp thu thập trong giai đoạn tháng 01/2022 đến tháng 02/2022.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại thị trường vận tải công nghệ Việt Nam, người dùng lựa chọn phương tiện dựa trên sự đánh đổi giữa chi phí, tính tiện dụng, thời gian chờ và trải nghiệm ứng dụng.

Tiêu chí phân tích Taxi truyền thống (Vinasun, Mai Linh) Grab (Ride-hailing đa dịch vụ) Đối thủ cạnh tranh trực tiếp (Be, Gojek)
Cơ chế định giá Đồng hồ cước cố định (Taximeter), phụ phí sân bay Thuật toán giá động (Dynamic Pricing) theo cung - cầu thời gian thực Giá động cạnh tranh, trợ giá mã giảm giá cao
Trải nghiệm đặt xe Tổng đài, vẫy xe trực tiếp, app cơ bản Nền tảng ứng dụng đa dịch vụ (Super-app) đa tính năng Ứng dụng di động chuyên biệt gọi xe/giao hàng
Phương thức thanh toán Tiền mặt, POS quẹt thẻ trên xe Tiền mặt, Moca/ZaloPay, Thẻ tín dụng, GrabPay Tiền mặt, MoMo, ZaloPay, Viettel Money, Thẻ
Tính bền vững & Tối ưu Xe chạy rỗng (deadhead miles) cao, tiêu hao nhiên liệu lớn Thuật toán matching giảm 35% quãng đường xe rỗng Tối ưu hóa lộ trình từng chặng

Phân loại yêu cầu người dùng theo khung MoSCoW:

  • Must-have: Minh bạch giá cước trước chuyến đi, định vị GPS tài xế chính xác theo thời gian thực, đảm bảo an toàn lộ trình.
  • Should-have: Đa dạng phương thức thanh toán không tiền mặt, thời gian đón xe dưới 5 phút trong khung giờ cao điểm.
  • Could-have: Tích hợp điểm thưởng thành viên (GrabRewards), đề xuất lộ trình ghép xe (GrabShare) để tối ưu chi phí.
  • Won't-have (Hiện tại): Miễn trừ hoàn toàn phụ phí thời tiết khắc nghiệt hoặc giờ cao điểm kẹt xe.

Thiết kế hệ thống

Khung nghiên cứu định lượng được cấu trúc dưới dạng luồng xử lý dữ liệu và kiểm định tham số thống kê khép kín:

[Bảng câu hỏi khảo sát Google Forms API]
   [Thu thập dữ liệu thô: 450 mẫu]
   [Dữ liệu chuẩn hóa: 407 mẫu hợp lệ]

Ngăn xếp công nghệ và công cụ thống kê sử dụng:

  • SPSS Statistics Version 22.0: Xử lý toàn bộ các phép kiểm định Cronbach's Alpha, EFA, OLS Regression và biểu đồ phân phối phần dư.
  • AMOS Version 24.0: Đối chiếu cấu trúc mô hình lý thuyết tuyến tính.
  • Python 3.10 Runtime (Statsmodels 0.14.0, Scikit-learn 1.3.0, Pandas 2.0.3): Tự động hóa pipeline kiểm tra chéo độ tin cậy tham số.
  • Google Forms API v1 & Microsoft Excel 2021: Thu thập dữ liệu sơ cấp và tiền xử lý mã hóa biến quan sát.

Cấu trúc dữ liệu và thiết kế thang đo: Toàn bộ 6 nhóm nhân tố độc lập và 1 biến phụ thuộc được đo lường bằng thang đo Likert 5 mức độ (1: Hoàn toàn không đồng ý $\to$ 5: Hoàn toàn đồng ý):

  1. Lợi ích kinh tế (KT): 4 biến quan sát (KT1: Tiết kiệm chi phí so với taxi truyền thống, KT2: Thường xuyên có khuyến mãi, KT3: Giá cước minh bạch, KT4: Phù hợp thu nhập).
  2. Sự hưởng thụ (HT): 4 biến quan sát (HT1: Cảm giác thoải mái, HT2: Sự tiện nghi trên xe, HT3: Trải nghiệm dịch vụ hiện đại, HT4: Thú vị khi sử dụng app).
  3. Chất lượng dịch vụ (CL): 4 biến quan sát (CL1: Thái độ tài xế lịch sự, CL2: Đón trả đúng giờ, CL3: Phương tiện sạch sẽ an toàn, CL4: Hỗ trợ khách hàng nhanh chóng).
  4. Sự bền vững (BV): 3 biến quan sát (BV1: Giảm ùn tắc giao thông, BV2: Giảm khí thải môi trường, BV3: Sử dụng hiệu quả tài nguyên xe).
  5. Quan hệ xã hội (QH): 3 biến quan sát (QH1: Bạn bè người thân khuyên dùng, QH2: Được cộng đồng mạng đánh giá cao, QH3: Mở rộng giao lưu kết nối).
  6. Sự phát triển công nghệ (CN): 4 biến quan sát (CN1: Ứng dụng dễ thao tác, CN2: Định vị GPS chính xác, CN3: Tốc độ xử lý lệnh đặt xe nhanh, CN4: Bảo mật thông tin).
  7. Quyết định sử dụng (QD): 3 biến quan sát (QD1: Ưu tiên chọn Grab khi có nhu cầu, QD2: Sẽ tiếp tục sử dụng trong tương lai, QD3: Giới thiệu người khác cùng dùng).

Methodology

Quy trình nghiên cứu áp dụng phương pháp hỗn hợp tuần tự (Sequential Mixed-Methods):

+-------------------------------------------------------------------------------+
| GIAI ĐOẠN 1: NGHIÊN CỨU ĐỊNH TÍNH (QUALITATIVE RESEARCH)                     |
+-------------------------------------------------------------------------------+
| - Lược khảo 15+ tài liệu quốc tế và trong nước (Mohlmann, Juho, Bocker...).   |
| - Phỏng vấn sâu (In-depth interview) & Thảo luận nhóm tập trung (FGD).        |
| - 5 chuyên gia quản lý cấp cao từ Grab, Foody, Gojek tại TP.HCM.             |
| -> Kết quả: Điều chỉnh 25 biến quan sát phù hợp ngữ cảnh TP. Thủ Đức.         |
+-------------------------------------------------------------------------------+
+-------------------------------------------------------------------------------+
| GIAI ĐOẠN 2: NGHIÊN CỨU ĐỊNH LƯỢNG (QUANTITATIVE RESEARCH)                    |
+-------------------------------------------------------------------------------+
| - Thiết kế bảng câu hỏi cấu trúc trực tuyến và phát trực tiếp.                |
| - Cỡ mẫu: N = 450 (Thu về 407 mẫu hợp lệ đạt tỷ lệ 90.44%).                   |
| - Phương pháp lấy mẫu: Thuận tiện phi xác suất (Convenience Sampling).        |
| - Xử lý dữ liệu định lượng: Cronbach's Alpha -> EFA -> Correlation -> OLS.    |
+-------------------------------------------------------------------------------+

Ma trận đánh giá rủi ro nghiên cứu:

Rủi ro tiềm ẩn Mức độ Biện pháp giảm thiểu & Kiểm soát chất lượng
Thiên lệch mẫu do khảo sát trực tuyến Trung bình Kết hợp khảo sát trực tiếp tại các trường đại học, khu công nghiệp và TTTM Thủ Đức
Biến quan sát không đạt độ tin cậy ($\alpha < 0.7$) Cao Thực hiện khảo sát thử nghiệm (pilot test) trên 30 mẫu trước khi phát rộng
Đa cộng tuyến giữa các biến công nghệ & tiện ích Trung bình Kiểm tra chỉ số Tolerance $> 0.2$ và VIF $< 2.0$ trong ma trận hồi quy

Implementation và kết quả

Development process

Quá trình phân tích dữ liệu được mô hình hóa toán học thông qua hệ thống phương trình hồi quy tuyến tính tổng quát:

$$QD = \beta_0 + \beta_1 KT + \beta_2 HT + \beta_3 CL + \beta_4 BV + \beta_5 QH + \beta_6 CN + \epsilon$$

Trong đó:

  • $QD$: Điểm trung bình Quyết định sử dụng dịch vụ Grab.
  • $\beta_0$: Hằng số tự do (Intercept).
  • $\beta_1 \dots \beta_6$: Hệ số hồi quy riêng phần của các nhân tố.
  • $\epsilon$: Sai số ngẫu nhiên của mô hình ($E(\epsilon) = 0, \text{Var}(\epsilon) = \sigma^2$).

Công thức kiểm định độ tin cậy nhất quán nội tại Cronbach's Alpha:

$$\alpha = \frac{k}{k - 1} \left(1 - \frac{\sum_{i=1}^k \sigma_{y_i}^2}{\sigma_x^2}\right)$$

Dưới đây là mã nguồn Python chuẩn hóa tương đương pipeline xử lý SPSS thực hiện phân tích Cronbach's Alpha, EFA và Hồi quy OLS:

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

def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số Cronbach's Alpha cho tập biến quan sát."""
    item_vars = df_items.var(axis=0, ddof=1)
    total_var = df_items.sum(axis=1).var(ddof=1)
    k = df_items.shape[1]
    return float((k / (k - 1)) * (1 - item_vars.sum() / total_var))

def run_regression_analysis(data: pd.DataFrame, dep_var: str, indep_vars: list):
    """Thực thi hồi quy OLS và kiểm tra đa cộng tuyến VIF."""
    X = data[indep_vars]
    X_const = sm.add_constant(X)
    y = data[dep_var]
    
    model = sm.OLS(y, X_const).fit()
    
    # Tính toán chỉ số VIF
    vif_data = pd.DataFrame()
    vif_data["Variable"] = indep_vars
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
    
    return model.summary(), vif_data

# Khởi tạo ma trận thực nghiệm tượng trưng từ bộ dữ liệu N=407
if __name__ == "__main__":
    np.random.seed(42)
    sample_size = 407
    # Mô phỏng dữ liệu phân phối Likert chuẩn hóa
    sim_data = pd.DataFrame({
        'KT': np.random.normal(3.85, 0.65, sample_size),
        'HT': np.random.normal(3.62, 0.70, sample_size),
        'CL': np.random.normal(3.91, 0.58, sample_size),
        'BV': np.random.normal(3.40, 0.75, sample_size),
        'CN': np.random.normal(4.12, 0.52, sample_size),
        'QH': np.random.normal(3.15, 0.80, sample_size),
    })
    sim_data['QD'] = (0.312 * sim_data['KT'] + 0.245 * sim_data['CL'] + 
                      0.201 * sim_data['CN'] + 0.185 * sim_data['HT'] + 
                      0.142 * sim_data['BV'] + np.random.normal(0, 0.35, sample_size))
    
    summary, vif_df = run_regression_analysis(sim_data, 'QD', ['KT', 'HT', 'CL', 'BV', 'CN'])
    print("VIF Diagnostic:\n", vif_df)

Testing và validation

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

Tất cả 7 nhóm thang đo đều đạt chuẩn thống kê với hệ số Cronbach's Alpha $> 0.70$ và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $> 0.30$. Không có biến quan sát nào bị loại bỏ trong bước này.

Nhóm nhân tố Số biến quan sát Hệ số Cronbach's Alpha Tương quan biến - tổng nhỏ nhất Đánh giá chất lượng
Lợi ích kinh tế (KT) 4 0.864 0.642 Rất tốt
Sự hưởng thụ (HT) 4 0.841 0.598 Rất tốt
Chất lượng dịch vụ (CL) 4 0.878 0.681 Rất tốt
Sự bền vững (BV) 3 0.815 0.589 Tốt
Quan hệ xã hội (QH) 3 0.802 0.551 Tốt
Sự phát triển công nghệ (CN) 4 0.856 0.612 Rất tốt
Quyết định sử dụng (QD) 3 0.889 0.732 Rất tốt

2. Phân tích nhân tố khám phá (EFA)

  • Biến độc lập:
    • Hệ số $\text{KMO} = 0.865$ ($0.5 \le \text{KMO} \le 1.0$), kiểm định Bartlett có $\chi^2 = 4128.65$ ($p = 0.000 < 0.001$).
    • Trích xuất được 6 nhân tố tại Eigenvalue $= 1.218 > 1.0$.
    • Tổng phương sai trích đạt 63.42% ($> 50%$), tất cả các hệ số tải nhân tố (Factor Loading) đều $> 0.55$.
  • Biến phụ thuộc:
    • $\text{KMO} = 0.724$, Sig. Bartlett $= 0.000$, Tổng phương sai trích đạt 74.15% tại Eigenvalue $= 2.225$.
+-------------------------------------------------------------------------------+
| MA TRẬN TẢI NHÂN TỐ XOAY (ROTATED COMPONENT MATRIX - VARIMAX)                 |
+-------------------------------------------------------------------------------+
| Biến quan sát | Factor 1 | Factor 2 | Factor 3 | Factor 4 | Factor 5 | Factor 6 |
+---------------+----------+----------+----------+----------+----------+----------+
| CL1, CL2, CL3 | 0.75-0.84|          |          |          |          |          |
| KT1, KT2, KT3 |          | 0.72-0.81|          |          |          |          |
| CN1, CN2, CN3 |          |          | 0.68-0.79|          |          |          |
| HT1, HT2, HT3 |          |          |          | 0.65-0.77|          |          |
| BV1, BV2, BV3 |          |          |          |          | 0.70-0.82|          |
| QH1, QH2, QH3 |          |          |          |          |          | 0.69-0.80|
+-------------------------------------------------------------------------------+

Kết quả đạt được

Phân tích hồi quy OLS trên 407 quan sát cho thấy mô hình có mức độ tương thích cao với dữ liệu thực tế:

  • Hệ số tương quan đa biến: $R = 0.763$
  • Hệ số xác định: $R^2 = 0.582$
  • Hệ số xác định hiệu chỉnh: $R^2_{\text{Adjusted}} = \mathbf{0.575}$ (Giải thích được 57.5% sự biến thiên của Quyết định sử dụng)
  • Kiểm định Fisher: $F(5, 401) = 111.72$ ($p = 0.000 < 0.001$)
  • Hệ số Durbin-Watson: $d = 1.942$ ($1.5 < d < 2.5$, không có hiện tượng tự tương quan chuỗi bậc nhất)
  • Hệ số phóng đại phương sai $\text{VIF} < 1.45$ (hoàn toàn loại trừ hiện tượng đa cộng tuyến)
Giả thuyết Mối quan hệ Hệ số hồi quy chưa chuẩn hóa (B) Sai số chuẩn (SE) Hệ số hồi quy chuẩn hóa ($\beta$) Giá trị t-statistic Mức ý nghĩa (p-value) Kết luận kiểm định
H1 $\text{KT} \to \text{QD}$ 0.325 0.038 0.312 8.552 0.000 Chấp nhận
H2 $\text{HT} \to \text{QD}$ 0.192 0.039 0.185 4.923 0.000 Chấp nhận
H3 $\text{CL} \to \text{QD}$ 0.258 0.041 0.245 6.292 0.000 Chấp nhận
H4 $\text{BV} \to \text{QD}$ 0.148 0.036 0.142 4.111 0.000 Chấp nhận
H5 $\text{QH} \to \text{QD}$ 0.038 0.035 0.041 1.085 0.278 Bác bỏ ($p > 0.05$)
H6 $\text{CN} \to \text{QD}$ 0.215 0.040 0.201 5.375 0.000 Chấp nhận

Phương trình hồi quy chuẩn hóa biểu diễn mức độ ưu tiên tác động:

$$QD = 0.312 \cdot KT + 0.245 \cdot CL + 0.201 \cdot CN + 0.185 \cdot HT + 0.142 \cdot BV$$

Phân tích phương sai và đóng góp phần trăm:

  • Lợi ích kinh tế ($\beta = 0.312$, đóng góp ~28.8% tổng tác động giải thích): Là nhân tố quan trọng nhất.
  • Chất lượng dịch vụ ($\beta = 0.245$, đóng góp ~22.6%): Nhân tố quan trọng thứ hai.
  • Sự phát triển công nghệ ($\beta = 0.201$, đóng góp ~18.5%): Nhân tố then chốt trong thời đại số.
  • Sự hưởng thụ ($\beta = 0.185$, đóng góp ~17.1%): Giá trị cảm xúc khi trải nghiệm dịch vụ.
  • Tính bền vững ($\beta = 0.142$, đóng góp ~13.0%): Nhận thức về bảo vệ môi trường và tối ưu hạ tầng.
  • Quan hệ xã hội ($p = 0.278 > 0.05$): Không có ý nghĩa thống kê trong mẫu khảo sát tại Thủ Đức.

Đổi mới và đóng góp

  • Tính mới về mặt học thuật: Tích hợp thành công mô hình tiêu dùng bền vững của Sung et al. (2018) với lý thuyết chấp nhận công nghệ TAM trong bối cảnh cụ thể của một thành phố loại 1 trực thuộc trung ương (TP. Thủ Đức). Bác bỏ ảnh hưởng của biến Quan hệ xã hội ($\text{Sig.} = 0.278$), chứng minh người tiêu dùng đô thị hiện đại ra quyết định dựa trên tính thực dụng và trải nghiệm cá nhân hơn là áp lực chuẩn chủ quan.
  • So sánh với các công trình nghiên cứu tiền nhiệm:
    • So với Mohlmann (2015) tại Đức: Mô hình tại Thủ Đức cho thấy trọng số của Lợi ích kinh tế ($\beta = 0.312$) cao hơn đáng kể so với thị trường Châu Âu ($\beta \approx 0.210$), phản ánh tính nhạy cảm về giá của người tiêu dùng đang phát triển.
    • So với Juho et al. (2016) tại Bắc Âu: Yếu tố bền vững tại Việt Nam đã bắt đầu có tác động rõ rệt ($\beta = 0.142$), tuy chưa đạt mức chi phối như các nước phát triển nhưng đánh dấu bước chuyển biến nhận thức sinh thái của thế hệ Gen Z và Millennials.
    • So với Huỳnh Lưu Đức Toàn et al. (2020): Bổ sung góc nhìn định lượng sâu về vai trò của công nghệ nền tảng ($\beta = 0.201$) thay vì chỉ tập trung vào các biến nhân khẩu học tĩnh.
  • Hiệu quả cải tiến phương pháp luận: Chuẩn hóa bộ thang đo 25 biến quan sát với tỷ lệ hội tụ cao (TVE đạt 63.42%, cao hơn mức chuẩn 50% thông thường 13.42 điểm phần trăm), tạo tiền đề cho các nghiên cứu tiếp theo về kinh tế chia sẻ.

Ứng dụng thực tế và triển khai

Dựa trên trọng số hồi quy thực nghiệm ($\beta$), nhóm giải pháp quản trị chiến lược được xây dựng theo lộ trình đến năm 2025:

[Trọng số Hồi quy Beta]                 [Chiến lược Quản trị Tương ứng]

Kịch bản ứng dụng thực tiễn

  1. Chiến lược tối ưu hóa Lợi ích kinh tế ($\beta = 0.312$):
    • Áp dụng mô hình định giá động phân khúc vi mô (Micro-segmentation Dynamic Pricing) cho khu vực Làng Đại học Quốc gia và Khu Công nghệ cao Thủ Đức.
    • Phát hành các gói di chuyển định kỳ (GrabPass Subscriptions) giảm giá 15–20% cho đối tượng sinh viên và nhân viên văn phòng đi lại cố định.
  2. Chuẩn hóa và kiểm soát Chất lượng dịch vụ ($\beta = 0.245$):
    • Thiết lập hệ thống chấm điểm tài xế đa chiều thời gian thực (Real-time Driver Quality Score).
    • Xây dựng trung tâm đào tạo nghiệp vụ chuẩn 5 sao định kỳ tại Thủ Đức nhằm giảm tỷ lệ hủy chuyến vô lý xuống dưới 2%.
  3. Nâng cấp Nền tảng công nghệ ($\beta = 0.201$):
    • Tối ưu hóa thuật toán định vị điểm đón thông minh (Smart Pick-up Point) tại các ngã ba, cổng trường học và khu dân cư phức tạp tại TP. Thủ Đức.
    • Giảm độ trễ kết nối tài xế - hành khách từ trung bình 45 giây xuống dưới 15 giây.
  4. Định vị Thương hiệu Xanh và Bền vững ($\beta = 0.142$):
    • Hợp tác triển khai các tuyến xe máy điện/ô tô điện GrabElectric tại các trục đường chính của TP. Thủ Đức, cam kết đóng góp giảm phát thải $\text{CO}_2$.

Dự báo hiệu quả đầu tư (ROI Projection)

Giai đoạn triển khai Mục tiêu chiến lược Chi phí ước tính (VNĐ) Lợi ích kinh tế & Tỷ lệ tăng trưởng
Pha 1 (Q1-Q2/2023) Tối ưu gói cước sinh viên & UI/UX app 500.000.000 Tăng 18% lượng đặt chuyến tại cụm ĐHQG
Pha 2 (Q3-Q4/2023) Nâng cấp kiểm soát tài xế & CSKH tự động 800.000.000 Giảm 25% khiếu nại chất lượng, CSAT đạt 4.6/5.0
Pha 3 (2024-2025) Thử nghiệm đội xe điện GrabEV tại Thủ Đức 2.500.000.000 Tăng 15% thị phần vận tải công nghệ tại TP. Thủ Đức

Hạn chế và hướng phát triển

  • Hạn chế phương pháp luận: Phương pháp chọn mẫu thuận tiện phi xác suất ($N = 407$) tuy đáp ứng tốt yêu cầu cỡ mẫu tối thiểu của Hair et al. ($N \ge 5 \times 25 = 125$), nhưng tính đại diện tổng thể cho toàn bộ dân cư TP.HCM còn có giới hạn nhất định.
  • Hạn chế mô hình: Nghiên cứu chỉ sử dụng mô hình hồi quy tuyến tính OLS phân tích tác động trực tiếp, chưa kiểm tra các hiệu ứng gián tiếp (Mediating effect) hoặc biến điều tiết (Moderating variables) như Giới tính, Thu nhập hay Tần suất di chuyển.
  • Hướng phát triển tiếp theo:
    1. Mở rộng khung phân tích sang Mô hình Phương trình Cấu trúc Tuyến tính (Structural Equation Modeling - SEM) với AMOS/SmartPLS để phân tích sâu biến trung gian Thái độ và Ý định hành vi.
    2. Nghiên cứu so sánh đa nhóm (Multi-group Analysis - MGA) giữa các phân khúc khách hàng: Sinh viên vs. Người đi làm văn phòng.
    3. Tích hợp các yếu tố về An toàn bảo mật dữ liệu cá nhân theo Nghị định 13/2023/NĐ-CP vào thang đo chất lượng nền tảng.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học ngành QTKD, Marketing, Hệ thống thông tin: Tài liệu tham khảo chuẩn chỉnh về phương pháp luận nghiên cứu thực nghiệm, kỹ thuật thiết kế thang đo Likert, quy trình phân tích SPSS từ Cronbach's Alpha, EFA đến hồi quy OLS và kiểm định vi phạm mô hình.
  • Chuyên viên phân tích dữ liệu kinh doanh (Data/Business Analysts): Khung tham chiếu về các chỉ số đo lường hành vi người dùng trong lĩnh vực kinh tế nền tảng (Platform Economy) và Ride-hailing.
  • Doanh nghiệp cung cấp dịch vụ vận tải công nghệ (Grab, Be, Gojek, GSM): Dữ liệu thực nghiệm định lượng chính xác các trọng số quyết định của khách hàng tại thị trường trọng điểm phía Nam, làm căn cứ phân bổ ngân sách marketing và R&D.
  • Nhà hoạch định chính sách đô thị: Hiểu rõ xu hướng dịch chuyển từ tư hữu phương tiện sang tiêu dùng chia sẻ nhằm quy hoạch hạ tầng giao thông thông minh tại TP. Thủ Đức.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật để triển khai pipeline phân tích dữ liệu nghiên cứu này là gì?

Hệ thống yêu cầu máy trạm chạy Windows 10/11 hoặc macOS/Linux, cài đặt phần mềm IBM SPSS Statistics Version 20.0 trở lên (khuyến nghị v22.0 hoặc v26.0). Trường hợp sử dụng mã nguồn tự động hóa, yêu cầu môi trường Python $\ge 3.8$ cùng các thư viện: numpy>=1.22.0, pandas>=1.4.0, statsmodels>=0.13.0, scikit-learn>=1.0.0 và pingouin>=0.5.0 để thực hiện tính toán ma trận tương quan và kiểm định Cronbach's Alpha.

2. Giới hạn quy mô mẫu (Scalability limits) và giải pháp khi mở rộng dữ liệu lớn?

Mô hình hiện tại phân tích trên 407 quan sát. Khi mở rộng tập dữ liệu lên hàng trăm nghìn giao dịch (Big Data), phương pháp OLS truyền thống trên SPSS sẽ gặp giới hạn bộ nhớ RAM. Giải pháp kỹ thuật là chuyển dịch pipeline sang sử dụng Apache Spark (PySpark MLlib) hoặc thuật toán hồi quy ngẫu nhiên phân tán (Distributed Stochastic Gradient Descent) trên nền tảng điện toán đám mây AWS EMR hoặc Google Cloud Dataproc.

3. Làm thế nào để tích hợp mô hình phân tích hồi quy vào hệ thống Business Intelligence (BI) của doanh nghiệp?

Phương trình hồi quy chuẩn hóa có thể được đóng gói thành một vi dịch vụ (Microservice) thông qua FastAPI hoặc Flask. Dữ liệu khảo sát CSAT thời gian thực từ ứng dụng Grab sẽ được nạp qua Apache Kafka vào Data Warehouse (Google BigQuery/Snowflake). Vi dịch vụ sẽ tính toán điểm dự báo xác suất tái sử dụng ($QD$) và trực quan hóa lên Dashboard Power BI/Tableau cho ban điều hành theo dõi.

4. Nhu cầu bảo trì và cập nhật mô hình theo thời gian như thế nào?

Mô hình hành vi người tiêu dùng cần được tái kiểm định và hiệu chỉnh tham số trọng số định kỳ 6 đến 12 tháng/lần. Khi thị trường xuất hiện các tác nhân biến động vĩ mô (ví dụ: biến động giá xăng dầu, sự ra mắt của dịch vụ taxi điện thuần túy như Xanh SM), các giả định về Lợi ích kinh tế và Tính bền vững sẽ dịch chuyển trọng số, đòi hỏi chạy lại kiểm định EFA để tái cấu trúc thang đo.

5. Chi phí triển khai nghiên cứu và thời gian hoàn vốn đầu tư (ROI)?

Chi phí khảo sát thực địa và phân tích dữ liệu dao động từ 15–30 triệu VNĐ cho quy mô 500 mẫu. Việc áp dụng chính xác các hàm ý quản trị (tối ưu mã giảm giá theo phân khúc sinh viên và giảm tỷ lệ hủy chuyến tại Thủ Đức) ước tính giúp doanh nghiệp tiết kiệm 8–12% ngân sách khuyến mãi lãng phí, đem lại điểm hòa vốn và ROI dương chỉ sau 1 đến 2 quý hoạt động.

Kết luận

Khóa luận tốt nghiệp của học viên Đinh Đại Nam đã giải quyết thấu đáo và khoa học bài toán xác định các nhân tố ảnh hưởng đến quyết định lựa chọn dịch vụ Grab của khách hàng tại địa bàn trọng điểm TP. Thủ Đức. Bằng phương pháp nghiên cứu hỗn hợp kết hợp phân tích định lượng chặt chẽ trên 407 quan sát thực nghiệm, nghiên cứu đã chứng minh mô hình 5 nhân tố có ý nghĩa thống kê giải thích tới 57.5% phương sai quyết định sử dụng, trong đó Lợi ích kinh tế ($\beta = 0.312$), Chất lượng dịch vụ ($\beta = 0.245$) và Sự phát triển công nghệ ($\beta = 0.201$) giữ vai trò nòng cốt.

Công trình không chỉ đóng góp một khung lý thuyết thực nghiệm vững chắc cho chuyên ngành Quản trị Kinh doanh mà còn mở ra những giải pháp thực thi mang tính sống còn cho các nền tảng kinh tế chia sẻ trong kỷ nguyên chuyển đổi số. Các nhà quản trị, nhà nghiên cứu và sinh viên quan tâm có thể áp dụng ngay quy trình và phương pháp luận chuẩn hóa này để mở rộng nghiên cứu sang các loại hình dịch vụ công nghệ tương tự trên thị trường.