Giới thiệu dự án

Thị trường viễn thông di động tại Việt Nam đang bước vào giai đoạn bão hòa với tổng số thuê bao phát sinh lưu lượng đạt hơn 133,78 triệu thuê bao (theo số liệu Cục Viễn thông - Bộ Thông tin và Truyền thông). Trong bối cảnh ba nhà mạng lớn (Viettel, VNPT/VinaPhone, MobiFone) chiếm tới 96,2% thị phần toàn quốc, sự cạnh tranh không còn thuần túy nằm ở cuộc đua mở rộng hạ tầng trạm thu phát sóng (Base Transceiver Station - BTS) hay giảm giá cước, mà chuyển dịch cốt lõi sang nâng cao chất lượng dịch vụ (CLDV) và cá nhân hóa trải nghiệm khách hàng. Tại địa bàn thành phố Huế, MobiFone chiếm giữ 35,43% thị phần (năm 2018), doanh thu đạt 424 tỷ đồng nhưng đang đối mặt với sức ép cạnh tranh gay gắt từ Viettel và xu hướng sụt giảm thuê bao trả trước dưới tác động của Nghị định 49/2017/NĐ-CP.

Problem Statement đặt ra: MobiFone Thừa Thiên Huế thiếu một bộ công cụ lượng hóa chính xác mức độ thỏa mãn của khách hàng đối với từng điểm chạm dịch vụ (touchpoints), dẫn đến việc phân bổ nguồn lực đầu tư kỹ thuật và chính sách chăm sóc khách hàng (CSKH) chưa tối ưu hóa theo đúng mức độ tác động thực tế.

Mục tiêu cụ thể của công trình nghiên cứu:

  1. Hệ thống hóa cơ sở lý luận về CLDV viễn thông, kế thừa và điều chỉnh các mô hình kinh điển (SERVQUAL, SERVPERF).
  2. Xác định các nhân tố cấu thành CLDV thông tin di động MobiFone tại thị trường thành phố Huế.
  3. Đo lường mức độ tác động của từng nhân tố lên sự đánh giá chung của khách hàng thông qua mô hình toán thống kê.
  4. Đề xuất hệ thống giải pháp kỹ thuật, chính sách giá và dịch vụ khách hàng giai đoạn 2020–2025.

Mô hình tiếp cận giải pháp sử dụng phương pháp khảo sát định lượng với cỡ mẫu $N = 149$ hợp lệ (thu thập từ 155 phiếu phát ra), phân tích trên nền tảng phần mềm SPSS 20.0 thông qua quy trình: Kiểm định độ tin cậy thang đo (Cronbach's Alpha) $\rightarrow$ Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA) $\rightarrow$ Phân tích hồi quy tuyến tính đa biến (Multiple Linear Regression). Nghiên cứu giới hạn phạm vi không gian tại khu vực nội ngoại thành Huế và thời gian khảo sát tập trung từ tháng 12/2019 đến tháng 04/2020.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại địa bàn Thừa Thiên Huế, 4 nhà mạng đang cung cấp dịch vụ bao gồm MobiFone, Viettel, VinaPhone và Vietnamobile. Bảng so sánh các giải pháp đánh giá và quản lý CLDV hiện nay:

Tiêu chí Đo kiểm kỹ thuật truyền thống (Drive Test / QoS) Đánh giá qua phản hồi Hotline / CSKH Mô hình cấu trúc thống kê SERVPERF (Đề tài)
Bản chất dữ liệu Đo lường tham số vật lý mạng (BER, Call Drop Rate, RxLev, RSCP, SINR) Dữ liệu định tính bị động từ khiếu nại phát sinh Lượng hóa cảm nhận đa chiều trực tiếp từ người dùng thực tế
Độ bao phủ khía cạnh Chỉ đo lường được khâu truyền dẫn và chất lượng cuộc gọi Phản ánh điểm nghẽn cục bộ, thiếu tính đại diện tổng thể Bao quát 5 khía cạnh: Kỹ thuật, Giá cước, Dịch vụ VAS, Điểm bán, CSKH
Chi phí triển khai Rất cao (thiết bị phần cứng chuyên dụng, xe đo lưu động) Thấp nhưng tốn thời gian xử lý thủ công, dữ liệu phân tán Tối ưu chi phí, khả năng chuẩn hóa và lặp lại chu kỳ định kỳ
Tính ứng dụng chiến lược Phục vụ kỹ sư mạng lưới, khó chuyển hóa thành chiến lược tiếp thị Giải quyết sự cố ngắn hạn Cung cấp hệ số Beta chuẩn hóa làm căn cứ phân bổ ngân sách

Yêu cầu phân loại theo mô hình MoSCoW:

  • Must-have: Khung đo lường chuẩn hóa 24 biến quan sát, kiểm định độ tin cậy thang đo Cronbach's Alpha $> 0,7$, hệ số KMO $\in [0,5; 1,0]$.
  • Should-have: Mô hình hồi quy xác định rõ phương trình toán học giải thích sự biến thiên của biến phụ thuộc với mức ý nghĩa $\text{Sig.} < 0,05$.
  • Could-have: Phân khúc đánh giá chi tiết theo độ tuổi, giới tính, thu nhập và hành vi chi tiêu data/thoại.
  • Won't-have: Tích hợp đo kiểm tự động realtime vào trạm BTS (thuộc phạm vi hệ thống OSS/BSS viễn thông chuyên biệt).

Thiết kế hệ thống

Kiến trúc quy trình nghiên cứu và phân tích dữ liệu được mô hình hóa theo sơ đồ sau:

graph TD
    A[Xác định vấn đề & Tổng quan lý thuyết] --> B[Xây dựng thang đo sơ bộ 24 biến]
    B --> C[Khảo sát thử nghiệm & Tham vấn chuyên gia]
    C --> D[Thu thập dữ liệu thực địa: N=149 mẫu]
    D --> E[Làm sạch & Mã hóa dữ liệu vào SPSS 20.0]
    E --> F[Kiểm định Cronbach's Alpha: Loại biến biến có Corrected Item-Total < 0.3]
    F --> G[Phân tích EFA: KMO, Bartlett's Test, Varimax Rotation]
    G --> H[Phân tích tương quan Pearson & Đa cộng tuyến VIF]
    H --> I[Hồi quy tuyến tính OLS: Xác định trọng số Beta]
    I --> J[Hệ thống giải pháp quản trị & Kỹ thuật]

Technology Stack phục vụ nghiên cứu và xử lý thống kê:

  • SPSS 20.0 / IBM SPSS Statistics: Nền tảng chính thực hiện EFA và hồi quy OLS.
  • Python 3.9 (pandas, statsmodels, factor-analyzer): Môi trường đối chuẩn và tự động hóa pipeline phân tích.
  • Cấu trúc dữ liệu khảo sát (Dataset Schema):
    • Khối định danh & Nhân khẩu học: Gender (Nominal), Age (Ordinal), Education (Ordinal), Income (Ordinal), Usage_Time (Ordinal), Monthly_Expense (Continuous).
    • Khối biến độc lập (Likert 5 điểm: 1-Hoàn toàn không đồng ý đến 5-Hoàn toàn đồng ý):
      • CALL_QUAL (5 biến: CL1 đến CL5): Đàm thoại rõ ràng, không rớt mạng, vùng phủ sóng, tính ổn định.
      • PRICE_STRUCT (3 biến: GC1 đến GC3): Phù hợp chất lượng, dễ lựa chọn, đa dạng gói cước.
      • VAS_SERV (4 biến: GT1 đến GT4): Rõ ràng hướng dẫn, cập nhật nhanh, đa dạng tiện ích, đơn giản khi dùng.
      • CONVENIENCE (5 biến: TT1 đến TT5): Thủ tục hòa mạng, đổi SIM/đóng cước, vị trí cửa hàng, giờ phục vụ.
      • CUST_CARE (5 biến: CS1 đến CS5): Tổng đài 24/7, điểm hỗ trợ, thái độ nhân viên, tốc độ xử lý khiếu nại.
    • Khối biến phụ thuộc (OVERALL_QUAL): 2 biến quan sát đánh giá mức độ tin tưởng và tính đúng đắn khi chọn MobiFone.

Methodology

Nghiên cứu kết hợp hai giai đoạn phương pháp luận:

  1. Nghiên cứu sơ bộ (Qualitative & Exploratory): Rà soát mô hình gốc SERVQUAL (Parasuraman et al., 1988) và SERVPERF (Cronin & Taylor, 1992), điều chỉnh bổ sung các biến đặc thù viễn thông dựa trên khung nghiên cứu của Kim Moon-Koo (2004) và Phạm Đức Kỳ (2006). Tiến hành phỏng vấn sâu chuyên gia kỹ thuật và quản lý kinh doanh tại MobiFone Thừa Thiên Huế.
  2. Nghiên cứu chính thức (Quantitative): Lấy mẫu kết hợp tại 2 kênh: trực tiếp tại quầy giao dịch 48 Đống Đa (85 mẫu hợp lệ) và các điểm đông dân cư/kí túc xá/trường học trên địa bàn (64 mẫu hợp lệ).
  3. Quản trị rủi ro mẫu: Áp dụng quy tắc kích thước mẫu tối thiểu của Hair et al. ($N \ge 5 \times 24 = 120$) và Tabachnick & Fidell ($N \ge 50 + 8 \times 5 = 90$). Cỡ mẫu thực tế $N = 149$ đảm bảo độ tin cậy thống kê cho các phép kiểm định đa biến.

Implementation và kết quả

Development process

Quá trình xử lý dữ liệu được thực hiện chuẩn hóa qua các pha:

  • Pha 1: Data Cleaning & Transformation: Loại bỏ 6 phiếu không hợp lệ (thiếu thông tin, chọn trùng một giá trị cho toàn bộ thang đo), mã hóa biến số.
  • Pha 2: Đo lường độ tin cậy thang đo: Kiểm tra hệ số Alpha nếu loại biến (Cronbach's Alpha if Item Deleted) và hệ số tương quan biến - tổng (Corrected Item-Total Correlation).
  • Pha 3: Phân tích cấu trúc nhân tố: Trích xuất nhân tố bằng phương pháp Principal Components Analysis với phép xoay vuông góc Varimax.
  • Pha 4: Ước lượng hồi quy & Kiểm định khuyết tật mô hình: Kiểm tra hiện tượng đa cộng tuyến qua hệ số phóng đại phương sai (Variance Inflation Factor - VIF) và giá trị chấp nhận (Tolerance).

Đoạn mã Python (minh họa thuật toán phân tích tương đương trên SPSS) thể hiện quy trình kiểm định EFA và Hồi quy OLS:

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

# 1. Khởi tạo và kiểm tra độ tin cậy Cronbach's Alpha
def cronbach_alpha(df_items: pd.DataFrame) -> float:
    item_vars = df_items.var(axis=0, ddof=1)
    total_var = df_items.sum(axis=1).var(ddof=1)
    n_items = df_items.shape[1]
    return (n_items / (n_items - 1)) * (1 - (item_vars.sum() / total_var))

# 2. Phân tích nhân tố khám phá EFA (Principal Component Analysis + Varimax)
def run_efa(df_features: pd.DataFrame, n_factors: int = 5):
    fa = FactorAnalyzer(n_factors=n_factors, method='principal', rotation='varimax')
    fa.fit(df_features)
    loadings = pd.DataFrame(
        fa.loadings_, 
        index=df_features.columns,
        columns=[f"Factor_{i+1}" for i in range(n_factors)]
    )
    eigenvalues, _ = fa.get_eigenvalues()
    return loadings, eigenvalues

# 3. Ước lượng Hồi quy tuyến tính bội OLS và kiểm tra VIF
def fit_regression_model(X: pd.DataFrame, y: pd.Series):
    X_with_const = sm.add_constant(X)
    ols_model = sm.OLS(y, X_with_const).fit()
    
    # Tính hệ số VIF kiểm tra đa cộng tuyến
    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])]
    
    return ols_model.summary(), vif_data

Testing và validation

Kết quả kiểm định chất lượng thang đo và mô hình toán học:

  1. Độ tin cậy thang đo (Cronbach's Alpha):

    • Toàn bộ 5 thang đo thành phần độc lập đều đạt độ tin cậy cao: Hệ số Alpha dao động từ $0,782$ đến $0,891$ (đều thỏa mãn điều kiện $> 0,7$).
    • Biến phụ thuộc (CLDV chung) đạt Cronbach's Alpha $= 0,814$.
    • Không có biến quan sát nào bị loại do hệ số tương quan biến - tổng đều $> 0,30$.

  2. Kiểm định EFA:

    • Hệ số $\text{KMO} = 0,826$ (thỏa mãn $0,5 \le \text{KMO} \le 1,0$), bác bỏ giả thiết các biến không tương quan tại mức ý nghĩa $p < 0,001$ ($\text{Bartlett's Test } \chi^2 = 1428,52$).
    • 5 nhân tố được trích tại điểm dừng $\text{Eigenvalue} = 1,215 > 1,0$ với tổng phương sai trích (Total Variance Explained) đạt $63,84%$ (đạt yêu cầu $> 50%$).
    • Toàn bộ các hệ số tải nhân tố (Factor Loading) đều đạt giá trị $> 0,55$.

  3. Kiểm định hiện tượng đa cộng tuyến & Phù hợp mô hình:

    • Hệ số $\text{VIF}$ của tất cả các biến độc lập đều nằm trong khoảng $1,142 - 1,428 < 2,0$, khẳng định không có hiện tượng đa cộng tuyến vi phạm giả định hồi quy.
    • Kiểm định $\text{ANOVA}$ cho giá trị $F = 42,65$ với $\text{Sig.} = 0,000$, chứng minh mô hình có ý nghĩa thống kê ở mức độ tin cậy $99%$.

Kết quả đạt được

Hệ số xác định mô hình $R^2$ hiệu chỉnh đạt $0,584$, chứng minh 5 nhân tố nghiên cứu giải thích được $58,4%$ sự biến thiên trong đánh giá tổng thể về CLDV của người dùng MobiFone tại TP. Huế.

Bảng thông số hồi quy chuẩn hóa:

Thứ tự Nhân tố độc lập Hệ số hồi quy chuẩn hóa ($\beta$) Giá trị t-statistic Mức ý nghĩa (Sig.) Mức độ tác động
$X_1$ Dịch vụ khách hàng (CUST_CARE) 0,342 5,124 0,000 Cao nhất
$X_2$ Chất lượng cuộc gọi (CALL_QUAL) 0,285 4,218 0,000 Thứ hai
$X_3$ Cấu trúc giá (PRICE_STRUCT) 0,214 3,342 0,001 Thứ ba
$X_4$ Sự thuận tiện (CONVENIENCE) 0,186 2,895 0,004 Thứ tư
$X_5$ Dịch vụ giá trị gia tăng (VAS_SERV) 0,148 2,312 0,022 Thứ năm

Phương trình hồi quy tuyến tính chuẩn hóa thực nghiệm: $$\text{CLDV} = 0,342 \cdot \text{CSKH} + 0,285 \cdot \text{CL_CUỘC_GỌI} + 0,214 \cdot \text{GIÁ_CƯỚC} + 0,186 \cdot \text{THUẬN_TIỆN} + 0,148 \cdot \text{VAS}$$

Đổi mới và đóng góp

  1. Hiệu chỉnh khung SERVPERF cho thị trường viễn thông đô thị miền Trung: Khắc phục nhược điểm của mô hình SERVQUAL truyền thống (bảng hỏi 44 mục gây mệt mỏi cho người trả lời và sai số do kỳ vọng ảo). Đề tài rút gọn thang đo còn 24 biến quan sát trực tiếp nhận thức, giúp tỷ lệ hoàn thành hợp lệ của bảng hỏi đạt $96,1%$.
  2. So sánh với các mô hình nghiên cứu tiền nhiệm:
    • So với Parasuraman (1988): Loại bỏ việc đo lường kỳ vọng riêng biệt, tối ưu hóa thời gian khảo sát từ 15 phút xuống 5 phút/mẫu.
    • So với Kim Moon-Koo (2004): Điều chỉnh biến quan sát phù hợp với hạ tầng mạng 3G/4G và thói quen tiêu dùng data/SMS tại Việt Nam.
    • So với Phạm Đức Kỳ & Bùi Nguyên Hùng (2007): Bổ sung cập nhật bối cảnh chuyển dịch số và siết chặt sim rác theo quy định viễn thông hiện hành.
  3. Phát hiện thực nghiệm mang tính địa phương: Khác với các đô thị lớn (Hà Nội, TP.HCM) nơi chất lượng mạng data và cuộc gọi thường chiếm tỷ trọng áp đảo, tại thị trường TP. Huế, nhân tố Dịch vụ khách hàng ($\beta = 0,342$) có sức ảnh hưởng mạnh nhất đến cảm nhận người dùng, cao hơn cả Chất lượng cuộc gọi ($\beta = 0,285$).

Ứng dụng thực tế và triển khai

Tình huống triển khai thực tế (Real-world Use Cases)

Dữ liệu mô hình hóa cung cấp định hướng trực tiếp cho Ban Giám đốc MobiFone Thừa Thiên Huế triển khai tái cấu trúc vận hành:

  • Tình huống 1: Tối ưu hóa kênh giải quyết khiếu nại tại quầy: Điểm đánh giá về "Thời gian giải quyết khiếu nại" hiện có Mean $= 3,42/5,0$. Triển khai quy trình số hóa ticketing nội bộ giúp cắt giảm thời gian xử lý thủ tục đổi SIM, tra cước từ trung bình 15 phút xuống dưới 5 phút.
  • Tình huống 2: Đầu tư trạm BTS theo vết di chuyển của khách hàng: Tăng cường trạm phát sóng 4G tại các khu vực ngoại vi (Hương Thủy, Hương Trà, Phú Vang) và các điểm tập trung sinh viên (ký túc xá Tây Lộc, ĐH Kinh tế Huế) để nâng cao chỉ số "Độ ổn định cuộc gọi và Data".

Phân tích chi phí - lợi ích & Lộ trình thực hiện

gantt
    title Lộ trình triển khai giải pháp nâng cao CLDV MobiFone Huế (2020 - 2022)
    dateFormat  YYYY-MM-DD
    section Dịch vụ khách hàng
    Đào tạo kỹ năng mềm & Chuẩn hóa văn hóa giao tiếp :2020-05-01, 90d
    Nâng cấp hệ thống tiếp nhận khiếu nại đa kênh Omni-channel :2020-08-01, 120d
    section Kỹ thuật mạng lưới
    Tối ưu hóa góc phủ sóng BTS & Chống nghẽn vùng lõi :2020-10-01, 180d
    Phát triển thêm trạm 4G tại các khu vực đông dân cư :2021-03-01, 240d
    section Chính sách giá & VAS
    Thiết kế gói cước tích hợp Data/Thoại theo khu vực :2021-01-01, 90d
    Tái cấu trúc portal hướng dẫn và đăng ký dịch vụ VAS :2021-04-01, 120d
  • Đầu tư dự kiến: 3,5 tỷ VNĐ (Bao gồm đào tạo CSKH: 500 triệu; tối ưu và bổ sung thiết bị BTS: 2,5 tỷ; truyền thông gói cước: 500 triệu).
  • ROI ước tính: Giảm tỷ lệ rời mạng (Churn Rate) từ $1,8%/\text{tháng}$ xuống $1,1%/\text{tháng}$, duy trì tăng trưởng doanh thu $6-8%/\text{năm}$, bảo toàn dòng tiền đóng góp cho ngân sách tỉnh $> 5,5$ tỷ VNĐ/năm.

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật và chọn mẫu: Phương pháp chọn mẫu thuận tiện phi xác suất ($N = 149$) tập trung nhiều vào đối tượng có khả năng tiếp cận tại quầy và các địa điểm công cộng, chưa phân tầng chính xác tuyệt đối theo tỷ lệ dân cư toàn bộ các phường/xã.
  • Giới hạn biến số: Mô hình giải thích được $58,4%$ biến thiên ($R^2 = 0,584$), còn $41,6%$ phụ thuộc vào các yếu tố ngoại sinh khác như thương hiệu doanh nghiệp, ảnh hưởng truyền thông xã hội, chất lượng thiết bị đầu cuối của người dùng.
  • Hướng phát triển đề xuất: Mở rộng ứng dụng mô hình Structural Equation Modeling (SEM) để đánh giá mối quan hệ trung gian giữa CLDV, Sự hài lòng và Lòng trung thành thương hiệu; tích hợp dữ liệu lớn (Big Data CDR - Call Detail Record) để tự động hóa đo lường trải nghiệm theo thời gian thực.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Kinh tế/Marketing: Bản mẫu hoàn chỉnh về phương pháp luận nghiên cứu định lượng ứng dụng trong ngành viễn thông, từ thiết kế bảng hỏi đến phân tích SPSS/Python.
  • Chuyên viên phân tích dữ liệu & Nhà nghiên cứu thị trường: Khung thang đo chuẩn hóa đã được kiểm định độ tin cậy và phân tích nhân tố, có thể tái sử dụng trực tiếp cho các nghiên cứu đo lường CLDV dịch vụ công nghệ, ISP, Cloud.
  • Doanh nghiệp viễn thông (MobiFone, Viettel, VinaPhone): Căn cứ khoa học xác định trọng số ưu tiên đầu tư: Tập trung vào dịch vụ khách hàng và chất lượng mạng lưới trước khi thực hiện các cuộc chiến về giá cước.

Câu hỏi thường gặp

  1. Yêu cầu kỹ thuật tối thiểu để triển khai lại mô hình nghiên cứu này? Phần mềm IBM SPSS Statistics phiên bản 20.0 trở lên (hoặc môi trường Python 3.8+ với các thư viện pandas, statsmodels, factor-analyzer, scikit-learn), cấu hình máy tính tiêu chuẩn (RAM 4GB, CPU Dual Core).

  2. Tại sao mô hình chọn SERVPERF thay vì SERVQUAL gốc? SERVPERF chỉ đo lường điểm cảm nhận thực tế ($P$), giảm một nửa số lượng câu hỏi so với việc đo cả kỳ vọng ($E$) và cảm nhận ($P$), giúp hạn chế tình trạng thiên lệch thông tin do kỳ vọng quá mức của khách hàng và tối ưu hóa tỷ lệ phản hồi chính xác.

  3. Làm thế nào để tích hợp kết quả này với hệ thống đo lường kỹ thuật NOC của nhà mạng? Kết quả trọng số Beta từ mô hình được ánh xạ trực tiếp vào thang đo trọng số KPI của hệ thống quản trị chất lượng dịch vụ (CEM - Customer Experience Management) tại trung tâm điều hành mạng lưới (NOC).

  4. Nghiên cứu này giải quyết vấn đề sụt giảm thuê bao trả trước như thế nào? Thông qua việc định vị nhóm nhân tố "Sự thuận tiện" và "Cấu trúc giá", nghiên cứu đề xuất đơn giản hóa quy trình xác thực thông tin chính chủ theo Nghị định 49 và thiết kế các gói cước trả trước chuyển đổi trả sau linh hoạt.

  5. Chi phí và thời gian triển khai một chu kỳ đánh giá CLDV định kỳ? Một chu kỳ khảo sát chuẩn hóa (từ thiết kế mẫu, thu thập 300-500 mẫu đến xuất báo cáo hồi quy) mất từ 4 đến 6 tuần với ngân sách khoảng 30 - 50 triệu đồng nếu thực hiện in-house.

Kết luận

Đề tài "Đánh giá chất lượng dịch vụ thông tin di động của mạng MobiFone trên địa bàn Thành phố Huế" đã giải quyết thành công bài toán lượng hóa mức độ hài lòng của khách hàng đối với dịch vụ viễn thông thông qua phương pháp mô hình hóa toán thống kê thực nghiệm. Với $R^2$ hiệu chỉnh đạt $58,4%$, công trình khẳng định vai trò quyết định của Dịch vụ khách hàng ($\beta = 0,342$) và Chất lượng cuộc gọi ($\beta = 0,285$) trong việc giữ chân thuê bao và nâng cao năng lực cạnh tranh cho MobiFone Thừa Thiên Huế. Kết quả này cung cấp luận cứ thực tiễn vững chắc cho ban lãnh đạo nhà mạng trong việc phân bổ vốn đầu tư hạ tầng trạm BTS, số hóa quy trình chăm sóc khách hàng và xây dựng chiến lược kinh doanh bền vững giai đoạn 2020–2025. Các nhà quản lý viễn thông và nhà nghiên cứu có thể áp dụng trực tiếp khung phân tích này để thiết lập hệ thống giám sát chất lượng định kỳ cho đơn vị.