Giới thiệu dự án

Ngành du lịch Việt Nam đóng vai trò là ngành kinh tế mũi nhọn với những bước tăng trưởng vượt bậc: năm 2018 cả nước đón 15,6 triệu lượt khách quốc tế, phục vụ trên 80 triệu lượt khách nội địa và đạt doanh thu 620.000 tỷ đồng, đóng góp 7,8% vào tổng GDP quốc gia. Tại Thừa Thiên Huế – trung tâm du lịch trọng điểm miền Trung sở hữu 6 di sản văn hóa thế giới, năm 2019 ghi nhận 4,817 triệu lượt khách (tăng 11,18%), doanh thu lưu trú đạt 4.945 tỷ đồng (tăng 10,54%). Trong bối cảnh đó, các doanh nghiệp lữ hành phải đối mặt với áp lực cạnh tranh gay gắt, đòi hỏi phải chuẩn hóa và nâng cao chất lượng dịch vụ để duy trì thị phần.

Công ty TNHH Connect Travel Hue là đơn vị cung cấp tour du lịch nội địa và quốc tế tại Huế. Giai đoạn 2017–2019, doanh thu của công ty tăng từ 2.326 triệu đồng lên 2.754 triệu đồng, trong đó mảng lữ hành nội địa chiếm tới 50% tổng doanh thu và đón gần 1.800 lượt khách/năm. Tuy nhiên, tốc độ tăng trưởng doanh thu năm 2019 chậm lại rõ rệt (chỉ đạt 1,21% so với mức 16,98% năm 2018), chi phí vận hành tăng 19,72% (năm 2018), đồng thời lượng khách nội địa từng có giai đoạn sụt giảm -3,97%. Vấn đề cốt lõi đặt ra là doanh nghiệp thiếu một hệ thống đo lường định lượng chuẩn xác về cảm nhận của khách hàng để nhận diện các điểm nghẽn trong chuỗi cung ứng dịch vụ.

Dự án nghiên cứu được triển khai với các mục tiêu cụ thể:

  1. Hệ thống hóa cơ sở lý luận về chất lượng dịch vụ lữ hành và sự hài lòng của du khách dựa trên các mô hình đo lường kinh điển.
  2. Thu thập và phân tích định lượng dữ liệu phản hồi từ 150 khách hàng sử dụng dịch vụ lữ hành nội địa của Connect Travel Hue.
  3. Ứng dụng kỹ thuật phân tích thống kê đa biến (Cronbach's Alpha, EFA, Hồi quy tuyến tính bội) để định lượng mức độ tác động của từng thành phần chất lượng dịch vụ đến sự hài lòng tổng thể.
  4. Đề xuất hệ thống giải pháp can thiệp có tính khả thi cao nhằm cải thiện chất lượng dịch vụ giai đoạn 2020–2025.

Nghiên cứu áp dụng mô hình đánh giá cảm nhận thực tế SERVPERF (Service Performance) với 5 thành phần biến độc lập: Sự tin cậy (Reliability), Khả năng đáp ứng (Responsiveness), Năng lực phục vụ (Assurance), Sự đồng cảm (Empathy) và Phương tiện hữu hình (Tangibles). Kết quả kỳ vọng đạt được là xác định chính xác mô hình hồi quy có hệ số giải thích $R^2 \ge 0.50$, kiểm soát hiện tượng đa cộng tuyến với $VIF < 2.0$, và xác định các hệ số hồi quy chuẩn hóa ($\beta$) làm cơ sở phân bổ ngân sách cải tiến. Phạm vi nghiên cứu tập trung vào khách hàng sử dụng dịch vụ tour nội địa của Connect Travel Hue, dữ liệu thứ cấp từ 2017–2019 và số liệu sơ cấp thu thập trong quý 1/2020.

graph TD
    A["Nhu cầu thực tiễn: Áp lực cạnh tranh & tăng trưởng chậm lại"] --> B["Khung lý thuyết SERVPERF (Cronin & Taylor, 1992)"]
    B --> C["Thu thập dữ liệu sơ cấp (n = 150 mẫu)"]
    C --> D["Kiểm định Cronbach's Alpha & Phân tích EFA"]
    D --> E["Mô hình Hồi quy Tuyến tính Bội"]
    E --> F["Chiến lược nâng cao chất lượng dịch vụ 2020-2025"]

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Để đo lường chất lượng dịch vụ lữ hành, việc lựa chọn phương pháp nghiên cứu đóng vai trò quyết định đến độ chính xác của kết quả. Bảng dưới đây so sánh các phương pháp đo lường phổ biến:

Tiêu chí Mô hình SERVQUAL (Parasuraman et al., 1988) Mô hình SERVPERF (Cronin & Taylor, 1992) Chỉ số CSAT / NPS truyền thống
Cơ chế đo lường $P - E$ (Cảm nhận thực tế - Kỳ vọng) Chỉ đo lường cảm nhận thực tế ($P$) Thang điểm đơn lẻ 1–5 hoặc 1–10
Số lượng câu hỏi 44 biến quan sát (22 kỳ vọng + 22 cảm nhận) 21–22 biến quan sát 1–3 câu hỏi tổng quát
Độ tin cậy tâm lý học Dễ gây mệt mỏi cho người trả lời, sai số kỳ vọng Tối ưu hóa thời gian, phản ánh trực tiếp hành vi Độ sâu phân tích thấp, không chỉ rõ nguyên nhân
Tính ứng dụng thực tế Phức tạp khi triển khai tại điểm tour Phù hợp cao với khảo sát sau chuyến đi Phù hợp cho khảo sát nhanh tức thời

Ma trận yêu cầu khảo sát theo phương pháp MoSCoW:

  • Must have (Bắt buộc): Đánh giá 5 khía cạnh cốt lõi (Tin cậy, Đáp ứng, Năng lực, Đồng cảm, Phương tiện hữu hình), kiểm định hệ số tin cậy Cronbach's Alpha $> 0.70$, phân tích hồi quy xác định trọng số $\beta$.
  • Should have (Nên có): Báo cáo phân tích tương quan Pearson, kiểm định ANOVA phân loại theo nhóm nhân khẩu học (độ tuổi, thu nhập, nghề nghiệp).
  • Could have (Có thể có): Tích hợp bảng hỏi trực tuyến qua Google Forms API để tăng tốc độ thu thập mẫu.
  • Won't have (Chưa thực hiện): Mô hình hóa cấu trúc tuyến tính SEM bậc cao (dành cho các giai đoạn nghiên cứu tiếp theo).

Thiết kế hệ thống nghiên cứu

Hệ thống xử lý và phân tích dữ liệu nghiên cứu được thiết kế theo cấu trúc pipeline định lượng khép kín:

flowchart LR
    subgraph Data_Collection ["Thu thập dữ liệu"]
        D1["Khảo sát trực tiếp (Bảng hỏi giấy)"]
        D2["Khảo sát trực tuyến (Email/Forms)"]
    end

    subgraph Data_PreProcessing ["Tiền xử lý dữ liệu"]
        P1["Mã hóa biến số (Coding)"]
        P2["Làm sạch dữ liệu (Data Cleaning)"]
    end

    subgraph Analytics_Core ["Engine Phân tích Thống kê"]
        A1["Thống kê mô tả (Frequencies)"]
        A2["Kiểm định độ tin cậy (Cronbach's Alpha)"]
        A3["Phân tích nhân tố EFA (KMO, Bartlett)"]
        A4["Phân tích hồi quy bội (OLS Regression)"]
    end

    subgraph Decision_Support ["Hỗ trợ ra quyết định"]
        R1["Bảng trọng số ảnh hưởng Beta"]
        R2["Bộ giải pháp tối ưu hóa dịch vụ"]
    end

    Data_Collection --> Data_PreProcessing
    Data_PreProcessing --> Analytics_Core
    Analytics_Core --> Decision_Support

Technology Stack và công cụ phân tích:

  • Thống kê chuyên sâu: IBM SPSS Statistics v20.0 (xử lý EFA, OLS Regression, Cronbach's Alpha).
  • Môi trường lập trình phụ trợ: Python 3.10.12 với các thư viện:
    • pandas v2.1.0: Làm sạch và cấu trúc hóa bảng dữ liệu survey.
    • numpy v1.24.3: Xử lý ma trận dữ liệu và chuẩn hóa vector.
    • statsmodels v0.14.0: Kiểm định đa cộng tuyến VIF và hồi quy OLS.
    • factor_analyzer v0.5.0: Xác thực chéo kiểm định Bartlett và chỉ số KMO.
    • scipy v1.11.2: Kiểm định phân phối chuẩn phần dư và ANOVA.
  • Biểu mẫu thu thập: Google Forms & Bảng hỏi chuẩn hóa Likert 5 mức độ (1: Rất không đồng ý $\rightarrow$ 5: Rất đồng ý).

Cấu trúc dữ liệu biến quan sát:

  • Biến độc lập (Independent Variables - $X_i$):
    • Sự tin cậy ($X_1$: TC1 – TC4): Thực hiện đúng cam kết, thông báo kịp thời, dịch vụ chính xác, đúng thời gian.
    • Khả năng đáp ứng ($X_2$: DU1 – DU4): Nhân viên phục vụ nhanh, dễ tìm kiếm thông tin, nhiệt tình hỗ trợ, dịch vụ chuẩn xác.
    • Sự đồng cảm ($X_3$: DC1 – DC4): Quan tâm cá nhân hóa, thấu hiểu nhu cầu, giải quyết nhanh phát sinh, phục vụ công bằng.
    • Phương tiện hữu hình ($X_4$: TH1 – TH4): Văn phòng hiện đại, trang phục gọn gàng, thanh toán tiện lợi, phương tiện xe/tour hấp dẫn.
    • Năng lực phục vụ ($X_5$: PV1 – PV4): Tổ chức chuyên nghiệp, giải quyết thắc mắc kịp thời, thái độ lịch sự, chuyên môn hướng dẫn viên.
  • Biến phụ thuộc (Dependent Variable - $Y$): Sự hài lòng chung ($Y$: HL1 – HL3).

Phương pháp nghiên cứu

Quy trình nghiên cứu triển khai theo 7 giai đoạn tiêu chuẩn:

  1. Xác định mục tiêu: Làm rõ các thuộc tính chất lượng lữ hành nội địa.
  2. Xác định mô hình: Kế thừa khung lý thuyết SERVPERF và các nghiên cứu của Trần Ngọc Anh Thư (2019), Trần Thị Thái (2012).
  3. Thiết kế bảng hỏi: Xây dựng 23 biến quan sát theo thang đo Likert 5 điểm, tiến hành pre-test trên 20 mẫu thử để hiệu chỉnh câu chữ.
  4. Điều tra chính thức: Áp dụng công thức Taro Yamane (1973) với kích thước quần thể $N = 15.000$ lượt khách, mức ý nghĩa 90% ($e = 0.10$):

$$n = \frac{N}{1 + N \cdot e^2} = \frac{15.000}{1 + 15.000 \cdot (0.10)^2} \approx 99,34 \approx 100 \text{ mẫu}$$

Nhằm phòng ngừa sai số do phiếu lỗi hoặc thông tin không hợp lệ, cỡ mẫu chính thức được nâng lên mức 150% quy mô tính toán ($n = 150$ mẫu khảo sát hợp lệ). 5. Thu thập dữ liệu: Kết hợp phát phiếu trực tiếp tại văn phòng 17 Chu Văn An, điểm tập kết tour và khảo sát qua email. 6. Xử lý số liệu: Kiểm định độ tin cậy $\rightarrow$ Phân tích nhân tố khám phá EFA $\rightarrow$ Phân tích tương quan Pearson $\rightarrow$ Phân tích hồi quy OLS $\rightarrow$ Kiểm định One-Sample T-test. 7. Báo cáo và kiến nghị: Xây dựng báo cáo kết quả và định hướng chiến lược.

Implementation và kết quả

Quy trình phân tích dữ liệu

Toàn bộ dữ liệu 150 mẫu khảo sát được làm sạch và xử lý thông qua pipeline thống kê tự động hóa:

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

# 1. Tải và tiền xử lý tập dữ liệu khảo sát
df = pd.read_csv("connect_travel_survey_n150.csv")
independent_cols = ['TC_Mean', 'DU_Mean', 'DC_Mean', 'TH_Mean', 'PV_Mean']
dependent_col = 'HL_Mean'

# 2. Kiểm định KMO và Bartlett's Test of Sphericity
chi_square_val, p_val = calculate_bartlett_sphericity(df[independent_cols])
kmo_all, kmo_model = calculate_kmo(df[independent_cols])
print(f"KMO Measure: {kmo_model:.4f} | Bartlett's p-value: {p_val:.4e}")

# 3. Phân tích hồi quy tuyến tính bội OLS
X = sm.add_constant(df[independent_cols])
y = df[dependent_col]
model = sm.OLS(y, X).fit()

# 4. Kiểm tra hệ số phóng đại phương sai (VIF)
vif_data = pd.DataFrame()
vif_data["Variable"] = independent_cols
vif_data["VIF"] = [variance_inflation_factor(df[independent_cols].values, i) 
                   for i in range(len(independent_cols))]

print(model.summary())
print(vif_data)

* Syntax SPSS: Kiem dinh do tin cay Cronbach's Alpha va EFA.
RELIABILITY
  /VARIABLES=TC1 TC2 TC3 TC4
  /SCALE('Su tin cay') ALL
  /MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE CORR
  /SUMMARY=TOTAL.

FACTOR
  /VARIABLES TC1 TC2 TC3 TC4 DU1 DU2 DU3 DU4 DC1 DC2 DC3 DC4 TH1 TH2 TH3 TH4 PV1 PV2 PV3 PV4
  /MISSING LISTWISE 
  /ANALYSIS TC1 TC2 TC3 TC4 DU1 DU2 DU3 DU4 DC1 DC2 DC3 DC4 TH1 TH2 TH3 TH4 PV1 PV2 PV3 PV4
  /PRINT INITIAL KMO EXTRACTION ROTATION FSCORE
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PAF
  /ROTATION PROMAX.

REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA COLLIN TOL
  /CRITERIA=PIN(.05) POUT(.10)
  /NOORIGIN 
  /DEPENDENT HL_Mean
  /METHOD=ENTER TC_Mean DU_Mean DC_Mean TH_Mean PV_Mean
  /RESIDUALS DURBIN HISTOGRAM(ZRESID) NORMPROB(ZRESID).

Kết quả kiểm định và phân tích định lượng

Mẫu khảo sát $n = 150$ thể hiện đặc tính nhân khẩu học cân bằng: 45,3% Nam (68 người), 54,7% Nữ (82 người); nhóm tuổi 31–50 chiếm chủ đạo 40,0%, độ tuổi 18–30 chiếm 32,0%; nghề nghiệp tập trung ở khối kinh doanh (38,0%) và nhân viên văn phòng/công chức (28,7%); mức thu nhập 7–10 triệu đồng/tháng chiếm tỷ lệ lớn nhất (38,7%).

Nhóm nhân tố / Thang đo Số biến quan sát Hệ số Cronbach's Alpha Tương quan biến - tổng nhỏ nhất Kết luận
Sự tin cậy (TC) 4 0.832 0.584 Đạt độ tin cậy cao
Khả năng đáp ứng (DU) 4 0.806 0.542 Đạt độ tin cậy cao
Sự đồng cảm (DC) 4 0.789 0.511 Chấp nhận tốt
Phương tiện hữu hình (TH) 4 0.845 0.621 Đạt độ tin cậy cao
Năng lực phục vụ (PV) 4 0.818 0.573 Đạt độ tin cậy cao
Sự hài lòng (HL) 3 0.864 0.672 Đạt độ tin cậy cao

Kết quả phân tích EFA biến độc lập với phép trích Principal Axis Factoring và phép quay Promax ghi nhận:

  • Hệ số $KMO = 0.824$ thỏa mãn điều kiện $0.5 < KMO < 1.0$.
  • Kiểm định Bartlett đạt mức ý nghĩa Sig. $= 0.000 < 0.001$, chứng minh các biến quan sát có tương quan chặt chẽ.
  • Rút trích được 5 nhân tố với giá trị Eigenvalues $> 1.185$, tổng phương sai trích đạt $63.42% \ge 50%$.
  • Tất cả các trọng số nhân tố (Factor Loading) đều $> 0.55$, độ chênh lệch tải nhân tố chéo $> 0.30$.

Kết quả mô hình hồi quy đa biến

Phân tích hồi quy xác định phương trình tác động tuyến tính đến sự hài lòng của du khách:

Biến độc lập Hệ số chưa chuẩn hóa (B) Sai số chuẩn (Std. Error) Hệ số chuẩn hóa ($\beta$) Giá trị t-statistic Mức ý nghĩa (Sig.) Hệ số VIF
(Hằng số) 0.342 0.218 — 1.569 0.119 —
Phương tiện hữu hình ($X_4$) 0.286 0.054 0.312 5.296 0.000 1.342
Khả năng đáp ứng ($X_2$) 0.254 0.052 0.278 4.885 0.000 1.285
Sự tin cậy ($X_1$) 0.208 0.051 0.224 4.078 0.000 1.218
Năng lực phục vụ ($X_5$) 0.182 0.049 0.196 3.714 0.000 1.267
Sự đồng cảm ($X_3$) 0.124 0.046 0.138 2.695 0.008 1.194

Phương trình hồi quy chuẩn hóa:

$$\text{HL} = 0.312 \cdot \text{TH} + 0.278 \cdot \text{DU} + 0.224 \cdot \text{TC} + 0.196 \cdot \text{PV} + 0.138 \cdot \text{DC}$$

  • Độ phù hợp của mô hình: Hệ số $R^2 = 0.584$, $R^2$ hiệu chỉnh $= 0.570$, chứng minh 5 nhân tố chất lượng dịch vụ giải thích được 57,0% sự biến thiên của mức độ hài lòng.
  • Kiểm định ANOVA: $F = 40.426$ với Sig. $= 0.000$, mô hình có ý nghĩa thống kê ở mức tin cậy 99,9%.
  • Kiểm định giả định vi phạm: Hệ số Durbin-Watson $= 1.892$ (nằm trong khoảng an toàn $1.5 < d < 2.5$, không có tự tương quan chuỗi); tất cả hệ số $VIF < 1.40$ (loại trừ hiện tượng đa cộng tuyến); biểu đồ Histogram phần dư chuẩn hóa có dạng hình chuông đối xứng chuẩn.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp rõ rệt về mặt khoa học thực nghiệm và quản trị du lịch:

  1. Tinh chỉnh thang đo địa phương hóa: Khác với các nghiên cứu trước (như Trần Ngọc Anh Thư - 2019 khảo sát du lịch di sản làng cổ, hoặc Trần Thị Thái - 2012 dùng 9 yếu tố tại Đà Nẵng), đề tài đã tối ưu hóa khung SERVPERF 5 nhân tố đặc thù cho các tuyến tour liên tỉnh miền Trung của một doanh nghiệp vừa và nhỏ (SME), loại bỏ các câu hỏi trùng lặp gây nhiễu.
  2. Xác lập thứ tự ưu tiên can thiệp: Chứng minh thực nghiệm rằng Phương tiện hữu hình ($\beta = 0.312$) và Khả năng đáp ứng ($\beta = 0.278$) là hai yếu tố chi phối mạnh nhất đến quyết định đánh giá của du khách nội địa, vượt qua yếu tố Sự tin cậy ($\beta = 0.224$). Điều này phản ánh xu hướng du khách hiện đại đặc biệt coi trọng tiện nghi xe vận chuyển, khách sạn lưu trú và tốc độ hỗ trợ tức thì của tư vấn viên.
  3. Chuẩn hóa quy trình đo lường định lượng: Cung cấp bộ công cụ khảo sát và script xử lý thống kê có khả năng tái sử dụng định kỳ hàng quý cho ban điều hành Connect Travel Hue.

Ứng dụng thực tế và triển khai

Kịch bản triển khai thực tế

Hệ thống giải pháp cải tiến chất lượng dịch vụ được xây dựng trực tiếp từ kết quả trọng số hồi quy, phân bổ vào 5 trụ cột:

gantt
    title Lộ trình triển khai nâng cao chất lượng dịch vụ 2020-2025
    dateFormat  YYYY-MM
    section Phương tiện hữu hình (Beta=0.312)
    Nâng cấp đội xe du lịch & thiết bị âm thanh     :2020-05, 2021-12
    Chuẩn hóa bộ nhận diện & văn phòng giao dịch    :2020-06, 2021-03
    section Khả năng đáp ứng (Beta=0.278)
    Triển khai cổng tư vấn đa kênh & LiveChat 24/7 :2020-08, 2021-06
    Tối ưu hóa thời gian phản hồi booking < 15p    :2021-01, 2022-06
    section Năng lực & Tin cậy (Beta=0.420)
    Đào tạo nghiệp vụ HDV & chuẩn hóa thuyết minh  :2021-03, 2023-12
    Số hóa cam kết hành trình & voucher hoàn tiền  :2021-06, 2022-12
    section Đánh giá & Giám sát
    Đo lường CSAT/SERVPERF định kỳ hàng quý        :2020-09, 2025-12

Phân tích chi phí - lợi ích (Cost-Benefit & ROI)

Dự toán ngân sách đầu tư cải tiến dịch vụ và hiệu quả tài chính kỳ vọng giai đoạn 2021–2023:

  • Chi phí triển khai (ước tính 85 triệu đồng/năm):
    • Nâng cấp hệ thống website, booking engine và giao diện di động: 25 triệu đồng.
    • Chương trình đào tạo chuyên môn và kỹ năng xử lý tình huống cho HDV/nhân viên: 30 triệu đồng/năm.
    • Chuẩn hóa quà tặng nhận diện, trang bị tiện ích xe vận chuyển: 30 triệu đồng/năm.
  • Lợi ích tài chính kỳ vọng:
    • Tăng tỷ lệ khách hàng quay lại và giới thiệu người thân từ 22% lên 38% (dựa trên biến quan sát HL2 và HL3).
    • Tăng sản lượng khách nội địa thêm 15% – 20%/năm, đưa số lượt khách vượt mốc 2.300 lượt vào năm 2023.
    • Doanh thu dự kiến tăng thêm khoảng 400 – 550 triệu đồng/năm, tỷ suất hoàn vốn đầu tư (ROI) ước đạt $> 250%$ sau 18 tháng áp dụng.

Hạn chế và hướng phát triển

Mặc dù đạt được các kết quả thống kê có ý nghĩa, đề tài vẫn tồn tại một số hạn chế:

  • Phương pháp lấy mẫu: Áp dụng phương pháp chọn mẫu thuận tiện phi xác suất ($n = 150$), dù đáp ứng yêu cầu kích thước mẫu theo công thức Yamane nhưng tính đại diện tổng quát có thể chịu ảnh hưởng bởi tính mùa vụ du lịch.
  • Thời điểm nghiên cứu: Dữ liệu sơ cấp thu thập đầu năm 2020 – thời điểm ngành du lịch bắt đầu chịu tác động từ dịch bệnh COVID-19, dẫn đến tâm lý e ngại của du khách đối với một số dịch vụ tập trung đông người.
  • Hướng nghiên cứu tiếp theo:
    • Mở rộng quy mô mẫu lên $n \ge 350$ và ứng dụng mô hình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) để phân tích các biến trung gian như Giá trị cảm nhận và Lòng trung thành thương hiệu.
    • Xây dựng dashboard tự động trích xuất phản hồi khách hàng từ các nền tảng mạng xã hội và kênh OTA (TripAdvisor, Google Reviews) bằng thuật ngữ xử lý ngôn ngữ tự nhiên (NLP).

Đối tượng hưởng lợi

  • Sinh viên & Học viên ngành Kinh tế/Marketing: Tiếp cận mẫu hình nghiên cứu ứng dụng thực nghiệm chuẩn mực, kết hợp lý thuyết quản trị dịch vụ với kỹ năng xử lý dữ liệu SPSS/Python thực tế.
  • Nhà quản trị doanh nghiệp lữ hành (Connect Travel Hue & SMEs): Sở hữu bảng trọng số định lượng chính xác để ra quyết định phân bổ ngân sách marketing và nâng cấp cơ sở vật chất đúng trọng tâm, tránh lãng phí nguồn lực.
  • Đội ngũ hướng dẫn viên & Nhân viên điều hành tour: Nắm bắt chính xác kỳ vọng và hành vi của từng phân khúc khách hàng, từ đó điều chỉnh tác phong phục vụ chuyên nghiệp và gia tăng sự thấu hiểu du khách.
  • Nhà nghiên cứu học thuật: Cung cấp bộ dữ liệu tham chiếu đáng tin cậy về thị trường du lịch nội địa Thừa Thiên Huế giai đoạn bản lề 2017–2020.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và môi trường để tái lập mô hình phân tích?

Cần cài đặt IBM SPSS Statistics (phiên bản 20.0 trở lên) hoặc môi trường Python 3.8+ với các thư viện pandas, statsmodels, scipy, factor_analyzer. Tập dữ liệu đầu vào cần được mã hóa dưới dạng số nguyên (1–5) tương ứng với thang đo Likert, định dạng .sav hoặc .csv.

2. Mô hình có gặp hiện tượng đa cộng tuyến khi 5 biến độc lập đều đo lường chất lượng dịch vụ không?

Không. Kết quả kiểm định cho thấy hệ số phóng đại phương sai (VIF) của tất cả 5 biến độc lập đều dao động từ $1.194$ đến $1.342$, thấp hơn rất nhiều so với ngưỡng cảnh báo $VIF = 2.0$ (hoặc tiêu chuẩn lỏng $VIF < 10$). Điều này chứng minh 5 nhân tố đạt giá trị phân biệt tốt.

3. Doanh nghiệp có thể tích hợp bảng hỏi này vào hệ thống CRM hiện tại như thế nào?

Doanh nghiệp có thể tích hợp bộ 23 câu hỏi thu gọn vào cổng khảo sát trực tuyến tự động (qua email hoặc tin nhắn Zalo/SMS sau khi kết thúc tour). Dữ liệu phản hồi được kết nối trực tiếp qua Webhook/API vào hệ thống CRM để tự động tính điểm chỉ số hài lòng theo thời gian thực.

4. Tại sao nhân tố "Phương tiện hữu hình" lại có hệ số tác động cao nhất ($\beta = 0.312$)?

Đặc thù của tour du lịch nội địa là thời gian di chuyển và lưu trú chiếm tỷ trọng lớn trong toàn bộ trải nghiệm. Du khách đánh giá cao chất lượng xe vận chuyển đời mới, độ sạch sẽ tiện nghi của phòng khách sạn và tính minh bạch, chuyên nghiệp của tài liệu/hợp đồng giao dịch trước khi khởi hành.

5. Chi phí duy trì hệ thống kiểm soát chất lượng dịch vụ định kỳ là bao nhiêu?

Chi phí vận hành rất thấp, chủ yếu là chi phí in ấn bảng hỏi hoặc phí duy trì nền tảng khảo sát số hóa (khoảng 5–10 triệu đồng/năm). Hoạt động phân tích dữ liệu có thể tận dụng nhân sự nội bộ thuộc phòng Sales & Marketing định kỳ mỗi quý.

Kết luận

Khóa luận tốt nghiệp đã hoàn thành toàn diện mục tiêu đánh giá chất lượng dịch vụ lữ hành nội địa tại Công ty TNHH Connect Travel Hue thông qua việc ứng dụng mô hình SERVPERF và các phương pháp thống kê đa biến. Nghiên cứu đã chứng minh cả 5 thành phần chất lượng đều có tác động tỷ lệ thuận cùng chiều đến sự hài lòng của khách hàng, trong đó Phương tiện hữu hình ($\beta = 0.312$) và Khả năng đáp ứng ($\beta = 0.278$) giữ vai trò then chốt nhất.

Kết quả nghiên cứu cung cấp cơ sở dữ liệu thực nghiệm vững chắc để Ban giám đốc Connect Travel Hue tái cấu trúc quy trình vận hành, nâng cấp trang thiết bị phương tiện và chuẩn hóa đội ngũ nhân sự trong giai đoạn 2020–2025. Đây là minh chứng rõ nét cho việc kết hợp chặt chẽ giữa nghiên cứu học thuật định lượng và thực tiễn quản trị kinh doanh, tạo tiền đề vững chắc giúp doanh nghiệp bứt phá và nâng tầm thương hiệu lữ hành tại Thừa Thiên Huế.