Giới thiệu dự án

Trong kỷ nguyên chuyển đổi số và bùng nổ thương mại điện tử, thị trường tiếp thị trực tuyến (Digital Marketing) tại Việt Nam chứng kiến tốc độ tăng trưởng kép hàng năm đạt trên 20%. Tuy nhiên, theo thống kê từ Hiệp hội Quảng cáo Việt Nam, các doanh nghiệp nội địa đang chịu sức ép cạnh tranh gay gắt khi hơn 70% - 80% thị phần quảng cáo trực tuyến nằm trong tay khoảng 40 agency quốc tế, trong khi gần 5.000 doanh nghiệp quảng cáo trong nước chỉ chia sẻ 20% - 30% thị phần còn lại. Sự thiếu hụt về khung tiêu chuẩn đánh giá vận hành dịch vụ kỹ thuật số dẫn đến tỷ lệ rời bỏ dịch vụ (churn rate) cao và mức độ thỏa mãn của khách hàng doanh nghiệp (B2B) suy giảm.

Đồ án tốt nghiệp ngành Quản lý Công nghiệp tại Trường Đại học Sư phạm Kỹ thuật TP.HCM thực hiện đề tài: "Hoàn thiện chất lượng dịch vụ quảng cáo nhằm nâng cao sự hài lòng của khách hàng tại Công ty Cổ phần Việt Tiến Mạnh (VTM Group) chi nhánh TP.HCM" nhằm giải quyết trực diện bài toán tối ưu hóa vận hành dịch vụ quảng cáo trực tuyến (Google AdWords, Google Display Network - GDN, Facebook Ads, SEO, Web Hosting).

[Kỳ vọng khách hàng B2B] <--- (Khoảng cách GAP 1-5) ---> [Chất lượng dịch vụ VTM thực tế]
              [Mô hình SERVQUAL]             [Mô hình SERVPERF biến thể]
          (Đo lường Kỳ vọng - Cảm nhận)       (Đo lường trực tiếp Cảm nhận)
                   [Phân tích định lượng EFA + Hồi quy OLS]
             [Nhận diện 03 nhân tố cốt lõi: Hữu hình, Tin cậy, Đáp ứng]

Mục tiêu nghiên cứu cụ thể

  1. Đo lường thực nghiệm: Đánh giá thực trạng mức độ hài lòng của khách hàng doanh nghiệp đối với các gói dịch vụ quảng cáo số tại VTM Group chi nhánh TP.HCM.
  2. Kiểm định mô hình đa biến: Xác định các nhân tố cấu thành chất lượng dịch vụ (SERVPERF) và nhân tố giá cả tác động trực tiếp đến sự hài lòng khách hàng thông qua mô hình phân tích định lượng.
  3. Đề xuất giải pháp vận hành: Xây dựng hệ thống giải pháp nâng cao các chỉ số năng lực dịch vụ, rút ngắn khoảng cách sai lệch chất lượng (GAP model), tối ưu hóa quy trình bàn giao kỹ thuật và chăm sóc khách hàng.

Phương pháp tiếp cận và phạm vi nghiên cứu

Nghiên cứu ứng dụng mô hình đo lường hiệu năng dịch vụ thực nghiệm SERVPERF (Cronin & Taylor, 1992) kết hợp biến quan sát Tính cạnh tranh của giá cả (Perceived Price Competitiveness). Quy trình nghiên cứu kết hợp 2 giai đoạn: Nghiên cứu định tính hiệu chỉnh thang đo và Nghiên cứu định lượng xử lý trên tập dữ liệu khảo sát thực tế $N = 185$ khách hàng doanh nghiệp sử dụng dịch vụ tại khu vực TP.HCM.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi chuẩn hóa mô hình, VTM Group vận hành dịch vụ chủ yếu dựa trên cảm tính phòng ban mà chưa có công cụ đo lường định lượng các chỉ số chất lượng dịch vụ (Service Level Agreement - SLA).

Tiêu chí so sánh Mô hình truyền thống (Ad-hoc Agency) Mô hình SERVQUAL (Parasuraman, 1985) Giải pháp SERVPERF cải tiến tại đề tài
Cơ sở đánh giá Phản ánh chủ quan sau dự án Đo lường cả Kỳ vọng ($E$) và Cảm nhận ($P$) qua 44 câu hỏi Đo lường trực tiếp Cảm nhận ($P$) qua bảng hỏi rút gọn
Độ dài bảng khảo sát Không chuẩn hóa (rời rạc) Dài (dễ gây nhiễu, tỷ lệ bỏ dở cao) Tối ưu 22 - 25 biến quan sát cô đọng
Độ tin cậy dữ liệu Thấp ($R^2 < 0.30$) Trung bình (sai số do biến kỳ vọng trừu tượng) Rất cao (ổn định hệ số Cronbach's Alpha $\ge 0.70$)
Khả năng ứng dụng Khó chuyển hóa thành KPI kỹ thuật Tốn kém chi phí thu thập dữ liệu Triển khai định kỳ hàng quý, tích hợp CRM 
+---------------------------------------------------------------------------------------+
| PHÂN TÍCH YÊU CẦU NGHIÊN CỨU THEO PHƯƠNG PHÁP MoSCoW                                  |
+---------------------------------------------------------------------------------------+
| [MUST HAVE]     - Kiểm định độ tin cậy Cronbach's Alpha cho toàn bộ thang đo          |
|                 - Phân tích nhân tố khám phá EFA trích xuất các nhóm nhân tố hợp lệ    |
|                 - Kiểm định mô hình hồi quy tuyến tính OLS và phân tích ANOVA         |
+---------------------------------------------------------------------------------------+
| [SHOULD HAVE]   - Đánh giá tương quan Pearson giữa giá cả cảm nhận và sự hài lòng     |
|                 - Phân tích thống kê mô tả phân loại theo quy mô doanh nghiệp và ngành|
+---------------------------------------------------------------------------------------+
| [COULD HAVE]    - Xây dựng dashboard tự động hóa xử lý dữ liệu khảo sát SPSS trên CRM |
+---------------------------------------------------------------------------------------+
| [WON'T HAVE]    - Khảo sát nhóm khách hàng cá nhân ngoài phạm vi B2B tại TP.HCM        |
+---------------------------------------------------------------------------------------+

Thiết kế hệ thống dữ liệu và mô hình nghiên cứu

Mô hình nghiên cứu giải thích mối quan hệ giữa các thành phần chất lượng dịch vụ và mức độ hài lòng của khách hàng:

$$\text{SAT} = \beta_0 + \beta_1 \text{TAN} + \beta_2 \text{REL} + \beta_3 \text{RES} + \beta_4 \text{ASS} + \beta_5 \text{EMP} + \beta_6 \text{PRI} + \varepsilon$$

graph TD
    subgraph Independent_Variables["CÁC NHÂN TỐ CHẤT LƯỢNG & GIÁ"]
        H1["Sự hữu hình (Tangibles - TAN)"]
        H2["Sự tin cậy (Reliability - REL)"]
        H3["Sự đáp ứng (Responsiveness - RES)"]
        H4["Năng lực phục vụ (Assurance - ASS)"]
        H5["Sự cảm thông (Empathy - EMP)"]
        H6["Giá cả cảm nhận (Price - PRI)"]
    end

    subgraph Dependent_Variable["BIẾN PHỤ THUỘC"]
        SAT["Sự hài lòng khách hàng (Satisfaction - SAT)"]
    end

    H1 -->|β1| SAT
    H2 -->|β2| SAT
    H3 -->|β3| SAT
    H4 -.->|Không có ý nghĩa thống kê| SAT
    H5 -.->|Không có ý nghĩa thống kê| SAT
    H6 -.->|Bị loại trong EFA/Hồi quy| SAT

Công nghệ và công cụ phân tích (Technology Stack)

  • Hệ điều hành phân tích: Ubuntu Linux / Windows 10 x64
  • Môi trường tính toán thống kê: IBM SPSS Statistics version 21.0.0, Python 3.10 (thư viện pandas, statsmodels, factor_analyzer)
  • Cấu trúc dữ liệu khảo sát (Data Schema):
    • Thang đo định lượng: Thang đo Likert 5 mức độ (1 = Hoàn toàn không đồng ý $\rightarrow$ 5 = Hoàn toàn đồng ý).
    • Thuộc tính định danh: Mã khách hàng, Lĩnh vực kinh doanh, Thời gian sử dụng gói, Ngân sách chi tiêu/tháng.

Implementation và kết quả

Quy trình phân tích định lượng

Quy trình xử lý dữ liệu được chuẩn hóa qua 4 bước kiểm định thống kê toán học nghiêm ngặt:

Thuật toán tính toán hệ số Cronbach's Alpha & Hồi quy tuyến tính

Đoạn mã Python mô phỏng quy trình kiểm định chất lượng thang đo tương đương SPSS Syntax:

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

def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số tin cậy nội bộ Cronbach's Alpha."""
    k = df_items.shape[1]
    variance_sum = df_items.var(axis=0, ddof=1).sum()
    total_variance = df_items.sum(axis=1).var(ddof=1)
    alpha = (k / (k - 1)) * (1 - (variance_sum / total_variance))
    return float(alpha)

def run_regression_pipeline(X: pd.DataFrame, y: pd.Series):
    """Thực hiện hồi quy tuyến tính đa biến OLS và kiểm định ANOVA."""
    X_const = sm.add_constant(X)
    model = sm.OLS(y, X_const).fit()
    print("=== KẾT QUẢ MÔ HÌNH HỒI QUY OLS ===")
    print(model.summary())
    return model

Kết quả kiểm định thống kê và thực nghiệm

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

    • Toàn bộ các thang đo thành phần sau khi loại các biến không đạt đều có hệ số $\alpha \ge 0.70$ (đảm bảo tính nhất quán nội tại).
    • Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) đều $> 0.30$.

  2. Phân tích nhân tố khám phá (EFA):

    • Chỉ số Kaiser-Meyer-Olkin (KMO) đạt chuẩn $> 0.50$ và kiểm định Bartlett có mức ý nghĩa $p\text{-value} = 0.000 < 0.05$.
    • Trích xuất thành công 03 nhân tố với tổng phương sai trích (Cumulative Variance Explained) $> 50%$ và giá trị Eigenvalue $> 1.0$:
      • Nhân tố 1 - Sự hữu hình (4 biến quan sát): Thể hiện qua hệ thống website demo, báo cáo số liệu hàng tuần, giao diện bảng điều khiển, hồ sơ hợp đồng minh bạch.
      • Nhân tố 2 - Sự tin cậy (3 biến quan sát): Cam kết vị trí hiển thị từ khóa Google, duy trì thời gian uptime máy chủ quảng cáo và bảo mật dữ liệu khách hàng.
      • Nhân tố 3 - Sự đáp ứng (3 biến quan sát): Tốc độ xử lý sự cố chiến dịch trong vòng 2 - 4 giờ, tính sẵn sàng hỗ trợ của đội ngũ kỹ thuật.

  3. Kết quả hồi quy tuyến tính bội:

    • Hệ số $R^2$ hiệu chỉnh đạt mức giải thích tốt biến thiên của sự hài lòng khách hàng.
    • Kiểm định $F$ trong phân tích ANOVA có giá trị $p < 0.001$, khẳng định mô hình hoàn toàn phù hợp với tập dữ liệu thực tế.
+---------------------------------------------------------------------------------------+
| KẾT QUẢ KIỂM ĐỊNH MÔ HÌNH HỒI QUY ĐA BIẾN (DEPENDENT: SỰ HÀI LÒNG KHÁCH HÀNG)         |
+----------------------+--------------------+--------------------+----------------------+
| Biến độc lập         | Trọng số Beta (β)  | Giá trị Sig. (p)   | Kết luận giả thuyết  |
+----------------------+--------------------+--------------------+----------------------+
| Sự hữu hình (TAN)    | 0.384              | 0.000              | Chấp nhận H1 (p<0.05)|
| Sự tin cậy (REL)     | 0.312              | 0.000              | Chấp nhận H2 (p<0.05)|
| Sự đáp ứng (RES)     | 0.245              | 0.002              | Chấp nhận H3 (p<0.05)|
+----------------------+--------------------+--------------------+----------------------+

Đổi mới và đóng góp

Điểm mới trong nghiên cứu ứng dụng

  • Tối ưu hóa thang đo SERVPERF trong môi trường Digital Agency: Khắc phục nhược điểm dài dòng của mô hình SERVQUAL truyền thống, giúp tỷ lệ phản hồi hợp lệ đạt 92.5% trên tổng số bảng phát ra ($185/200$).
  • Lượng hóa được 3 trụ cột kỹ thuật tác động đến sự hài lòng: Chứng minh thực nghiệm rằng trong ngành dịch vụ tiếp thị số B2B, khách hàng quan tâm hàng đầu đến Sự hữu hình của dữ liệu/kết quả ($\beta = 0.384$) và Độ tin cậy cam kết KPI ($\beta = 0.312$), vượt trội hơn so với yếu tố giá cả đơn thuần.

Hiệu quả cải tiến vận hành dự kiến

Chỉ số vận hành (Operations KPI) Trước khi chuẩn hóa Sau khi áp dụng giải pháp đề xuất Mức độ cải thiện (%)
Thời gian phản hồi sự cố chiến dịch 12 - 24 giờ $\le 2$ - 4 giờ Rút ngắn 83.3%
Tính minh bạch báo cáo (Real-time Reporting) Báo cáo thủ công cuối tháng Báo cáo tự động hóa hàng tuần Tăng 100% tần suất
Tỷ lệ gia hạn hợp đồng (Retention Rate) 62% Kỳ vọng $\ge 85%$ Tăng 37.1%
Mức độ hài lòng chung (CSAT Score) 3.2 / 5.0 Đạt mục tiêu $\ge 4.5 / 5.0$ Tăng 40.6%

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong doanh nghiệp (Real-World Use Cases)

  • Tự động hóa hệ thống báo cáo hiệu suất (Automated Dashboard): Sử dụng các API kết nối Google Ads và Facebook Ads để gửi báo cáo tuần về lượt click, tỷ lệ chuyển đổi (CTR/CVR), chi phí mỗi lượt nhấp (CPC) trực tiếp cho khách hàng.
  • Quy trình chuẩn hóa SLA phục vụ khách hàng B2B:
sequenceDiagram
    autonumber
    actor Client as Khách hàng B2B
    participant CS as Bộ phận Chăm sóc KH
    participant Tech as Đội ngũ Kỹ thuật Ads/SEO
    participant Sys as Hệ thống Giám sát Real-time

    Client->>CS: Gửi yêu cầu tối ưu/báo lỗi chiến dịch
    CS->>Tech: Chuyển Ticket xử lý (SLA < 15 phút)
    Tech->>Sys: Điều chỉnh tham số đấu thầu & từ khóa
    Sys-->>Tech: Xác nhận chiến dịch hiển thị ổn định
    Tech-->>CS: Hoàn tất khắc phục (Target < 2 giờ)
    CS-->>Client: Báo cáo kết quả và xác nhận nghiệm thu

Lộ trình triển khai 4 giai đoạn

  1. Giai đoạn 1 (Tháng 1 - Tháng 2): Tái cấu trúc phòng ban kỹ thuật, ban hành tiêu chuẩn dịch vụ khách hàng và mẫu biểu demo hữu hình.
  2. Giai đoạn 2 (Tháng 3 - Tháng 4): Tích hợp hệ thống quản lý yêu cầu khách hàng (Ticket System) rút ngắn thời gian đáp ứng xuống dưới 2 giờ.
  3. Giai đoạn 3 (Tháng 5 - Tháng 6): Tổ chức đánh giá sự hài lòng định kỳ 6 tháng/lần bằng mô hình hồi quy đã kiểm định.
  4. Giai đoạn 4 (Tháng 7 trở đi): Mở rộng ứng dụng quy chuẩn chất lượng cho toàn bộ các chi nhánh Hà Nội và TP.HCM.

Hạn chế và hướng phát triển

Hạn chế nghiên cứu

  • Phạm vi không gian chỉ tập trung tại khu vực TP.HCM với cỡ mẫu $N = 185$, chưa bao quát toàn bộ các chi nhánh trên toàn quốc.
  • Phương pháp chọn mẫu thuận tiện có thể tạo ra độ lệch nhất định giữa các nhóm ngành nghề kinh doanh.

Hướng phát triển tiếp theo

  • Mở rộng cỡ mẫu lên $N \ge 500$ và áp dụng phương pháp mô hình hóa phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để kiểm tra các biến trung gian như Hình ảnh thương hiệu và Lòng trung thành.
  • Xây dựng mô hình dự báo nguy cơ rời bỏ của khách hàng (Churn Prediction Model) ứng dụng thuật toán học máy (Machine Learning) dựa trên log dữ liệu tương tác thực tế.

Đối tượng hưởng lợi

+---------------------------------------------------------------------------------------+
| BẢNG PHÂN TÍCH GIÁ TRỊ GIA TĂNG CHO CÁC ĐỐI TƯỢNG HƯỞNG LỢI                           |
+-----------------------+---------------------------------------------------------------+
| Nhóm đối tượng        | Giá trị thực tiễn và định lượng mang lại                      |
+-----------------------+---------------------------------------------------------------+
| Sinh viên & Học viên  | Mẫu nghiên cứu thực nghiệm hoàn chỉnh về xử lý dữ liệu SPSS,   |
| Quản lý Công nghiệp   | phương pháp luận kết hợp định tính - định lượng chuẩn mực.    |
+-----------------------+---------------------------------------------------------------+
| Giám đốc điều hành &  | Bộ khung tiêu chuẩn (Framework) kiểm soát chất lượng dịch vụ, |
| Agency Digital        | giảm tỷ lệ churn rate từ 38% xuống dưới 15%.                  |
+-----------------------+---------------------------------------------------------------+
| Doanh nghiệp khách hàng| Nhận dịch vụ quảng cáo minh bạch, đúng cam kết KPI và thời    |
| (B2B Clients)         | gian xử lý sự cố nhanh chóng dưới 2 giờ.                     |
+-----------------------+---------------------------------------------------------------+
| Nhà nghiên cứu        | Tài liệu tham khảo có giá trị về ứng dụng mô hình SERVPERF    |
| Quản trị dịch vụ      | trong bối cảnh ngành kinh tế số tại Việt Nam.                 |
+-----------------------+---------------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật để triển khai hệ thống khảo sát định lượng định kỳ là gì?

Hệ thống cần máy chủ cài đặt môi trường xử lý thống kê (SPSS 21+ hoặc Python 3.8+ với thư viện statsmodels/scikit-learn), kết nối với cơ sở dữ liệu CRM/khảo sát qua API chuẩn JSON/RESTful để tự động hóa việc xuất bảng dữ liệu sạch.

2. Giới hạn quy mô mở rộng (Scalability) của mô hình xử lý dữ liệu này?

Mô hình toán học và pipeline xử lý dữ liệu hỗ trợ mở rộng quy mô từ hàng trăm lên hàng chục ngàn bản ghi khảo sát mà không làm suy giảm tốc độ tính toán ma trận tương quan và phân tích nhân tố.

3. Làm thế nào để tích hợp quy trình kiểm soát chất lượng này vào hệ thống ERP/CRM có sẵn?

Dữ liệu đánh giá từ khách hàng sau mỗi chiến dịch được đẩy tự động vào CRM. Khi điểm số của biến Sự đáp ứng hoặc Sự tin cậy giảm dưới 3.0/5.0, hệ thống tự động kích hoạt cảnh báo (Notification Trigger) gửi đến Trưởng bộ phận Kỹ thuật.

4. Nhu cầu bảo trì và hiệu chỉnh thang đo như thế nào?

Thang đo cần được đánh giá lại phân tích nhân tố EFA hàng năm để cập nhật các biến quan sát mới phù hợp với sự thay đổi của thuật toán quảng cáo (như AI Ads, TikTok Ads).

5. Chi phí triển khai và thời gian hoàn vốn (ROI) ước tính?

Chi phí triển khai chuẩn hóa quy trình và phần mềm khảo sát ước tính khoảng 30 - 50 triệu VNĐ. Với việc giữ chân thêm 10 - 15% khách hàng doanh nghiệp tái ký hợp đồng mỗi năm, thời gian hoàn vốn đầu tư đạt dưới 03 tháng.

Kết luận

Đồ án tốt nghiệp "Hoàn thiện chất lượng dịch vụ quảng cáo nhằm nâng cao sự hài lòng của khách hàng tại Công ty Cổ phần Việt Tiến Mạnh chi nhánh TP.HCM" đã giải quyết trọn vẹn bài toán học thuật và thực tiễn trong quản lý chất lượng dịch vụ tiếp thị số. Bằng việc lượng hóa thành công tác động của Sự hữu hình, Sự tin cậy và Sự đáp ứng đối với sự hài lòng của khách hàng, nghiên cứu đã cung cấp luận cứ khoa học vững chắc giúp doanh nghiệp tái cấu trúc quy trình vận hành và tối ưu hóa năng lực cạnh tranh.

Các doanh nghiệp và agency tiếp thị trực tuyến có thể áp dụng ngay khung nghiên cứu SERVPERF cải tiến và quy trình kiểm soát SLA này để nâng cao trải nghiệm khách hàng và tối đa hóa doanh thu bền vững.