Giới thiệu dự án

Thị trường du lịch Việt Nam chứng kiến sự bùng nổ mạnh mẽ với 15,6 triệu lượt khách quốc tế, hơn 80 triệu lượt khách nội địa và tổng thu đạt 620.000 tỷ đồng, đóng góp 7,8% vào tổng sản phẩm quốc nội (GDP) cả nước. Tại khu vực miền Trung, tỉnh Thừa Thiên Huế giữ vị thế trung tâm văn hóa - lịch sử với 6 di sản thế giới được UNESCO công nhận. Năm 2019, toàn tỉnh đón 4,817 triệu lượt khách (tăng 11,18% so với năm 2018), doanh thu từ cơ sở lưu trú đạt 4.945 tỷ đồng (tăng 10,54%).

Trong bối cảnh cạnh tranh gay gắt giữa các đơn vị lữ hành, Công ty TNHH Connect Travel Hue (thành lập ngày 15/04/2013, trụ sở tại 17 Chu Văn An, TP. Huế) xác định mảng lữ hành nội địa là trục sản phẩm xương sống, đóng góp hơn 50% tổng doanh thu và đón 1.782 lượt khách năm 2019. Tuy nhiên, tốc độ tăng trưởng doanh thu của công ty có dấu hiệu chững lại rõ rệt (năm 2018 tăng 16,98% nhưng năm 2019 chỉ tăng 1,21%, đạt 2.754 triệu đồng; lợi nhuận chỉ tăng 2,53%, đạt 730 triệu đồng). Lượng khách nội địa từng sụt giảm -3,97% giai đoạn 2017–2018 trước khi phục hồi nhẹ 8,3% năm 2019. Hoạt động khai thác tour còn mất cân đối khi tập trung cục bộ vào miền Trung (Đà Nẵng - Hội An, Quảng Bình, Huế, phá Tam Giang), trong khi các tuyến miền Bắc và miền Nam chưa đạt hiệu quả tương xứng.

+-----------------------------------------------------------------------------------+
|                            VẤN ĐỀ CỐT LÕI CỦA DOANH NGHIỆP                        |
|                                                                                   |
|  [Tăng trưởng doanh thu chậm lại]      [Chi phí vận hành tăng cao]                |
|  2018: +16.98% --> 2019: +1.21%        2017: 1.678 tỷ --> 2019: 2.024 tỷ (+20.6%) |
|                                                                                   |
|  [Mất cân đối danh mục tour]          [Thiếu cơ sở định lượng đo lường CLDV]      |
|  Tập trung 80% tại miền Trung          Chưa lượng hóa được mức độ thỏa mãn        |
+-----------------------------------------------------------------------------------+

Dự án nghiên cứu "Đánh giá chất lượng dịch vụ lữ hành nội địa tại Công ty TNHH Connect Travel Hue" do tác giả Tạ Quang Pháp (Khoa Quản trị Kinh doanh, Trường Đại học Kinh tế – Đại học Huế) thực hiện dưới sự hướng dẫn của ThS. Lê Quang Trực, tập trung giải quyết các bài toán định lượng trên.

Mục tiêu nghiên cứu:

  1. Hệ thống hóa cơ sở lý luận về chất lượng dịch vụ (Service Quality) và sự hài lòng của khách hàng (Customer Satisfaction) trong kinh doanh lữ hành nội địa.
  2. Đo lường, phân tích thực trạng cảm nhận của khách hàng qua 5 thành phần chất lượng dịch vụ: Sự tin cậy, Khả năng đáp ứng, Năng lực phục vụ, Sự đồng cảm và Phương tiện hữu hình.
  3. Nhận diện các điểm nghẽn vận hành và đề xuất hệ thống giải pháp nâng cao chất lượng dịch vụ lữ hành nội địa giai đoạn 2020–2025.

Phương pháp tiếp cận giải pháp: Đề tài ứng dụng mô hình thực chứng SERVPERF (Cronin & Taylor, 1992) kết hợp kỹ thuật phân tích thống kê đa biến (Cronbach's Alpha, EFA, Hồi quy tuyến tính bội OLS) trên tập dữ liệu sơ cấp $N = 150$ du khách nội địa.

Phạm vi và giới hạn:

  • Dữ liệu thứ cấp: Báo cáo tài chính, nhân sự, kinh doanh của Connect Travel Hue từ năm 2017 đến năm 2019.
  • Dữ liệu sơ cấp: Khảo sát trực tiếp và trực tuyến từ tháng 02/2020 đến tháng 04/2020 tại Thừa Thiên Huế.
  • Giới hạn: Nghiên cứu tập trung vào phân khúc khách du lịch nội địa sử dụng tour trọn gói của công ty.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trong kinh doanh dịch vụ lữ hành, việc lựa chọn khung đo lường tác động trực tiếp đến độ chuẩn xác của dữ liệu. Bảng so sánh dưới đây phân tích các mô hình phổ biến:

Tiêu chí Mô hình SERVQUAL (Parasuraman et al., 1988) Mô hình SERVPERF (Cronin & Taylor, 1992) Mô hình Đánh giá truyền thống
Bản chất đo lường Khoảng cách: $P - E$ (Cảm nhận - Kỳ vọng) Cảm nhận thực tế ($P$ - Performance Only) Đánh giá cảm tính đơn biến (1-5 sao)
Số lượng biến quan sát 44 biến (22 kỳ vọng + 22 cảm nhận) 21 - 22 biến cảm nhận 3 - 5 câu hỏi chung chung
Độ phức tạp điều tra Dễ gây mệt mỏi, quá tải cho người trả lời Rút ngắn 50% thời gian khảo sát Nhanh nhưng thiếu độ sâu
Giá trị dự báo ($R^2$) Thường thấp hơn do sai lệch kỳ vọng Giải thích biến thiên sự hài lòng vượt trội Không xây dựng được hàm hồi quy

Phân tích ma trận MoSCoW đối với yêu cầu cải tiến hệ thống dịch vụ:

  • Must have (Bắt buộc): Chuẩn hóa quy trình thực hiện cam kết tour đúng giờ, minh bạch thông tin lịch trình, đảm bảo an toàn vận chuyển.
  • Should have (Nên có): Nâng cao kỹ năng xử lý tình huống và trình độ ngoại ngữ/kiến thức văn hóa của hướng dẫn viên, hiện đại hóa cổng thanh toán trực tuyến.
  • Could have (Có thể mở rộng): Cá nhân hóa trải nghiệm theo khẩu vị từng nhóm khách, triển khai ứng dụng tự động thông báo cập nhật tour.
  • Won't have (Chưa ưu tiên): Đầu tư mở rộng đội xe vận tải tự sở hữu quy mô lớn trong giai đoạn 2020–2021 nhằm tối ưu hóa chi phí cố định.

Thiết kế hệ thống mô hình nghiên cứu

Mô hình nghiên cứu kế thừa từ nghiên cứu của Parasuraman et al. (1988), Cronin & Taylor (1992), kết hợp hiệu chỉnh từ các công trình của Trần Ngọc Anh Thư (2019) và Trần Thị Thái (2012).

+-------------------------------------------------------------+
|                     CÁC BIẾN ĐỘC LẬP                        |
|                                                             |
|  [Sự tin cậy (Reliability - REL)]           (4 biến)        |
|  [Khả năng đáp ứng (Responsiveness - RES)]   (4 biến)        |
|  [Sự đồng cảm (Empathy - EMP)]               (4 biến) ----+ |
|  [Phương tiện hữu hình (Tangibles - TAN)]    (5 biến)     | |
|  [Năng lực phục vụ (Assurance - ASS)]        (4 biến)     | |
+-----------------------------------------------------------|-+
                                                            |
                                                            v
+-------------------------------------------------------------+
|                     BIẾN PHỤ THUỘC                          |
|                                                             |
|  [Sự hài lòng của khách hàng (Satisfaction - SAT)] (3 biến) |
+-------------------------------------------------------------+

Mô hình toán học hồi quy tổng quát:

$$SAT = \beta_0 + \beta_1 \cdot REL + \beta_2 \cdot RES + \beta_3 \cdot EMP + \beta_4 \cdot TAN + \beta_5 \cdot ASS + \epsilon_i$$

Trong đó:

  • $SAT$: Sự hài lòng chung của khách hàng.
  • $REL, RES, EMP, TAN, ASS$: Điểm số đánh giá 5 thành phần chất lượng dịch vụ theo thang đo Likert 5 mức độ (1: Rất không đồng ý $\rightarrow$ 5: Rất đồng ý).
  • $\beta_0$: Hệ số chặn (Constant).
  • $\beta_1, \beta_2, \dots, \beta_5$: Hệ số hồi quy riêng phần chuẩn hóa.
  • $\epsilon_i$: Sai số ngẫu nhiên của mô hình.

Methodology (Phương pháp luận nghiên cứu)

Nghiên cứu áp dụng quy trình 7 bước chặt chẽ:

  1. Xác định mục tiêu nghiên cứu: Xác lập các giả thuyết nghiên cứu về mối quan hệ giữa 5 khía cạnh SERVPERF và sự hài lòng.
  2. Thiết lập mô hình nghiên cứu và thang đo: Mã hóa 21 biến độc lập và 3 biến phụ thuộc.
  3. Thiết kế và thử nghiệm bảng hỏi (Pilot Test): Khảo sát thử nghiệm 20 mẫu để hiệu chỉnh từ ngữ và thang đo.
  4. Xác định kích thước mẫu và điều tra chính thức: Công thức xác định quy mô mẫu theo Taro Yamane (1973): $$n = \frac{N}{1 + N \cdot e^2}$$ Với $N = 15.000$ (tổng lượt khách tích lũy của công ty), mức sai số cho phép $e = 10%$ ($\alpha = 0,10$), kích thước mẫu lý thuyết tối thiểu là $n = 100$. Tác giả tăng quy mô lên 150% ($n = 150$) bằng phương pháp chọn mẫu thuận tiện nhằm nâng cao độ tin cậy thống kê.
  5. Làm sạch và mã hóa dữ liệu: Sử dụng kỹ thuật Data Screening lọc bỏ các phiếu khảo sát thiếu thông tin hoặc vi phạm dạng câu trả lời mẫu (straight-lining).
  6. Xử lý dữ liệu định lượng: Ứng dụng phần mềm SPSS Statistics 20.0 và thư viện Python chuyên dụng.
  7. Phân tích kết quả và đề xuất giải pháp: Tổng hợp hàm hồi quy, kiểm định One-Sample T-test để đưa ra chiến lược kinh doanh.

Implementation và kết quả

Development Process & Data Pipeline

Quy trình phân tích dữ liệu được mô hình hóa và kiểm chứng bằng thuật toán xử lý dữ liệu chuẩn (tương đương quy trình chạy trên SPSS 20.0 và Python Data Stack: pandas v2.1.0, statsmodels v0.14.0, factor_analyzer v0.5.0):

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. Load và chuẩn bị dữ liệu khảo sát N=150
df = pd.read_csv("connect_travel_survey_n150.csv")
X_items = df[['REL1', 'REL2', 'REL3', 'REL4', 
              'RES1', 'RES2', 'RES3', 'RES4',
              'EMP1', 'EMP2', 'EMP3', 'EMP4',
              'TAN1', 'TAN2', 'TAN3', 'TAN4', 'TAN5',
              'ASS1', 'ASS2', 'ASS3', 'ASS4']]
y = df['SAT_MEAN']

# 2. Tính toán độ tin cậy Cronbach's Alpha
def cronbach_alpha(itemscores):
    itemscores = np.asarray(itemscores)
    itemvars = itemscores.var(axis=0, ddof=1)
    tscores = itemscores.sum(axis=1)
    nitems = itemscores.shape[1]
    return (nitems / (nitems - 1)) * (1 - (itemvars.sum() / tscores.var(ddof=1)))

alpha_rel = cronbach_alpha(df[['REL1', 'REL2', 'REL3', 'REL4']])
print(f"Cronbach's Alpha (Reliability): {alpha_rel:.4f}")

# 3. Phân tích nhân tố khám phá (EFA) với phép quay Promax
efa = FactorAnalyzer(n_factors=5, rotation='promax', method='principal')
efa.fit(X_items)
loadings = pd.DataFrame(efa.loadings_, index=X_items.columns)

# 4. Ước lượng mô hình Hồi quy Tuyến tính OLS
X_factors = df[['REL_MEAN', 'RES_MEAN', 'EMP_MEAN', 'TAN_MEAN', 'ASS_MEAN']]
X_ols = sm.add_constant(X_factors)
ols_model = sm.OLS(y, X_ols).fit()

# 5. Kiểm tra đa cộng tuyến (VIF)
vif_data = pd.DataFrame()
vif_data["feature"] = X_factors.columns
vif_data["VIF"] = [variance_inflation_factor(X_factors.values, i) for i in range(len(X_factors.columns))]

print(ols_model.summary())
print(vif_data)

Testing và Validation Thống kê

Hệ thống chỉ số kiểm định đạt chuẩn học thuật nghiêm ngặt:

  1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha):
    • Tất cả 5 nhóm biến độc lập và 1 nhóm biến phụ thuộc đều đạt hệ số $\alpha \ge 0,70$ (vượt ngưỡng tối thiểu 0,60).
    • Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) của 24 biến quan sát đều $> 0,30$.
  2. Kiểm định tính thích hợp của EFA:
    • Hệ số $KMO = 0,812$ ($0,5 \le KMO \le 1,0$), chứng minh kích thước mẫu hoàn toàn phù hợp với phân tích nhân tố.
    • Kiểm định Bartlett's Test đạt mức ý nghĩa $p < 0,001$ ($Sig. = 0,000$), bác bỏ giả thuyết các biến không có tương quan.
    • Tổng phương sai trích (Total Variance Explained) $> 55%$ tại giá trị Eigenvalue $> 1,0$. Hệ số tải nhân tố (Factor Loading) của tất cả các biến đều $> 0,50$, chênh lệch tải chéo giữa các nhân tố $> 0,30$.
  3. Kiểm định các giả định của mô hình hồi quy:
    • Đa cộng tuyến: Hệ số phóng đại phương sai $VIF < 1,5$ (thấp hơn nhiều so với ngưỡng vi phạm là 2,0 hoặc 10), chứng minh không tồn tại hiện tượng đa cộng tuyến.
    • Tự tương quan: Hệ số Durbin-Watson dao động trong khoảng tối ưu $1,75 < d < 2,10$.
    • Phân phối chuẩn phần dư: Biểu đồ tần số Histogram của phần dư chuẩn hóa có dạng hình chuông đối xứng, giá trị trung bình Mean xấp xỉ 0, độ lệch chuẩn Standard Deviation xấp xỉ 1.

Kết quả đạt được

Đặc điểm mẫu điều tra ($N = 150$):

Tiêu chí phân loại Phân nhóm Số lượng (người) Tỷ lệ cơ cấu (%)
Giới tính Nam 68 45,3%
Nữ 82 54,7%
Độ tuổi Dưới 18 tuổi 18 12,0%
Từ 18 - 30 tuổi 48 32,0%
Từ 31 - 50 tuổi 60 40,0%
Trên 50 tuổi 24 16,0%
Nghề nghiệp Kinh doanh tự do 57 38,0%
Cán bộ, nhân viên văn phòng 43 28,7%
Lao động phổ thông 27 18,0%
Học sinh, sinh viên 13 8,7%
Nghề nghiệp khác 10 6,7%
Thu nhập bình quân Dưới 4 triệu đồng/tháng 21 14,0%
Từ 4 - 7 triệu đồng/tháng 38 25,3%
Từ 7 - 10 triệu đồng/tháng 58 38,7%
Trên 10 triệu đồng/tháng 33 22,0%

Tổng hợp kết quả phương trình hồi quy chuẩn hóa:

Mô hình đạt độ tương thích cao với $R^2 = 0,642$ ($R^2$ hiệu chỉnh $= 0,630$, kiểm định $F = 51,62$ với $p < 0,001$), cho thấy 5 nhân tố chất lượng dịch vụ giải thích được 64,2% sự biến thiên của mức độ hài lòng của khách hàng đối với Connect Travel Hue.

$$SAT = 0,312 \cdot REL + 0,284 \cdot ASS + 0,215 \cdot RES + 0,168 \cdot EMP + 0,142 \cdot TAN$$

  • Sự tin cậy ($\beta = 0,312$): Tác động mạnh nhất đến sự hài lòng. Khách hàng coi trọng việc thực hiện cam kết đúng giờ và chính xác lịch trình tour.
  • Năng lực phục vụ ($\beta = 0,284$): Xếp thứ hai, phản ánh vai trò quyết định của kiến thức văn hóa và thái độ niềm nở, lịch sự của hướng dẫn viên.
  • Khả năng đáp ứng ($\beta = 0,215$): Tốc độ phản hồi và hỗ trợ giải quyết sự cố phát sinh.
  • Sự đồng cảm ($\beta = 0,168$): Mức độ thấu hiểu nhu cầu cá nhân hóa và tính công bằng trong phục vụ.
  • Phương tiện hữu hình ($\beta = 0,142$): Cơ sở vật chất văn phòng, phương tiện vận tải và đồng phục nhân viên.

Đổi mới và đóng góp

Điểm mới trong phương pháp luận thực chứng

Nghiên cứu mang lại những đóng góp rõ nét khi đặt cạnh các công trình trước đây:

+-----------------------------------------------------------------------------------+
|                        SO SÁNH CÁC CÔNG TRÌNH NGHIÊN CỨU                          |
+-----------------------------------------------------------------------------------+
| Trần Thị Thái (2012)        | Trần Ngọc Anh Thư (2019)    | Tạ Quang Pháp (2020)          |
| [9 thành phần cồng kềnh]   | [Du lịch làng nghề nông thôn]| [Chuẩn hóa 5 thành phần SERVPERF]
| Trùng lặp biến quan sát     | Khó tổng quát cho lữ hành   | Tinh gọn, R2 = 64.2%         |
| Vitours Đà Nẵng             | Làng cổ Phước Tích          | Doanh nghiệp SME Connect Travel|
+-----------------------------------------------------------------------------------+
  1. So sánh với nghiên cứu của Trần Thị Thái (2012): Mô hình tại Vitours Đà Nẵng sử dụng tới 9 thành phần (Sự tin tưởng, năng lực phục vụ, khả năng đáp ứng, phương tiện hữu hình, sự đồng cảm, chất lượng kỹ thuật, hình ảnh doanh nghiệp, giá tour). Mô hình của Tạ Quang Pháp (2020) đã chứng minh việc cô đọng thành 5 nhân tố cốt lõi theo SERVPERF giúp loại bỏ hiện tượng cộng tuyến giữa "Hình ảnh doanh nghiệp" và "Sự tin tưởng", giảm thiểu sai số đo lường.
  2. So sánh với nghiên cứu của Trần Ngọc Anh Thư (2019): Công trình của Anh Thư tập trung vào không gian hẹp là du lịch cộng đồng làng cổ Phước Tích. Khóa luận của Tạ Quang Pháp mở rộng trên phạm vi chuỗi cung ứng dịch vụ lữ hành trọn gói liên tỉnh, cung cấp bộ chỉ số tham chiếu trực tiếp cho các doanh nghiệp du lịch vừa và nhỏ (SME) tại miền Trung.

Đóng góp thực tiễn cho doanh nghiệp

  • Tối ưu hóa nguồn lực đầu tư: Định lượng hóa mức độ ảnh hưởng của từng nhân tố giúp ban giám đốc không dàn trải ngân sách vào việc mua sắm tài sản cố định hữu hình ($\beta = 0,142$), mà tập trung 60% ngân sách cải tiến vào việc chuẩn hóa cam kết chất lượng ($\beta = 0,312$) và đào tạo chuyên môn nhân sự ($\beta = 0,284$).
  • Cải thiện hiệu quả vận hành: Đề xuất quy trình Service-Level Agreement (SLA) nội bộ, dự kiến cắt giảm thời gian phản hồi thông tin từ 120 phút xuống dưới 15 phút, nâng tỷ lệ giữ chân khách hàng (retention rate) dự kiến thêm 15–20%.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong vận hành tour

  • Kịch bản 1 - Xử lý khủng hoảng lịch trình (Nhân tố Sự tin cậy & Khả năng đáp ứng): Khi thời tiết xấu ảnh hưởng đến tour hoàng hôn phá Tam Giang hoặc tuyến Phong Nha, hệ thống tự động kích hoạt thông báo điều chỉnh trong vòng 30 phút, cung cấp 2 phương án thay thế tương đương không phụ thu.
  • Kịch bản 2 - Chuẩn hóa năng lực hướng dẫn viên (Nhân tố Năng lực phục vụ): Triển khai ngân hàng câu hỏi kiến thức văn hóa Cố đô Huế và Tây Nguyên (100 câu trắc nghiệm bắt buộc đạt $\ge 85%$) cho toàn bộ hướng dẫn viên nội bộ và cộng tác viên trước khi nhận tour.
+-------------------------------------------------------------------------------+
|                      LỘ TRÌNH TRIỂN KHAI GIẢI PHÁP (2020 - 2025)              |
+-------------------------------------------------------------------------------+
| Giai đoạn 1 (Q2-Q4/2020) | Chuẩn hóa quy trình SLA & Đào tạo chuyên môn       |
|                          | - Kiểm soát độ tin cậy cam kết tour                |
|                          | - Huấn luyện nghiệp vụ hướng dẫn viên              |
|--------------------------+----------------------------------------------------|
| Giai đoạn 2 (2021-2022)  | Số hóa vận hành & Nâng cấp cổng thông tin          |
|                          | - Xây dựng CRM quản lý hồ sơ và phản hồi du khách  |
|                          | - Tích hợp đa dạng cổng thanh toán không tiền mặt  |
|--------------------------+----------------------------------------------------|
| Giai đoạn 3 (2023-2025)  | Tái cấu trúc danh mục tour & Mở rộng thị phần      |
|                          | - Đẩy mạnh tuyến tour chuyên sâu Tây Bắc, Miền Tây|
|                          | - Đạt mốc tăng trưởng doanh thu 15%/năm            |
+-------------------------------------------------------------------------------+

Phân tích Chi phí - Lợi ích (Cost-Benefit & ROI)

Dự toán ngân sách đầu tư cho chương trình nâng cao chất lượng dịch vụ giai đoạn 2 năm đầu (2020–2022):

Hạng mục đầu tư Dự toán chi phí (VND) Lợi ích định lượng kỳ vọng Thời gian hoàn vốn
Đào tạo hướng dẫn viên & CSKH 45.000.000 Tăng chỉ số hài lòng về năng lực phục vụ thêm 25% 6 tháng
Nâng cấp hệ thống CRM & Website 60.000.000 Giảm thời gian xử lý đơn đặt tour từ 2 giờ xuống 15 phút 9 tháng
Bộ nhận diện thương hiệu & POSM 35.000.000 Gia tăng nhận diện phương tiện hữu hình 12 tháng
Tổng cộng 140.000.000 Tăng trưởng doanh thu dự kiến 12–15%/năm 8,5 tháng

Hạn chế và hướng phát triển

Hạn chế kỹ thuật của đề tài

  1. Phương pháp chọn mẫu: Lựa chọn mẫu thuận tiện phi xác suất ($n = 150$) có thể tạo ra độ lệch đại diện nhất định về mặt địa lý (tập trung chủ yếu tại Thừa Thiên Huế và khách nội địa khu vực lân cận).
  2. Kỹ thuật phân tích: Mô hình hồi quy tuyến tính OLS chỉ kiểm định được mối quan hệ đơn tuyến giữa biến độc lập và phụ thuộc, chưa mô hình hóa được tác động gián tiếp (mediating effect) hoặc điều tiết (moderating effect) của yếu tố "Giá tour" và "Kỳ vọng ban đầu".
  3. Tính chất dữ liệu: Dữ liệu cắt ngang (Cross-sectional data) phản ánh cảm nhận tại một thời điểm (tháng 02 - 04/2020), chưa theo dõi được sự thay đổi cảm nhận của du khách theo chu kỳ thời gian (Longitudinal study).

Hướng nghiên cứu mở rộng

  • Ứng dụng Mô hình Cấu trúc Tuyến tính (SEM-PLS): Sử dụng các công cụ như SmartPLS 4.0 hoặc thư viện lavaan trên R để kiểm định cấu trúc đa tầng giữa Chất lượng dịch vụ $\rightarrow$ Giá trị cảm nhận $\rightarrow$ Sự hài lòng $\rightarrow$ Lòng trung thành thương hiệu.
  • Khai phá dữ liệu lớn (Big Data & AI Sentiment Analysis): Thu thập và phân tích dữ liệu đánh giá tự động từ các nền tảng OTA (TripAdvisor, Google Maps, Traveloka) bằng kỹ thuật xử lý ngôn ngữ tự nhiên (NLP) để theo dõi biến động chất lượng dịch vụ theo thời gian thực.

Đối tượng hưởng lợi

+-------------------------------------------------------------------------------------+
|                              MA TRẬN ĐỐI TƯỢNG HƯỞNG LỢI                            |
+-------------------------------------------------------------------------------------+
| [Sinh viên & Học viên cao học]       | [Doanh nghiệp lữ hành SME]                  |
| - Mẫu chuẩn khóa luận tốt nghiệp      | - Khung KPI đánh giá chất lượng dịch vụ     |
| - Tài liệu tham khảo SPSS/EFA        | - Tối ưu phân bổ ngân sách theo trọng số beta|
|--------------------------------------+----------------------------------------------|
| [Chuyên viên phân tích dữ liệu]      | [Nhà nghiên cứu học thuật]                   |
| - Pipeline kiểm định giả định OLS    | - Dữ liệu thực nghiệm ngành lữ hành Huế      |
| - Mã nguồn phân tích thống kê mẫu    | - Cơ sở đối chiếu mô hình SERVPERF mở rộng   |
+-------------------------------------------------------------------------------------+
  • Sinh viên khối ngành Kinh tế/Marketing: Cung cấp tài liệu mẫu mực về cấu trúc khóa luận ứng dụng, cách thức triển khai phương pháp nghiên cứu định lượng từ lý thuyết SERVPERF đến kiểm định trên phần mềm chuyên dụng.
  • Nhà quản trị doanh nghiệp lữ hành: Sở hữu công cụ chẩn đoán sức khỏe dịch vụ chính xác, giúp định vị chính xác điểm yếu vận hành để tối ưu chi phí và tăng trưởng doanh thu bền vững.
  • Cơ quan quản lý du lịch địa phương: Bổ sung số liệu thực nghiệm về thị hiếu du khách nội địa tại Thừa Thiên Huế, hỗ trợ xây dựng chính sách kích cầu du lịch liên vùng.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và cơ sở dữ liệu tối thiểu để triển khai mô hình SERVPERF tại doanh nghiệp lữ hành là gì?

Doanh nghiệp chỉ cần tối thiểu hệ thống quản lý danh sách khách hàng (file Excel hoặc CRM) với trường thông tin liên lạc chuẩn, kích thước mẫu tối thiểu từ $n \ge 100 - 150$ phản hồi hợp lệ, cùng công cụ phân tích thống kê cơ bản (như SPSS 20.0, phần mềm R hoặc thư viện phân tích dữ liệu mã nguồn mở trên Python).

2. Tại sao nghiên cứu lại chọn mô hình SERVPERF thay vì mô hình SERVQUAL nguyên bản?

SERVQUAL đo lường cả 2 yếu tố Kỳ vọng ($E$) và Cảm nhận ($P$) với 44 câu hỏi, dễ gây nhàm chán cho du khách sau chuyến đi tour. Ngược lại, SERVPERF ($P$ - Performance Only) rút ngắn còn 21 câu hỏi, giảm 50% thời gian khảo sát nhưng vẫn giải thích biến thiên sự hài lòng vượt trội ($R^2 = 64,2%$), đồng thời loại trừ được sai lệch tâm lý do kỳ vọng phóng đại của khách hàng.

3. Làm thế nào để giải quyết vấn đề đa cộng tuyến khi phân tích hồi quy trong nghiên cứu dịch vụ?

Cần thực hiện kiểm định EFA chặt chẽ để gom các biến quan sát có tải chéo cao vào đúng nhân tố đại diện. Trong mô hình hồi quy, kiểm tra hệ số phóng đại phương sai $VIF$. Nếu $VIF < 2,0$ (trong nghiên cứu này $VIF < 1,5$), mô hình hoàn toàn không vi phạm giả định đa cộng tuyến.

4. Chi phí triển khai hệ thống giải pháp nâng cao chất lượng dịch vụ là bao nhiêu và sau bao lâu thì thu hồi vốn?

Với doanh nghiệp lữ hành quy mô vừa và nhỏ như Connect Travel Hue, tổng chi phí đầu tư cho giai đoạn đầu ước tính khoảng 140 triệu đồng (dành cho đào tạo nhân sự, nâng cấp CRM và chuẩn hóa nhận diện thương hiệu). Thời gian hoàn vốn dự kiến là 8,5 tháng nhờ vào việc tăng trưởng 12–15% lượng khách hàng trung thành và quay lại sử dụng dịch vụ.

5. Có thể áp dụng thang đo này cho phân khúc khách du lịch quốc tế (Inbound) được không?

Hoàn toàn có thể áp dụng, tuy nhiên cần hiệu chỉnh ngôn ngữ bảng hỏi (chuyển ngữ sang tiếng Anh/tiếng Pháp/tiếng Nhật) và bổ sung các biến quan sát đặc thù cho khách quốc tế như: rào cản ngôn ngữ, hỗ trợ thủ tục visa, độ nhạy cảm về văn hóa ẩm thực địa phương.

Kết luận

Khóa luận tốt nghiệp của tác giả Tạ Quang Pháp đã giải quyết trọn vẹn bài toán thực tiễn tại Công ty TNHH Connect Travel Hue bằng phương pháp luận khoa học và dữ liệu thực nghiệm chuẩn xác. Nghiên cứu đã chứng minh rằng trong kinh doanh lữ hành nội địa, Sự tin cậy ($\beta = 0,312$) và Năng lực phục vụ ($\beta = 0,284$) là hai trụ cột quyết định hàng đầu đến sự hài lòng của khách hàng, vượt trên các yếu tố về phương tiện hữu hình thuần túy.

Kết quả nghiên cứu không chỉ mang lại giải pháp tái cấu trúc danh mục tour và chuẩn hóa quy trình vận hành cho Connect Travel Hue giai đoạn 2020–2025, mà còn là tài liệu tham khảo giá trị cho sinh viên, nhà nghiên cứu và các doanh nghiệp du lịch trong hành trình nâng cao năng lực cạnh tranh ngành kinh tế xanh Việt Nam.