Giới thiệu dự án

Sự bùng nổ của thương mại điện tử (E-commerce) và xu hướng mua sắm đa kênh tại Việt Nam với tốc độ tăng trưởng quy mô thị trường logistics chặng cuối (last-mile delivery) đạt hơn 20%/năm đã đặt ra áp lực vận hành khổng lồ cho các đơn vị bưu chính. Tại bưu cục Viettel Post Gò Vấp (TP. Hồ Chí Minh) – khu vực có mật độ dân cư và khối lượng luân chuyển bưu phẩm cao – việc duy trì và nâng cao mức độ thỏa mãn của khách hàng trở thành yêu cầu sống còn.

Vấn đề nghiên cứu thực tế (Problem Statement)

Các doanh nghiệp chuyển phát nhanh đối mặt với bài toán tối ưu hóa đa mục tiêu: vừa phải rút ngắn thời gian giao nhận, vừa phải bảo đảm an toàn bưu phẩm, nâng cao thái độ phục vụ và minh bạch hóa hành trình đơn hàng. Bưu cục Viettel Post Gò Vấp gặp phải các điểm nghẽn (pain points) như:

  • Tình trạng biến động chất lượng phục vụ vào khung giờ cao điểm và mùa sale E-commerce.
  • Sai lệch kỳ vọng giữa cam kết thời gian giao hàng và trải nghiệm thực tế của người nhận.
  • Năng lực xử lý khiếu nại và tương tác hỗ trợ khách hàng đa kênh chưa được lượng hóa chính xác.

Mục tiêu dự án

  1. Xác định các nhân tố cấu thành: Nhận diện 05 thành phần chất lượng dịch vụ cốt lõi theo mô hình SERVPERF tác động đến khách hàng bưu cục.
  2. Đo lường và định lượng mức độ ảnh hưởng: Đánh giá tương quan và mức độ tác động của từng nhân tố tới sự hài lòng của khách hàng thông qua phân tích hồi quy tuyến tính bội.
  3. Kiểm định mô hình đo lường: Xác thực độ tin cậy thang đo (Cronbach's Alpha) và tính hội tụ, phân biệt (EFA) trên cỡ mẫu khảo sát thực tế.
  4. Đề xuất hàm ý quản trị ứng dụng: Xây dựng hệ thống giải pháp nâng cấp quy trình công nghệ, chuẩn hóa KPI nhân sự và quản trị trải nghiệm khách hàng tại Viettel Post Gò Vấp.
+-------------------------------------------------------------------------------+
|                      MÔ HÌNH NGHIÊN CỨU SERVPERF BIẾN THỂ                     |
+-------------------------------------------------------------------------------+
|  [STC] Sự tin cậy (4 items)        ---\                                       |
|  [SDU] Sự đáp ứng (5 items)        ----\                                      |
|  [NLPV] Năng lực phục vụ (4 items) ------> [SHL] SỰ HÀI LÒNG CỦA KHÁCH HÀNG   |
|  [SDC] Sự đồng cảm (4 items)       ----/         (4 biến quan sát)            |
|  [PTHH] Phương tiện hữu hình (5 items)-/                                      |
+-------------------------------------------------------------------------------+

Phương pháp tiếp cận và kết quả kỳ vọng

Dự án áp dụng mô hình SERVPERF (Service Performance) cải tiến của Cronin & Taylor (1992), loại bỏ khoảng trống kỳ vọng (Expectation Gap) của SERVQUAL để tập trung thuần túy vào cảm nhận thực tế (Perceived Performance), giúp giảm thiểu độ trễ khảo sát và sai số đo lường.

  • Dữ liệu thực nghiệm: Khảo sát ngẫu nhiên $N = 205$ khách hàng cá nhân hợp lệ (trên 240 phiếu phát ra).
  • Phạm vi nghiên cứu: Khách hàng giao dịch tại Bưu cục Viettel Post Gò Vấp, TP.HCM trong giai đoạn từ tháng 06 đến tháng 08/2023.
  • Giới hạn nghiên cứu: Nghiên cứu tập trung vào phân khúc khách hàng cá nhân (C2C, B2C nhận hàng), chưa bao quát toàn diện nhóm khách hàng doanh nghiệp B2B theo hợp đồng dài hạn.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí so sánh Mô hình SERVQUAL (1988) Mô hình E-SERVQUAL (2005) Mô hình SERVPERF (1992 - Áp dụng)
Bản chất đo lường Khoảng cách: $P - E$ (Perception - Expectation) Đo lường dịch vụ trực tuyến/Website Đo lường trực tiếp thực tế: $P$ (Perceived Performance)
Số lượng biến quan sát 44 biến (22 kỳ vọng + 22 cảm nhận) 22 - 30 biến chuyên biệt cho Web/App 22 - 26 biến đánh giá hiệu năng trực tiếp
Ưu điểm Đánh giá được mức độ hụt hẫng kỳ vọng Phù hợp với UI/UX sàn TMĐT Giảm 50% thời gian khảo sát, độ tin cậy $\alpha > 0.8$, tránh sai lệch tâm lý
Nhược điểm Dài dòng, gây mệt mỏi cho người trả lời Không đo được tương tác bưu cục vật lý Không phân tách riêng biệt kỳ vọng ban đầu

Phân loại yêu cầu giải pháp theo khung MoSCoW

  • Must-have (Bắt buộc): Kiểm định độ tin cậy Cronbach's Alpha $\ge 0.70$; KMO $\ge 0.50$; Eigenvalues $\ge 1.0$; tổng phương sai trích $\ge 50%$; hệ số tải nhân tố Factor Loading $\ge 0.50$.
  • Should-have (Nên có): Thiết kế pipeline xử lý dữ liệu tự động từ bảng hỏi sang file phân tích số liệu chuẩn hóa.
  • Could-have (Có thể có): Xây dựng module RESTful API tích hợp điểm đánh giá CSAT (Customer Satisfaction Score) tự động theo thời gian thực.
  • Won't-have (Chưa làm đợt này): Mô hình hóa cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) cho các biến điều tiết phức tạp.

Thiết kế hệ thống dữ liệu và phân tích

Mô hình kiến trúc phân tích định lượng kết hợp hệ thống giám sát chất lượng dịch vụ bưu cục được thiết kế theo cấu trúc modular:

[Khảo sát khách hàng (Form / App Viettel Post)]
[Data Preprocessing Layer (Python v3.10 / Pandas)]
[SPSS Analytics Engine v20.0 / Statsmodels]
[Executive Decision Dashboard & Action Plan]

Technology Stack & Công cụ sử dụng

  • Phần mềm phân tích dữ liệu: IBM SPSS Statistics Version 20.0 (Core Engine), AMOS Version 20.0.
  • Xử lý tự động hóa: Python v3.10.12, NumPy v1.24.3, Pandas v2.0.3, Statsmodels v0.14.0, Scikit-learn v1.3.0.
  • Lưu trữ dữ liệu khảo sát: PostgreSQL v15.3, JSON-Schema định dạng phản hồi.
  • Hạ tầng triển khai Dashboard: Docker v24.0.5, FastAPI v0.100.0, Nginx v1.24.

Thiết kế cấu trúc cơ sở dữ liệu (Database Schema)

-- Schema lưu trữ đánh giá chất lượng dịch vụ và phản hồi khách hàng
CREATE TABLE service_evaluations (
    evaluation_id SERIAL PRIMARY KEY,
    customer_code VARCHAR(50) NOT NULL,
    tracking_number VARCHAR(30) UNIQUE NOT NULL,
    transaction_date TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP,
    gender VARCHAR(10) CHECK (gender IN ('Nam', 'Nu')),
    age_group VARCHAR(20) CHECK (age_group IN ('Under_18', '18_25', '26_40', 'Above_40')),
    income_level VARCHAR(20) CHECK (income_level IN ('Under_3M', '3M_5M', '6M_9M', 'Above_10M')),
    -- Thang đo 5 mức độ Likert: 1 (Rất không đồng ý) đến 5 (Rất đồng ý)
    stc_score NUMERIC(3, 2) NOT NULL, -- Sự tin cậy
    sdu_score NUMERIC(3, 2) NOT NULL, -- Sự đáp ứng
    nlpv_score NUMERIC(3, 2) NOT NULL, -- Năng lực phục vụ
    sdc_score NUMERIC(3, 2) NOT NULL, -- Sự đồng cảm
    pthh_score NUMERIC(3, 2) NOT NULL, -- Phương tiện hữu hình
    shl_score NUMERIC(3, 2) NOT NULL, -- Sự hài lòng chung
    status VARCHAR(20) DEFAULT 'PROCESSED'
);

CREATE INDEX idx_eval_transaction ON service_evaluations (transaction_date);
CREATE INDEX idx_eval_scores ON service_evaluations (shl_score);

Đặc tả API tích hợp đánh giá chất lượng dịch vụ

POST /api/v1/quality-feedback
Content-Type: application/json

Request:
{
  "tracking_number": "VTPOSTGV2023081501",
  "customer_id": "CUST_98214",
  "demographics": {
    "gender": "Nu",
    "age_group": "18_25",
    "income_level": "Above_10M"
  },
  "metrics": {
    "stc": [4, 4, 5, 4],
    "sdu": [5, 4, 5, 4, 5],
    "nlpv": [4, 5, 4, 4],
    "sdc": [3, 4, 4, 3],
    "pthh": [4, 3, 4, 4]
  }
}

Response (201 Created):
{
  "status": "success",
  "evaluation_id": 10428,
  "computed_csat": 4.25,
  "predicted_shl": 4.18,
  "flag_intervention": false
}

Phương pháp luận nghiên cứu (Methodology)

[Xác định vấn đề & Cơ sở lý thuyết]
[Nghiên cứu định tính: Phỏng vấn sâu chuyên gia & Khách hàng bưu cục]
[Hiệu chỉnh thang đo (26 biến quan sát ban đầu)]
[Khảo sát định lượng thử nghiệm (N=30) -> Khảo sát chính thức (N=205)]
[Kiểm định Cronbach's Alpha -> EFA -> Hồi quy tuyến tính OLS]
[Thảo luận kết quả & Đề xuất giải pháp quản trị]

Ma trận đánh giá rủi ro và giải pháp khắc phục

  1. Rủi ro sai lệch chọn mẫu (Sampling Bias): Khách hàng trẻ tuổi am hiểu công nghệ chiếm tỷ trọng áp đảo $\rightarrow$ Giải pháp: Phân tầng mẫu theo các khung giờ khác nhau trong ngày tại bưu cục để thu thập đa dạng nhóm tuổi và mức thu nhập.
  2. Rủi ro đa cộng tuyến (Multicollinearity): Các nhân tố thành phần có tương quan cao $\rightarrow$ Giải pháp: Kiểm tra hệ số VIF (Variance Inflation Factor), loại bỏ các biến nếu $\text{VIF} > 2.0$.
  3. Độ suy hao thang đo trong EFA: Biến quan sát không đạt tải trọng $\rightarrow$ Giải pháp: Loại bỏ tuần tự từng biến có Factor Loading $< 0.50$ hoặc chênh lệch tải trọng chéo $< 0.30$.

Implementation và kết quả

Quy trình phân tích dữ liệu và trích xuất thuật toán

Quy trình chuẩn hóa dữ liệu và kiểm định mô hình hồi quy tuyến tính được mã hóa dưới dạng pipeline Python phục vụ tự động hóa:

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

def cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số tin cậy 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]
    if total_var == 0 or k <= 1:
        return 0.0
    return (k / (k - 1)) * (1 - (item_vars.sum() / total_var))

def evaluate_linear_regression(df: pd.DataFrame, x_cols: list, y_col: str):
    """Thực hiện ước lượng mô hình hồi quy OLS và kiểm tra VIF."""
    X = df[x_cols]
    X_with_const = sm.add_constant(X)
    y = df[y_col]
    
    model = sm.OLS(y, X_with_const).fit()
    
    # Tính VIF
    vif_data = pd.DataFrame()
    vif_data["Feature"] = X.columns
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
    
    return model, vif_data

Kiểm định và xác thực mô hình (Testing & Validation)

1. Thống kê mô tả mẫu nghiên cứu ($N = 205$)

  • Giới tính: Nữ chiếm $61.5%$ ($126$ quan sát), Nam chiếm $38.5%$ ($79$ quan sát).
  • Độ tuổi: $18 - 25$ tuổi chiếm tỷ lệ cao nhất với $37.6%$ ($77$ người), $26 - 40$ tuổi chiếm $30.2%$ ($62$ người), Trên $40$ tuổi chiếm $19.0%$ ($39$ người), Dưới $18$ tuổi chiếm $13.2%$ ($27$ người).
  • Thu nhập: Trên $10$ triệu VNĐ/tháng chiếm $38.0%$ ($78$ người), $6 - 9$ triệu VNĐ chiếm $32.7%$ ($67$ người), $3 - 5$ triệu VNĐ chiếm $17.6%$ ($36$ người), Dưới $3$ triệu VNĐ chiếm $11.7%$ ($24$ người).

2. Kết quả kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Thang đo thành phần Ký hiệu biến Số biến ban đầu Cronbach's Alpha Đánh giá độ tin cậy
Sự tin cậy STC 4 0.769 Đạt yêu cầu tốt ($\alpha > 0.70$)
Sự đáp ứng SDU 5 0.851 Độ tin cậy rất cao ($\alpha > 0.80$)
Năng lực phục vụ NLPV 4 0.833 Độ tin cậy rất cao ($\alpha > 0.80$)
Sự đồng cảm SDC 4 0.827 Độ tin cậy rất cao ($\alpha > 0.80$)
Phương tiện hữu hình PTHH 5 0.711 Đạt yêu cầu tốt ($\alpha > 0.70$)
Sự hài lòng SHL 4 0.826 Độ tin cậy rất cao (Biến phụ thuộc)

Tất cả các biến quan sát đều có hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $> 0.30$, đủ điều kiện chuyển sang phân tích nhân tố khám phá EFA.

3. Phân tích nhân tố khám phá (EFA)

  • EFA lần 1 (22 biến độc lập): Thực hiện phép trích Principal Components với phép xoay Varimax. Biến STC4 và PTHH1 có hệ số Factor Loading $< 0.50$ nên bị loại khỏi mô hình để đảm bảo tính hội tụ.
  • EFA lần 2 (20 biến độc lập còn lại):
    • Hệ số $\text{KMO} = 0.829$ (Thỏa mãn $0.5 \le \text{KMO} \le 1$).
    • Kiểm định Bartlett's Test: $\chi^2 \approx 1929.34$, $\text{df} = 231$, giá trị $\text{Sig.} = 0.000 < 0.05$ (Các biến quan sát có tương quan tuyến tính có ý nghĩa).
    • Trích được 05 nhân tố tại điểm dừng Eigenvalues $= 1.407 > 1.0$.
    • Tổng phương sai trích (Cumulative Variance Explained) đạt $62.407%$ ($> 50%$), nghĩa là 05 nhân tố này giải thích được $62.407%$ biến thiên của dữ liệu gốc.
  • EFA thang đo biến phụ thuộc (SHL): Trích được 1 nhân tố duy nhất, Eigenvalues $= 2.005 > 1.0$, tổng phương sai trích đạt $66.005%$, khẳng định tính đơn hướng của thang đo sự hài lòng.
+-------------------------------------------------------------------------------+
|                      BẢNG TÓM TẮT CHỈ SỐ KIỂM ĐỊNH EFA                        |
+-------------------------------------------------------------------------------+
|  Chỉ số thống kê                   Giá trị đạt được          Ngưỡng chuẩn     |
|  - KMO Measure of Sampling:        0.829                     >= 0.50          |
|  - Bartlett's Test Sig:            0.000                     < 0.05           |
|  - Số nhân tố trích (Eigenvalues): 5 nhân tố (EV = 1.407)    >= 1.00          |
|  - Tổng phương sai trích (%):      62.407%                   >= 50.0%         |
|  - Factor Loadings:                0.531 -> 0.842            >= 0.50          |
+-------------------------------------------------------------------------------+

Kết quả đạt được

Hồi quy tuyến tính đa biến được ước lượng theo phương trình:

$$\text{SHL} = \beta_0 + \beta_1 \cdot \text{SDU} + \beta_2 \cdot \text{NLPV} + \beta_3 \cdot \text{STC} + \beta_4 \cdot \text{SDC} + \beta_5 \cdot \text{PTHH} + \epsilon$$

Kết quả kiểm định phương sai ANOVA với $F = 58.42$, $\text{Sig.} = 0.000$ khẳng định mô hình hồi quy tuyến tính xây dựng là hoàn toàn phù hợp với tổng thể dữ liệu thực tế.

Biến độc lập Hệ số Beta chuẩn hóa ($\beta$) Mức ý nghĩa (Sig.) Hệ số phóng đại phương sai (VIF) Kết luận giả thuyết
Sự đáp ứng (SDU) 0.342 0.000 1.241 Chấp nhận $H_2$ (Tác động mạnh nhất)
Năng lực phục vụ (NLPV) 0.285 0.000 1.312 Chấp nhận $H_3$
Sự tin cậy (STC) 0.214 0.001 1.189 Chấp nhận $H_1$
Sự đồng cảm (SDC) 0.168 0.004 1.275 Chấp nhận $H_4$
Phương tiện hữu hình (PTHH) 0.121 0.021 1.105 Chấp nhận $H_5$

Tất cả các hệ số $\text{VIF} < 2.0$, chứng minh không xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập.

Đổi mới và đóng góp

  1. Hiệu chỉnh mô hình thực nghiệm bưu chính chặng cuối: Tinh giản khung lý thuyết SERVPERF phù hợp với điều kiện vận hành tại các điểm giao dịch bưu cục đô thị có mật độ cao, giúp loại bỏ các biến gây nhiễu và tối ưu hóa thời gian đo lường.
  2. Lượng hóa thứ tự ưu tiên tác động: Nghiên cứu chứng minh rằng Sự đáp ứng (SDU, $\beta = 0.342$) và Năng lực phục vụ (NLPV, $\beta = 0.285$) là 2 nhân tố chi phối hơn $60%$ sự hài lòng của khách hàng tại Viettel Post Gò Vấp, vượt trội so với các yếu tố ngoại cảnh như Phương tiện hữu hình ($\beta = 0.121$).
  3. Cơ sở cho việc tự động hóa chỉ số chất lượng: Cung cấp bộ thang đo 20 biến chuẩn hóa làm đầu vào cho hệ thống tự động ghi nhận điểm đánh giá chất lượng dịch vụ (CSAT & NPS) tích hợp vào App Viettel Post.
Mức độ tác động chuẩn hóa của các nhân tố đến Sự Hài Lòng (SHL):
[SDU:  34.2%] ███████████████████████████████████
[NLPV: 28.5%] █████████████████████████████
[STC:  21.4%] █████████████████████
[SDC:  16.8%] █████████████████
[PTHH: 12.1%] ████████████

Ứng dụng thực tế và triển khai

Giải pháp nâng cấp quy trình và ứng dụng công nghệ

  • Tối ưu Sự đáp ứng (SDU): Triển khai tính năng tự động định tuyến đơn hàng thông minh (Dynamic Route Optimization) trên ứng dụng nội bộ của bưu tá; rút ngắn thời gian xử lý khiếu nại bưu kiện từ 48h xuống dưới 12h thông qua chatbot hỗ trợ định tuyến sự vụ.
  • Nâng cao Năng lực phục vụ (NLPV): Xây dựng chương trình đào tạo kỹ năng mềm và nghiệp vụ xử lý bưu phẩm đặc thù cho giao dịch viên và bưu tá; chuẩn hóa quy trình ứng xử tại quầy bưu cục Viettel Post Gò Vấp.
  • Minh bạch hóa Sự tin cậy (STC): Cập nhật hệ thống quét mã vạch Barcode/QR Code thời gian thực tại từng điểm trung chuyển (Hub) để người nhận chủ động theo dõi vị trí kiện hàng chính xác đến từng mốc thời gian.

Phân tích chi phí - lợi ích và lộ trình triển khai

+-------------------------------------------------------------------------------+
|                      LỘ TRÌNH TRIỂN KHAI HÀM Ý QUẢN TRỊ                       |
+-------------------------------------------------------------------------------+
|  Tháng 1 - 2: Chuẩn hóa quy trình giao dịch quầy & đào tạo nhân sự NLPV       |
|  Tháng 3 - 4: Tích hợp module theo dõi hành trình đơn hàng & nâng cấp SDU    |
|  Tháng 5 - 6: Cải tạo không gian quầy giao dịch (PTHH) & đánh giá CSAT định kỳ|
+-------------------------------------------------------------------------------+
  • Chi phí dự toán: ~45 triệu VNĐ cho việc đào tạo nhân sự và cải tạo bảng biển/trang thiết bị quầy bưu cục.
  • Hiệu quả kỳ vọng: Dự kiến tăng tỷ lệ khách hàng hài lòng trung thành (Retention Rate) thêm $18.5%$, giảm tỷ lệ chuyển dịch sang các đơn vị đối thủ như GHN hay J&T Express, mang lại lợi ích doanh thu ước tính tăng trưởng $12 - 15%$ sau 6 tháng áp dụng.

Hạn chế và hướng phát triển

  • Hạn chế mẫu nghiên cứu: Dữ liệu khảo sát giới hạn tại bưu cục Viettel Post Gò Vấp trong khung thời gian 3 tháng, tính đại diện cho toàn bộ hệ thống Viettel Post tại các tỉnh thành khác chưa cao.
  • Hạn chế biến số: Nghiên cứu chưa đưa các biến ngoại lai như Giá cước dịch vụ (Price Perception) và Chính sách bảo hiểm/Đền bù thất lạc hàng hóa vào mô hình hồi quy.
  • Hướng phát triển: Mở rộng nghiên cứu đa chi nhánh bằng phương pháp mô hình phương trình cấu trúc (SEM) trên AMOS/SmartPLS; tích hợp mô hình Machine Learning dự đoán nguy cơ rời bỏ dịch vụ (Churn Prediction) dựa trên log dữ liệu giao dịch thực tế.

Đối tượng hưởng lợi

  • Sinh viên & Học viên: Cung cấp tài liệu tham khảo thực tế về phương pháp luận nghiên cứu định lượng ứng dụng trong ngành Quản trị kinh doanh và Logistics.
  • Kỹ sư hệ thống & Phân tích dữ liệu: Nắm bắt quy trình chuyển hóa các thang đo tâm lý khách hàng thành schema cơ sở dữ liệu và thuật toán phân tích.
  • Nhà quản lý bưu cục Viettel Post: Nhận diện chính xác điểm nghẽn dịch vụ, tối ưu hóa ngân sách đầu tư vào đúng các khâu có trọng số tác động cao nhất ($\text{SDU}$ và $\text{NLPV}$).
  • Nhà nghiên cứu học thuật: Cung cấp bộ chỉ số kiểm định thực nghiệm ($N=205$, Cronbach's Alpha $> 0.70$, Tổng phương sai trích $62.4%$) để đối sánh cho các đề tài tương lai.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và môi trường để tái lập mô hình nghiên cứu là gì?

Hệ thống cần tối thiểu Python 3.10+, thư viện Pandas, NumPy, Statsmodels, Scikit-learn hoặc phần mềm IBM SPSS Statistics v20.0 trở lên. Cơ sở dữ liệu mẫu có thể import trực tiếp từ file CSV/Excel với 20 biến quan sát đã được làm sạch.

2. Giới hạn quy mô dữ liệu của mô hình EFA và OLS trong nghiên cứu này?

Theo quy tắc Hair et al. ($N \ge 5 \times \text{số biến}$), mô hình 26 biến cần tối thiểu $130$ quan sát. Mẫu $N = 205$ của đề tài hoàn toàn đáp ứng độ tin cậy thống kê cho các phép phân tích phương sai và hồi quy.

3. Làm thế nào để tích hợp kết quả nghiên cứu vào hệ thống CRM của Viettel Post?

Có thể chuyển đổi phương trình hồi quy chuẩn hóa thành module tính điểm dự báo mức độ hài lòng tự động qua RESTful API, kích hoạt cảnh báo chăm sóc khách hàng đặc biệt đối với các đơn hàng có điểm đánh giá Sự đáp ứng $\text{SDU} < 3.0$.

4. Chi phí và nguồn lực bảo trì quy trình đánh giá định kỳ?

Chi phí vận hành thấp do toàn bộ bảng hỏi có thể số hóa $100%$ qua mã QR tại quầy và tin nhắn Zalo ZNS/SMS tự động sau khi bưu tá hoàn thành đơn hàng.

5. Lợi ích kinh tế (ROI) của việc áp dụng giải pháp được tính toán ra sao?

Bằng cách tập trung cải thiện nhân tố Sự đáp ứng và Năng lực phục vụ, bưu cục giảm thiểu chi phí xử lý khiếu nại (ước tính giảm $25%$ số vụ khiếu nại đền bù/tháng) và gia tăng số lượng đơn hàng gửi lặp lại từ các shop E-commerce trong khu vực Gò Vấp.

Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc việc lượng hóa tác động của 05 nhân tố chất lượng dịch vụ đến sự hài lòng của khách hàng tại Bưu cục Viettel Post Gò Vấp. Kết quả kiểm định thống kê trên 205 đáp viên đã chứng minh vai trò quyết định của Sự đáp ứng ($\beta = 0.342$) và Năng lực phục vụ ($\beta = 0.285$). Đây là cơ sở khoa học và thực tiễn vững chắc giúp ban lãnh đạo Viettel Post Gò Vấp tái cơ cấu quy trình vận hành, chuẩn hóa năng lực đội ngũ và đầu tư công nghệ trọng điểm, qua đó nâng cao năng lực cạnh tranh trong thị trường bưu chính logistics hiện đại.