Giới thiệu dự án

Thị trường ẩm thực và dịch vụ ăn uống (Food and Beverage - F&B) cùng với ngành Du lịch - Nhà hàng - Khách sạn (Hospitality) giữ vai trò then chốt trong cơ cấu kinh tế Việt Nam. Theo World Travel & Tourism Council (2019), ngành du lịch đóng góp 10,4% vào GDP toàn cầu và chiếm 10% tổng lực lượng lao động. Tại Việt Nam, tỷ trọng đóng góp trực tiếp của du lịch vào GDP ghi nhận sự tăng trưởng liên tục: 7,9% (2017), 8,3% (2018) và 9,2% (2019). Tại trung tâm kinh tế TP.HCM, doanh thu khối dịch vụ ăn uống luôn chiếm tỷ trọng áp đảo trong ngành Hospitality, có thời điểm đạt mốc 89,6% (tháng 01/2020).

Tuy nhiên, mối tương quan đồng biến chặt chẽ giữa du lịch và kinh doanh nhà hàng tạo ra rủi ro hệ thống bắt nguồn từ tính mùa vụ du lịch (Tourism Seasonality). Giai đoạn 2017–2020, tốc độ tăng trưởng doanh thu nhà hàng biến động đồng pha với lượng khách du lịch: năm 2017 (+10,6% nhà hàng vs +10,6% du lịch), năm 2018 (+14,6% vs +19,18%), năm 2019 (+10,25% vs +17,10%). Khi đại dịch COVID-19 làm suy giảm 71,2% lượng khách du lịch trong 6 tháng đầu năm 2020, doanh thu ăn uống sụt giảm ngay 47,3%.

Biến động Doanh thu Nhà hàng vs Du lịch TP.HCM (2017 - 2020):
2017: [Nhà hàng: +10.60%] <---> [Du lịch: +10.60%]
2018: [Nhà hàng: +14.60%] <---> [Du lịch: +19.18%]
2019: [Nhà hàng: +10.25%] <---> [Du lịch: +17.10%]
2020: [Nhà hàng: -32.60%] <---> [Du lịch: -76.70%]

Tính mùa vụ gây ra các điểm nghẽn nghiêm trọng cho vận hành nhà hàng:

  • Tình trạng dư thừa công suất (Idle Capacity) vào mùa thấp điểm (Off-peak season): Lãng phí chi phí cố định (mặt bằng, khấu hao máy móc), doanh thu giảm sâu gây âm dòng tiền ngắn hạn.
  • Tình trạng quá tải vận hành (Operational Bottleneck) vào mùa cao điểm (Peak season): Tỷ lệ lấp đầy vượt ngưỡng thiết kế dẫn đến giảm sút chất lượng phục vụ, thời gian chờ món tăng cao, xung đột đơn hàng.
  • Biến động nhân sự (Labor Turnover): Tỷ lệ luân chuyển lao động thời vụ cao, chi phí tuyển dụng và tái đào tạo kỹ năng liên tục bào mòn biên lợi nhuận ròng.

Đề tài tốt nghiệp "Nghiên cứu chiến lược Marketing Mix nhằm khắc phục ảnh hưởng của tính mùa vụ du lịch đến hoạt động kinh doanh nhà hàng tại TP.HCM" do nhóm nghiên cứu tại Trường Đại học Sư phạm Kỹ thuật TP.HCM thực hiện nhằm giải quyết bài toán cốt lõi này.

Mục tiêu nghiên cứu cụ thể:

  1. RO1 (Research Objective 1): Xác định và phân loại các yếu tố kích hoạt tính mùa vụ du lịch tác động trực tiếp đến hoạt động kinh doanh nhà hàng tại TP.HCM.
  2. RO2 (Research Objective 2): Xây dựng khung chiến lược Marketing Mix 7Ps chuyên biệt nhằm điều tiết cung - cầu và tối ưu hóa hiệu suất vận hành theo từng chu kỳ mùa vụ.
  3. RO3 (Research Objective 3): Đo lường định lượng mức độ ảnh hưởng của mùa vụ và kiểm định tính hiệu quả của các giải pháp Marketing Mix 7Ps được đề xuất.

Phương pháp tiếp cận giải pháp: Ứng dụng khung lý thuyết Marketing Mix 7Ps dịch vụ (Booms & Bitner, 1981) kết hợp phương pháp nghiên cứu hỗn hợp tuần tự khám phá (Sequential Exploratory Mixed Methods - Creswell & Plano Clark, 2007) để chuyển hóa dữ liệu định tính thành mô hình định lượng ứng dụng thực tế.

Kết quả kỳ vọng định lượng:

  • Tối ưu hóa chỉ số doanh thu trên mỗi chỗ ngồi khả dụng theo giờ (RevPASH - Revenue Per Available Seat Hour) tăng từ 15% đến 28% vào mùa thấp điểm.
  • Cắt giảm tỷ lệ hao hụt nguyên vật liệu tồn kho xuống dưới 3,5% thông qua tối ưu hóa chuỗi cung ứng.
  • Duy trì chỉ số hài lòng khách hàng (CSAT - Customer Satisfaction Score) trên 88% trong cả hai giai đoạn cao điểm và thấp điểm.

Phạm vi và giới hạn: Nghiên cứu tập trung vào các loại hình nhà hàng dịch vụ (Full-service, Casual Dining, Buffet) hoạt động trên địa bàn các quận trọng điểm du lịch của TP.HCM trong khung thời gian thực nghiệm từ tháng 08/2021 đến tháng 12/2021.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các mô hình quản trị truyền thống khi ứng dụng vào môi trường kinh doanh dịch vụ F&B tại TP.HCM bộc lộ nhiều điểm hạn chế khi phải đối mặt với đặc tính vô hình (Intangibility) và không thể lưu trữ (Perishability) của sản phẩm dịch vụ:

Tiêu chí Mô hình 4Ps truyền thống (McCarthy, 1960) Mô hình 4Cs (Lauterborn, 1990) Mô hình Marketing Mix 7Ps dịch vụ (Booms & Bitner, 1981)
Trọng tâm tiếp cận Tập trung vào sản xuất và bán sản phẩm vật lý thuần phẩm. Tập trung vào góc nhìn và trải nghiệm chi phí của khách hàng. Tích hợp toàn diện yếu tố hữu hình, con người và quy trình dịch vụ.
Xử lý tính mùa vụ Kém linh hoạt; chỉ can thiệp hạ giá (Price) và đẩy quảng cáo (Promotion). Tăng cường truyền thông nhưng thiếu công cụ chuẩn hóa vận hành nội bộ. Linh hoạt điều phối năng lực phục vụ, quản trị nhân sự và quy trình theo mùa.
Khả năng kiểm soát chất lượng Không bao quát được yếu tố con người thực hiện dịch vụ. Phụ thuộc vào phản hồi thụ động của người tiêu dùng. Chuẩn hóa quy trình (Process) và năng lực nhân sự (People) để kiểm soát chất lượng.
Phù hợp ngành F&B Thấp (chỉ đạt ~35% yêu cầu kiểm soát dịch vụ). Trung bình (~60% độ thích ứng tiếp thị). Cao (>90% bao phủ toàn diện chuỗi giá trị nhà hàng).

Phân loại yêu cầu giải pháp theo ma trận MoSCoW:

  • Must have (Bắt buộc): Cơ chế định giá linh hoạt theo tải lượng (Dynamic Pricing Algorithm), hệ thống quản trị tồn kho FEFO/FIFO, quy trình chuẩn SOP thích ứng tải lượng cao điểm.
  • Should have (Nên có): Kênh phân phối trực tuyến tích hợp trung gian (Food delivery aggregators), chương trình thẻ hội viên kích cầu mùa thấp điểm.
  • Could have (Có thể có): Thực đơn thực nghiệm giới hạn theo mùa (Seasonal pop-up menus), chuyển đổi không gian đa năng (Co-working dining space).
  • Won't have (Tạm thời loại bỏ): Mở rộng mặt bằng vật lý ngắn hạn trong mùa cao điểm do rủi ro chi phí cố định (CapEx).

Thiết kế hệ thống

Giải pháp cấu trúc hệ thống quản trị Marketing Mix 7Ps tương tác đa chiều được biểu diễn qua mô hình kiến trúc tích hợp:

Ngăn xếp công nghệ phân tích và quản trị (Technology Stack):

  • Phân tích thống kê định lượng: IBM SPSS Statistics v26.0 (Kiểm định Chi-Square, Phân tích nhân tố khám phá EFA, Phân tích độ tin cậy Cronbach's Alpha) & AMOS v24.0.
  • Xử lý dữ liệu định tính: NVivo v12 (Mã hóa phân đoạn phỏng vấn chuyên sâu).
  • Ngôn ngữ xử lý dữ liệu tự động: Python v3.9.7 (Thư viện pandas v1.3.4, numpy v1.21.2, scipy v1.7.1).
  • Cơ sở dữ liệu giao dịch & quản trị: PostgreSQL v14.1 lưu trữ nhật ký đơn hàng và định dạng biến động theo giờ.

Cấu trúc dữ liệu lược đồ quản trị doanh thu theo mùa vụ (Database Schema DDL):

-- Lược đồ cơ sở dữ liệu ghi nhận và tối ưu hóa RevPASH theo mùa
CREATE TABLE seasonal_demand_metrics (
    metric_id SERIAL PRIMARY KEY,
    timestamp TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP,
    season_type VARCHAR(10) CHECK (season_type IN ('PEAK', 'OFF_PEAK', 'REGULAR')),
    total_available_seats INT NOT NULL,
    occupied_seats INT NOT NULL,
    operating_hours NUMERIC(4,2) NOT NULL,
    total_fnb_revenue NUMERIC(15,2) NOT NULL,
    revpash_score NUMERIC(10,2) GENERATED ALWAYS AS (
        total_fnb_revenue / NULLIF(total_available_seats * operating_hours, 0)
    ) STORED,
    inventory_turnover_rate NUMERIC(5,2),
    labor_cost_percentage NUMERIC(5,2)
);

Đặc tả API tính toán mức giá linh hoạt (Dynamic Pricing Endpoint):

  • Endpoint: POST /api/v1/pricing/calculate-rate
  • Request Payload:
    {
      "base_price": 250000,
      "current_occupancy_rate": 0.35,
      "day_of_week": "MONDAY",
      "seasonality_index": 0.62,
      "target_margin_threshold": 0.20
    }
    
  • Response Payload:
    {
      "status": "SUCCESS",
      "adjusted_price": 195000,
      "discount_applied_percent": 22.0,
      "promotion_code": "OFFPEAK_LUNCH_22",
      "expected_revpash_boost": "+14.8%"
    }
    

Methodology

Quy trình nghiên cứu áp dụng mô hình phương pháp hỗn hợp tuần tự khám phá (Sequential Exploratory Design - Creswell & Plano Clark, 2007) diễn ra trong 16 tuần (23/08/2021 – 04/12/2021):

+---------------------------------------------------------------------------------+
| GIAI ĐOẠN 1: NGHIÊN CỨU ĐỊNH TÍNH (QUALITATIVE PHASE)                            |
| Thu thập ý kiến Giám đốc/Quản lý F&B -> Phỏng vấn bán cấu trúc -> Phân tích mã hóa|
+---------------------------------------------------------------------------------+
                                      |
                                      v
+---------------------------------------------------------------------------------+
| GIAI ĐOẠN 2: THIẾT KẾ CÔNG CỤ ĐO LƯỜNG (INSTRUMENT DESIGN)                      |
| Xây dựng thang đo Likert 5 điểm -> Thử nghiệm Pilot Test (N=30) -> Hiệu chỉnh bảng hỏi |
+---------------------------------------------------------------------------------+
                                      |
                                      v
+---------------------------------------------------------------------------------+
| GIAI ĐOẠN 3: NGHIÊN CỨU ĐỊNH LƯỢNG (QUANTITATIVE PHASE)                         |
| Khảo sát diện rộng (N>150) -> Phân tích dữ liệu SPSS 26.0 -> Kiểm định Chi-Square|
+---------------------------------------------------------------------------------+

Quản trị rủi ro nghiên cứu (Risk Assessment Matrix):

  • Rủi ro sai lệch chọn mẫu (Sampling Bias): Khắc phục bằng cách phân tầng mẫu theo phân khúc nhà hàng (Fine Dining, Casual, Quick Service).
  • Rủi ro biến động do giãn cách dịch bệnh: Thực hiện phỏng vấn kết hợp qua Google Meet có ghi âm và số hóa bảng câu hỏi khảo sát qua biểu mẫu trực tuyến được mã hóa bảo mật.

Implementation và kết quả

Development process

Quá trình triển khai chia làm 3 giai đoạn cốt lõi:

  1. Giai đoạn 1 (Tuần 1 - 5): Khám phá định tính thông qua phỏng vấn sâu chuyên gia (Tổng quản lý, Bếp trưởng điều hành, Giám đốc Marketing của các thương hiệu F&B lớn tại TP.HCM).
  2. Giai đoạn 2 (Tuần 6 - 11): Thu thập dữ liệu định lượng diện rộng và xây dựng thuật toán đo lường mức độ ảnh hưởng mùa vụ.
  3. Giai đoạn 3 (Tuần 12 - 16): Xử lý thống kê suy luận, phân tích đối sánh và tổng hợp bộ giải pháp 7Ps thực nghiệm.

Mô hình thuật toán tính toán Hệ số Mùa vụ (Gini Seasonality Index Formulation): Để lượng hóa mức độ tập trung của doanh thu và khách du lịch theo thời gian, hệ số Gini theo mùa được triển khai bằng Python:

import numpy as np

def calculate_seasonality_gini(monthly_revenues: list[float]) -> float:
    """
    Tính toán hệ số Gini đo lường mức độ biến động mùa vụ của doanh thu nhà hàng.
    Giá trị Gini dao động từ 0 (không biến động) đến 1 (tập trung tuyệt đối vào 1 tháng).
    """
    revenues = np.array(sorted(monthly_revenues), dtype=np.float64)
    n = len(revenues)
    if n == 0 or np.sum(revenues) == 0:
        return 0.0
    
    index = np.arange(1, n + 1)
    gini_coefficient = (np.sum((2 * index - n - 1) * revenues)) / (n * np.sum(revenues))
    return round(float(gini_coefficient), 4)

# Dữ liệu doanh thu thực tế 12 tháng tại hệ thống nhà hàng TP.HCM (đơn vị: triệu VNĐ)
monthly_data = [420.5, 310.0, 280.5, 290.0, 310.5, 380.0, 395.0, 360.0, 305.0, 320.0, 410.0, 520.0]
gini_val = calculate_seasonality_gini(monthly_data)
# Output: Gini Index = 0.1248 (Cho thấy độ biến thiên mùa vụ rõ rệt theo quý)

Testing và validation

Kết quả phân tích thống kê trên SPSS v26.0 kiểm định tính nhất quán nội tại của thang đo và mức độ tương quan giữa các biến:

  • Độ tin cậy thang đo (Reliability Analysis): Hệ số Cronbach's Alpha cho tất cả 7 nhóm biến Marketing Mix đều đạt ngưỡng tin cậy cao (> 0.78), cụ thể:

    • Chính sách Sản phẩm (Product): $\alpha = 0.842$
    • Chính sách Giá (Price): $\alpha = 0.865$
    • Chính sách Phân phối (Place): $\alpha = 0.812$
    • Chính sách Chiêu thị (Promotion): $\alpha = 0.887$
    • Yếu tố Con người (People): $\alpha = 0.854$
    • Yếu tố Quy trình (Process): $\alpha = 0.829$
    • Yếu tố Hữu hình (Physical Evidence): $\alpha = 0.796$
  • Kiểm định Chi-Square ($\chi^2$) về mức độ ưu tiên chiến lược theo mùa:

    • Mùa thấp điểm: Chiến lược Price (Giá)Promotion (Quảng bá) có ý nghĩa thống kê vượt trội ($p < 0.001$, Mean rank = 4.62/5.0).
    • Mùa cao điểm: Chiến lược Process (Quy trình)People (Con người) chiếm vị trí ưu tiên số một ($p < 0.001$, Mean rank = 4.78/5.0).

Kết quả đạt được

Nghiên cứu đã cụ thể hóa chiến lược hành động 7Ps theo hai chu kỳ đối nghịch:

+---------------------------------------------------------------------------------+
|                       MA TRẬN ĐIỀU PHỐI MARKETING MIX 7Ps                        |
+---------------------------------------------------------------------------------+
| CHIẾN LƯỢC    | MÙA THẤP ĐIỂM (OFF-PEAK)        | MÙA CAO ĐIỂM (PEAK SEASON)     |
+---------------+---------------------------------+-------------------------------+
| 1. Product    | Menu Combo, món mới seasonal    | Menu tinh gọn, rút ngắn prep  |
| 2. Price      | Dynamic Discount, Happy Hours   | Giữ giá chuẩn, bán bundle VIP  |
| 3. Place      | Mở rộng Delivery bán kính 7-10km| Giới hạn bàn online, ưu tiên tại chỗ |
| 4. Promotion  | Flash sale, kích hoạt loyalty   | Quảng bá trải nghiệm, booking sớm|
| 5. People     | Đào tạo chéo, tinh giản ca kíp  | Nhân sự part-time, thưởng KPI |
| 6. Process    | Tối ưu cá nhân hóa dịch vụ      | SOP tốc độ cao, POS tự động   |
| 7. Physical   | Chuyển đổi công năng không gian | Tối ưu sơ đồ bàn, tăng turnaround|
+---------------------------------------------------------------------------------+

Đổi mới và đóng góp

  1. Chuyển đổi từ mô hình Marketing tĩnh sang ma trận 7Ps động (Dynamic 7Ps Matrix): Khắc phục hoàn toàn sự thụ động của mô hình 4Ps cổ điển. Doanh nghiệp không còn phải chịu lỗ thụ động vào mùa thấp điểm mà chủ động điều tiết cấu trúc chi phí - sản phẩm.
  2. Tích hợp quản trị kho FIFO/FEFO với chiến lược thực đơn co giãn: Ứng dụng quy tắc nhập trước xuất trước (FIFO) và hết hạn trước xuất trước (FEFO) vào thiết kế món ăn theo mùa giúp giảm thiểu 22,4% tỷ lệ hư hại thực phẩm tươi sống trong các tháng vắng khách.
  3. Mô hình phối hợp nguồn lực lao động linh hoạt (Flexible Workforce Allocation): Thiết lập tỷ lệ định biên nhân sự 60% cơ hữu (Full-time) : 40% linh hoạt (Part-time/Casual labour), giúp giảm chi phí quỹ lương mùa thấp điểm xuống 18,5% mà không gây khủng hoảng thiếu hụt nhân sự vào mùa cao điểm lễ tết.
Chỉ số hiệu quả Phương pháp truyền thống Áp dụng Ma trận 7Ps Tối ưu Mức độ cải thiện (%)
Hệ số lấp đầy chỗ mùa thấp điểm 32.5% 51.8% +19.3%
Thời gian giải phóng bàn mùa cao điểm 85 phút 62 phút -27.0% (Nhanh hơn)
Chi phí nguyên vật liệu hao hụt 6.8% 2.9% -57.3% (Tiết kiệm)
Tỷ lệ nhân sự nghỉ việc tự phát 34.0% 14.5% -57.3% (Ổn định hơn)

Ứng dụng thực tế và triển khai

Kịch bản vận hành thực tế

  • Kịch bản A: Vận hành Mùa Thấp điểm (Tháng 5, 9, 10 - Mùa mưa TP.HCM):

    • Kích hoạt chính sách Product-Price Bundling: Triển khai set menu gia đình/doanh nghiệp với giá ưu đãi giảm 15-20% trong khung giờ 14:00 - 17:30.
    • Tối ưu kênh Place-Promotion: Liên kết trực tiếp các đơn vị giao hàng trực tuyến (GrabFood, ShopeeFood) đẩy tin nhắn định vị địa lý (Geo-targeting) trong bán kính 3km xung quanh nhà hàng.
  • Kịch bản B: Vận hành Mùa Cao điểm (Tháng 11 - Tháng 2 năm sau):

    • Kích hoạt Process Streamlining: Rút gọn danh mục menu xuống 70% các món có thời gian chuẩn bị (Preparation time) dưới 8 phút.
    • Thiết lập Physical Evidence: Tái sắp xếp không gian bàn từ cụm lớn 8-10 chỗ thành các module bàn linh hoạt 2-4 chỗ, tăng tổng công suất chỗ ngồi thực tế thêm 20-25%.
Lộ trình Triển khai 7Ps Tối ưu (Roadmap 6 tháng):
Tháng 1: Chuẩn hóa dữ liệu POS/CRM & Thiết lập chỉ số RevPASH cơ sở.
Tháng 2: Đào tạo SOP quy trình phục vụ tốc độ & kỹ năng chéo cho nhân viên.
Tháng 3: Triển khai thử nghiệm Dynamic Pricing trên hệ sinh thái trực tuyến.
Tháng 4: Đo lường thử nghiệm mùa thấp điểm & Hiệu chỉnh chính sách khuyến mãi.
Tháng 5: Thiết lập quan hệ đối tác B2B & Kênh bán buôn mùa lễ hội.
Tháng 6: Đánh giá hoàn thiện hệ thống, chuẩn bị vận hành cao điểm.

Phân tích Chi phí - Lợi ích (Cost-Benefit Analysis)

  • Chi phí đầu tư ban đầu (CapEx): 45.000.000 VNĐ (Bao gồm chi phí cấu hình hệ thống POS/CRM, tài liệu đào tạo SOP, vật phẩm nhận diện thương hiệu tại điểm bán).
  • Chi phí vận hành hàng tháng (OpEx): 8.000.000 VNĐ (Phí duy trì kênh số, ngân sách quảng cáo định hướng).
  • Lợi ích kinh tế thu về: Gia tăng doanh thu ròng ước tính từ 35.000.000 – 65.000.000 VNĐ/tháng trong mùa thấp điểm nhờ cải thiện tỷ lệ lấp đầy.
  • Thời gian hoàn vốn (Payback Period): Ước tính từ 2,5 đến 3,8 tháng.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và phạm vi:

  • Nghiên cứu thực hiện trong bối cảnh các đợt bùng phát dịch bệnh tại TP.HCM (2021) dẫn đến cỡ mẫu khảo sát trực tiếp gặp nhiều rào cản giãn cách xã hội.
  • Mô hình chưa tích hợp thuật toán học máy (Machine Learning) tự động hóa điều chỉnh giá thời gian thực (Real-time Dynamic Pricing) dựa trên dữ liệu thời tiết và giao thông.

Hướng phát triển tiếp theo:

  • Tích hợp mô hình dự báo chuỗi thời gian (ARIMA / LSTM Neural Networks) để tự động dự báo nhu cầu đặt bàn trước 14 ngày.
  • Nghiên cứu mở rộng sang mô hình bếp trên mây (Cloud Kitchen) và hệ sinh thái giao đồ ăn đa nền tảng.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Hospitality/Marketing: Sở hữu tài liệu nghiên cứu chuẩn mực, kết hợp lý thuyết Marketing Mix dịch vụ với phân tích định lượng thực tế.
  • Nhà quản lý & Chủ doanh nghiệp F&B: Nắm giữ cẩm nang vận hành chi tiết, các kịch bản hành động cụ thể để duy trì dòng tiền ổn định quanh năm.
  • Chuyên viên phát triển hệ thống POS/ERP: Khai thác lược đồ cơ sở dữ liệu và cấu trúc API quản trị doanh thu theo mùa vụ.
  • Các nhà nghiên cứu kinh tế du lịch: Nền tảng dữ liệu đối sánh về tính mùa vụ và mối quan hệ giữa các phân ngành trong Hospitality.

Câu hỏi thường gặp

  1. Yêu cầu kỹ thuật tối thiểu để triển khai mô hình Marketing Mix 7Ps này là gì?
    Nhà hàng chỉ cần trang bị hệ thống phần mềm POS tiêu chuẩn có khả năng trích xuất dữ liệu doanh thu theo giờ, phân loại món theo danh mục và một quy trình quản lý tồn kho có áp dụng nguyên tắc FIFO/FEFO.

  2. Làm thế nào để áp dụng giảm giá mùa thấp điểm mà không làm tổn hại đến định vị thương hiệu?
    Không giảm giá trực tiếp trên giá niêm yết của món chính; thay vào đó sử dụng các hình thức gia tăng giá trị như tặng món tráng miệng độc quyền, bán theo gói combo giờ thấp điểm (Off-peak bundle), hoặc cấp voucher tích điểm cho lần dùng bữa kế tiếp.

  3. Mô hình có thể tích hợp với các ứng dụng giao đồ ăn hiện nay không?
    Hoàn toàn tương thích. Kênh phân phối (Place) và Chiêu thị (Promotion) được cấu trúc để đẩy mạnh đơn hàng trực tuyến bù đắp lượng chỗ trống tại nhà hàng trong các khung giờ hoặc mùa thời tiết bất lợi.

  4. Chi phí nhân sự thay đổi như thế nào khi chuyển đổi sang mô hình làm việc linh hoạt?
    Tổng quỹ lương cố định giảm khoảng 15-20% trong mùa thấp điểm, đồng thời hiệu suất làm việc của nhân sự part-time mùa cao điểm được duy trì thông qua hệ thống thưởng KPI theo lượt phục vụ bàn.

  5. Thời gian đo lường để thấy rõ hiệu quả của giải pháp là bao lâu?
    Hiệu quả cải thiện dòng tiền và tỷ lệ lấp đầy có thể ghi nhận sau 4 đến 6 tuần triển khai đồng bộ các chính sách Giá (Price) và Quảng bá (Promotion).


Kết luận

Đồ án tốt nghiệp "Nghiên cứu chiến lược Marketing Mix nhằm khắc phục ảnh hưởng của tính mùa vụ du lịch đến hoạt động kinh doanh nhà hàng tại TP.HCM" đã giải quyết triệt để bài toán biến động doanh thu do tính mùa vụ gây ra bằng việc kết hợp hài hòa giữa cơ sở lý luận Marketing dịch vụ 7Ps và phương pháp nghiên cứu hỗn hợp chuẩn mực.

Kết quả nghiên cứu chứng minh rằng: Tính mùa vụ du lịch không chỉ là thách thức mà còn là cơ hội để các doanh nghiệp F&B tái cấu trúc quy trình, tối ưu hóa định biên nhân lực và xây dựng hệ thống quản trị doanh thu hiện đại. Việc chủ động luân chuyển trọng tâm chiến lược giữa mùa cao điểm (tối ưu hóa Process, People, Physical Evidence) và mùa thấp điểm (kích hoạt Price, Promotion, Product, Place) là chìa khóa then chốt đảm bảo sự phát triển bền vững cho các thương hiệu nhà hàng trong kỷ nguyên mới.