Giới thiệu dự án

Thị trường viễn thông Việt Nam trong giai đoạn chuyển đổi hạ tầng mạng từ 3G sang 4G chứng kiến sự cạnh tranh quyết liệt giữa các nhà mạng lớn. Theo số liệu từ Bộ Thông tin và Truyền thông, tính đến năm 2018, cả nước có hơn 128 triệu thuê bao di động phát sinh lưu lượng, đạt tỷ lệ thâm nhập khoảng 116 thuê bao/100 dân và độ phủ sóng mạng đạt 95% diện tích lãnh thổ. Toàn quốc ghi nhận 227.250 trạm phát sóng (BTS/Node B) cùng tổng doanh thu dịch vụ viễn thông đạt mức 353.000 tỷ đồng. Tuy nhiên, thị trường di động đã bước vào giai đoạn bão hòa thuê bao thoại truyền thống; sự chênh lệch về giá cước giữa các nhà mạng ngày càng thu hẹp, khiến chất lượng dịch vụ (Service Quality - ServQual) trở thành yếu tố sống còn để giữ chân khách hàng hiện hữu và giảm tỷ lệ rời mạng (churn rate).

graph LR
    A[Dữ liệu khảo sát N=177] --> B[Kiểm định Cronbach's Alpha]
    B --> C[Phân tích nhân tố EFA]
    C --> D[Mô hình hồi quy đa biến]
    D --> E[Ma trận IPA 4 góc phần tư]
    E --> F[Chiến lược tối ưu CAPEX/OPEX]

Tại tỉnh Thừa Thiên Huế, MobiFone đối mặt với thách thức lớn khi thị phần bị cạnh tranh gay gắt bởi Viettel và VNPT VinaPhone. Mặc dù là đơn vị tiên phong trên thị trường viễn thông di động, MobiFone Thừa Thiên Huế gặp phải các điểm nghẽn thực tế:

  • Mức độ chênh lệch giữa chất lượng kỳ vọng của khách hàng và chất lượng cung ứng thực tế tại các vùng ven đô thị.
  • Thiếu hụt công cụ định lượng chuẩn xác để xác định thuộc tính dịch vụ nào cần ưu tiên đầu tư nguồn lực cải tiến nhằm tối ưu hóa chi phí vận hành (OPEX) và chi phí vốn (CAPEX).

Mục tiêu cụ thể của đồ án nghiên cứu bao gồm:

  1. Hệ thống hóa cơ sở lý luận về quản trị chất lượng dịch vụ viễn thông di động.
  2. Xây dựng thang đo chuẩn hóa gồm 26 biến quan sát thuộc 5 nhóm nhân tố chính: Chất lượng cuộc gọi (CLCG), Cấu trúc giá (CTG), Dịch vụ gia tăng (DVGT), Sự thuận tiện (STT), và Dịch vụ khách hàng (DVKH).
  3. Vận dụng kỹ thuật phân tích ma trận Importance - Performance Analysis (IPA) kết hợp với kiểm định Cronbach's Alpha và Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA) trên cỡ mẫu $N = 177$.
  4. Định vị chính xác tọa độ các thuộc tính dịch vụ trên ma trận 4 góc phần tư để hoạch định danh mục giải pháp cải tiến chất lượng đến năm 2025.
Thông số nghiên cứu Giá trị định lượng
Không gian nghiên cứu Địa bàn Tỉnh Thừa Thiên Huế
Cỡ mẫu sơ cấp hợp lệ $N = 177$ (97 mẫu tại điểm giao dịch, 80 mẫu thực địa)
Dữ liệu thứ cấp Giai đoạn 2015 – 2017 (MobiFone Thừa Thiên Huế)
Kỹ thuật xử lý trọng tâm EFA (Varimax), Cronbach's Alpha, Hồi quy OLS, Ma trận IPA
Công cụ phần mềm IBM SPSS Statistics 20.0, Python 3.10

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Để lượng hóa chất lượng dịch vụ, các công trình nghiên cứu quản trị tiếp cận qua 3 mô hình kinh điển: SERVQUAL (Parasuraman et al., 1988), SERVPERF (Cronin & Taylor, 1992) và IPA (Martilla & James, 1977).

Tiêu chí so sánh Mô hình SERVQUAL Mô hình SERVPERF Mô hình IPA (Được chọn)
Nguyên lý đo lường Khoảng cách Kỳ vọng ($E$) - Cảm nhận ($P$) Chỉ đo lường Cảm nhận thực tế ($P$) So sánh Mức quan trọng ($I$) và Mức thực hiện ($P$)
Số lượng câu hỏi Gấp đôi ($2 \times k$ biến), dễ gây mệt mỏi cho mẫu Đơn ($k$ biến), giảm thiểu thời gian khảo sát Đôi trên cùng thang đo ($I_i, P_i$), trực quan hóa 2D
Khả năng phân bổ tài nguyên Chỉ xác định khoảng cách âm/dương Khó phân biệt thuộc tính nào quan trọng hơn Phân nhóm 4 góc phần tư trực diện cho quyết định đầu tư
Hiệu quả thực thi Chi phí khảo sát cao, khó áp dụng thực địa Tốt để xếp hạng chung, thiếu tính định hướng Tối ưu hóa cho chiến lược Marketing & Vận hành mạng

Áp dụng phương pháp phân loại yêu cầu người dùng theo khung MoSCoW:

  • Must-have: Độ ổn định thoại không rớt mạng ($CLCG_1$), vùng phủ sóng rộng khắp ($CLCG_2$), giá cước cuộc gọi hợp lý ($CTG_1$).
  • Should-have: Đa dạng gói cước 4G/Data ($CTG_4$), giải quyết khiếu nại nhanh chóng ($DVKH_5$), thủ tục hòa mạng thuận tiện ($STT_1$).
  • Could-have: Đa dạng dịch vụ GTGT giải trí, nhạc chuông chờ ($DVGT_1$), giờ mở cửa phòng giao dịch linh hoạt ($STT_5$).
  • Won't-have: Mở rộng kênh bán hàng vật lý tại các địa bàn có mật độ dân cư dưới ngưỡng sinh lời (chuyển sang số hóa qua ứng dụng My MobiFone).
classDiagram
    class ChatLuongDichVu {
        +Float diem_trung_binh_I
        +Float diem_trung_binh_P
        +calculate_gap()
    }
    class ChatLuongCuocGoi {
        +Boolean khong_rot_mang
        +Float do_phu_song
        +Float do_on_dinh_dam_thoai
    }
    class CauTrucKhoanCuoc {
        +Float gia_cuoc_thoai
        +Float gia_cuoc_sms
        +Float gia_cuoc_data
    }
    class DichVuKhachHang {
        +Float thai_do_nhan_vien
        +Float toc_do_ho_tro
        +Float hotline_247
    }
    ChatLuongDichVu <|-- ChatLuongCuocGoi
    ChatLuongDichVu <|-- CauTrucKhoanCuoc
    ChatLuongDichVu <|-- DichVuKhachHang

Thiết kế hệ thống

Khung phân tích dữ liệu nghiên cứu được chuẩn hóa trên nền tảng kiến trúc luồng dữ liệu 4 tầng:

  1. Tầng thu thập dữ liệu (Ingestion Layer): Thu thập bảng hỏi cấu trúc Likert 5 điểm (1: Rất không quan trọng/Rất không đồng ý $\rightarrow$ 5: Rất quan trọng/Rất đồng ý) từ 2 nguồn: quầy giao dịch và khảo sát thực địa ngẫu nhiên.
  2. Tầng xử lý dữ liệu (Processing Layer): Làm sạch dữ liệu, mã hóa biến số, loại bỏ biến rác có tương quan biến - tổng ($r_{it} < 0.3$), kiểm định KMO và trích xuất nhân tố bằng phép xoay Varimax.
  3. Tầng phân tích tương quan & hồi quy (Analytics Layer): Tính toán hệ số Beta chuẩn hóa để xác định mức độ tác động của từng nhóm nhân tố đến sự hài lòng chung ($SAT$).
  4. Tầng biểu diễn trực quan (Visualization Layer): Ánh xạ tọa độ từng biến quan sát lên mặt phẳng 2 chiều ma trận IPA với trục hoành là $P$ (Performance) và trục tung là $I$ (Importance).
Thang đo 26 biến quan sát (Data Schema):

Methodology

Quy trình nghiên cứu kết hợp phương pháp nghiên cứu định tính và định lượng:

  • Nghiên cứu sơ bộ (Qualitative): Phỏng vấn sâu nhóm chuyên gia gồm các trưởng phòng chuyên môn tại MobiFone Thừa Thiên Huế và giảng viên Đại học Kinh tế – Đại học Huế để hiệu chỉnh bảng hỏi và thang đo.
  • Nghiên cứu chính thức (Quantitative):
    • Xác định cỡ mẫu theo quy tắc Hair et al. (1998): $n \ge 5 \times m = 5 \times 26 = 130$ mẫu.
    • Xác định cỡ mẫu theo Tabachnick & Fidell (1991) cho phân tích hồi quy: $n \ge 8 \times p + 50 = 8 \times 5 + 50 = 90$ mẫu.
    • Cỡ mẫu triển khai thực tế: phát ra 180 phiếu, thu về 177 phiếu hợp lệ ($N = 177$).
  • Đánh giá rủi ro và kiểm soát chất lượng: Loại bỏ sai số hệ thống bằng cách kiểm soát tỷ lệ phân bổ mẫu giữa khách hàng trả trước (Prepaid - nền tảng Intelligent Network) và thuê bao trả sau (Postpaid - MobiGold).

Implementation và kết quả

Development process

Quá trình phân tích dữ liệu được mô hình hóa bằng ngôn ngữ Python (sử dụng thư viện pandas, scipy, factor_analyzer và matplotlib) nhằm tự động hóa quy trình tính toán chỉ số Cronbach's Alpha, phân tích EFA và lập ma trận IPA:

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# Thuật toán tính hệ số Cronbach's Alpha
def cronbach_alpha(df_items: pd.DataFrame) -> float:
    k = df_items.shape[1]
    variance_sum = df_items.var(axis=0, ddof=1).sum()
    total_variance = df_items.sum(axis=1).var(ddof=1)
    if total_variance == 0:
        return 0.0
    return (k / (k - 1)) * (1 - (variance_sum / total_variance))

# Tọa độ phân bổ trên Ma trận IPA
def plot_ipa_matrix(df_ipa: pd.DataFrame, mean_i: float, mean_p: float):
    fig, ax = plt.subplots(figsize=(10, 8))
    ax.scatter(df_ipa['Performance'], df_ipa['Importance'], color='#0055A5', s=80, edgecolors='black')
    
    # Đường phân chia 4 góc phần tư
    ax.axvline(x=mean_p, color='crimson', linestyle='--', linewidth=1.5, label=f'Threshold P = {mean_p:.2f}')
    ax.axhline(y=mean_i, color='darkgreen', linestyle='--', linewidth=1.5, label=f'Threshold I = {mean_i:.2f}')
    
    for idx, row in df_ipa.iterrows():
        ax.annotate(row['Attribute'], (row['Performance'] + 0.02, row['Importance'] + 0.02), fontsize=9)
        
    ax.set_title('MA TRẬN IMPORTANCE - PERFORMANCE ANALYSIS (IPA) - MOBIFONE HUẾ', fontsize=12, pad=15)
    ax.set_xlabel('Mức độ thực hiện (Performance - P)', fontsize=11)
    ax.set_ylabel('Mức độ quan trọng (Importance - I)', fontsize=11)
    ax.grid(True, alpha=0.3)
    ax.legend(loc='upper left')
    plt.tight_layout()
    return fig

Testing và validation

1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Thang đo được kiểm định 2 lần để loại bỏ các biến không đạt yêu cầu ($r_{it} < 0.3$). Kết quả tất cả 5 nhóm thang đo thành phần đều đạt độ tin cậy cao ($\alpha > 0.7$):

  • Chất lượng cuộc gọi (CLCG): $\alpha = 0.842$
  • Cấu trúc giá (CTG): $\alpha = 0.789$
  • Dịch vụ gia tăng (DVGT): $\alpha = 0.815$
  • Sự thuận tiện (STT): $\alpha = 0.831$
  • Dịch vụ khách hàng (DVKH): $\alpha = 0.867$
  • Sự hài lòng chung (SAT): $\alpha = 0.854$

2. Phân tích nhân tố khám phá (EFA)

  • Hệ số $KMO = 0.824$ thỏa mãn điều kiện $0.5 < KMO < 1.0$, chứng minh tập dữ liệu hoàn toàn thích hợp cho phân tích nhân tố.
  • Kiểm định Bartlett's có mức ý nghĩa $Sig. = 0.000 < 0.05$, bác bỏ giả thuyết các biến không có tương quan với nhau.
  • Tổng phương sai trích (Total Variance Explained) đạt $62.45% > 50%$, với 5 nhân tố được trích tại điểm dừng Eigenvalue $= 1.238 > 1.0$.
  • Tất cả các trọng số nhân tố (Factor Loading) đều đạt chuẩn $> 0.50$.

3. Phân tích mô hình hồi quy OLS

Phương trình hồi quy đa biến chuẩn hóa xác định mức độ tác động của các nhân tố đến sự hài lòng chung ($R^2 = 0.582$, $F = 47.62$, $p < 0.001$):

$$SAT = 0.312 \cdot CLCG + 0.245 \cdot DVKH + 0.198 \cdot CTG + 0.154 \cdot STT + 0.112 \cdot DVGT$$

Hệ số phóng đại phương sai $VIF < 1.45$ chứng minh mô hình không vi phạm hiện tượng đa cộng tuyến.

Kết quả đạt được

Phân tích tọa độ ma trận IPA xác định sự phân bổ của 26 thuộc tính chất lượng dịch vụ:

                  Mức độ quan trọng (I)
  1. Góc phần tư I (Tập trung phát triển - Concentrate Here): $CLCG_1$ (sóng vùng ngoại ô), $CTG_1$ (cước gọi liên mạng), $DVKH_5$ (thời gian giải quyết khiếu nại cước). Đây là những điểm đau (pain points) có tầm quan trọng sống còn nhưng điểm thực hiện của MobiFone Thừa Thiên Huế đang dưới mức kỳ vọng.
  2. Góc phần tư II (Duy trì tốt - Keep Up the Good Work): $CLCG_3$ (chất lượng đàm thoại nội đô), $DVKH_2$ (thái độ giao dịch viên), $STT_1$ (thủ tục hòa mạng tại quầy).
  3. Góc phần tư III (Hạn chế nguồn lực - Low Priority): $DVGT_4$, $DVGT_5$ liên quan đến các dịch vụ GTGT cổ điển trên nền SMS/USSD.
  4. Góc phần tư IV (Giảm đầu tư dư thừa - Possible Overkill): $STT_5$ (giờ mở cửa kéo dài tại điểm giao dịch phụ), $CTG_2$ (chi phí nhắn tin SMS - do xu hướng chuyển dịch qua OTT như Zalo, Messenger).

Đổi mới và đóng góp

  1. Đổi mới phương pháp luận ứng dụng: Khắc phục hạn chế của các đề tài đánh giá định tính đơn thuần bằng cách tích hợp chuỗi công cụ định lượng chuẩn tắc: $Cronbach's\ Alpha \rightarrow EFA \rightarrow Regression \rightarrow IPA\ Grid$.
  2. So sánh với các nghiên cứu tiền nhiệm:
Tham số so sánh Nghiên cứu Dương Trí Thảo (2011) Nghiên cứu Lê Công Hoa (2012) Đồ án MobiFone TT-Huế
Phạm vi TP. Nha Trang 3 thành phố phía Nam Tỉnh Thừa Thiên Huế
Phương pháp chính EFA & SEM thuần túy IPA không kiểm định hồi quy Tích hợp EFA, Hồi quy OLS và Ma trận IPA
Độ bao phủ thuộc tính 22 biến quan sát 24 biến quan sát 26 biến chuẩn hóa sát thực tế 4G
Định hướng giải pháp Khái quát chung cho các mạng So sánh liên mạng Tối ưu hóa danh mục đầu tư nội bộ nhà mạng
  1. Lượng hóa hiệu quả cải tiến: Việc dịch chuyển nguồn lực đầu tư từ Góc phần tư IV sang Góc phần tư I giúp giảm thiểu $18.5%$ chi phí vận hành không cần thiết tại các điểm giao dịch truyền thống, đồng thời tăng $22.3%$ mức độ hài lòng về chất lượng phủ sóng vùng ven.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

  • Tối ưu hạ tầng mạng vô tuyến (Radio Network Optimization): Dựa trên cảnh báo từ Góc phần tư I về biến $CLCG_1$, phòng Kỹ thuật điều chỉnh góc nghiêng (tilt) ăng-ten tại 42 trạm BTS trọng điểm và bổ sung các trạm phát sóng Node B công suất nhỏ tại các huyện Phú Vang, Quảng Điền, Hương Trà.
  • Tái cấu trúc cước dữ liệu (Data Package Optimization): Đóng gói các combo Data + Voice linh hoạt (VD: C90N, C120) thay thế cho việc giảm giá cước SMS đơn thuần, đáp ứng trực tiếp kỳ vọng của biến $CTG_1$.
gantt
    title Lộ trình triển khai giải pháp nâng cao chất lượng dịch vụ (2019 - 2025)
    dateFormat  YYYY-MM-DD
    section Giai đoạn 1: Khắc phục điểm nghẽn
    Tối ưu hóa 42 trạm BTS vùng ven        :active, 2019-01-01, 2020-06-30
    Chuẩn hóa quy trình SLA giải quyết khiếu nại: 2019-03-01, 2019-12-31
    section Giai đoạn 2: Số hóa quy trình
    Triển khai ứng dụng My MobiFone tự phục vụ : 2020-07-01, 2022-12-31
    Tái cơ cấu hệ thống phân phối sim thẻ     : 2021-01-01, 2022-06-30
    section Giai đoạn 3: Hiện đại hóa hạ tầng
    Thử nghiệm hạ tầng 5G và Omni-channel     : 2023-01-01, 2025-12-31

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

  • Tối ưu hóa CAPEX/OPEX: Cắt giảm 15% chi phí in ấn tài liệu hướng dẫn giấy tại quầy ($DVGT_5$) và điều chỉnh giờ làm việc của giao dịch viên ($STT_5$) giúp tiết kiệm khoảng 450 triệu đồng/năm.
  • Dự phóng ROI: Tái đầu tư khoản tiết kiệm này vào hệ thống tổng đài tự động trả lời IVR và nâng cấp băng thông truyền dẫn, giúp tăng tỷ lệ giữ chân khách hàng (Retention Rate) thêm $3.8%$, mang lại giá trị gia tăng vòng đời khách hàng (Customer Lifetime Value) ước tính 1.2 tỷ đồng sau 24 tháng.

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật:
    • Kích thước mẫu $N = 177$ phân bổ chủ yếu tại khu vực thành thị và ven đô, chưa bao phủ toàn diện nhóm khách hàng tại các vùng sâu vùng xa (huyện A Lưới, Nam Đông).
    • Nghiên cứu sử dụng kỹ thuật lấy mẫu thuận tiện tại thực địa, có thể tồn tại sai số lựa chọn mẫu (selection bias).
  • Hướng nghiên cứu mở rộng:
    • Tích hợp dữ liệu lớn viễn thông (Big Data Telemetry) từ hệ thống Core Network để phân tích tự động chất lượng mạng (Call Drop Rate, Throughput) theo thời gian thực kết hợp với mô hình học máy (Machine Learning) dự đoán rủi ro rời mạng.
    • Mở rộng phân tích đa nhóm (Multi-group Analysis) theo độ tuổi, mức thu nhập và hình thức thuê bao (Prepaid vs Postpaid).

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Tiếp cận khung nghiên cứu mẫu mực, kết hợp lý thuyết quản trị dịch vụ với kỹ năng xử lý dữ liệu thống kê trên SPSS/Python.
  • Kỹ sư & Chuyên viên phân tích dữ liệu viễn thông: Sở hữu thuật toán và pipeline phân tích IPA chuẩn hóa để triển khai trên các tập dữ liệu khảo sát khách hàng định kỳ.
  • Lãnh đạo & Nhà quản trị doanh nghiệp viễn thông: Có được bản đồ chiến lược định lượng rõ ràng để ra quyết định phân bổ ngân sách tiếp thị và nâng cấp hạ tầng mạng.
  • Khách hàng sử dụng dịch vụ: Thụ hưởng chất lượng mạng di động ổn định hơn, gói cước minh bạch và quy trình chăm sóc khách hàng chuyên nghiệp.

Câu hỏi thường gặp

1. Làm thế nào để xác định điểm cắt (Crosshair Threshold) trên ma trận IPA?

Điểm cắt phân chia 4 góc phần tư được xác định dựa trên giá trị trung bình tổng thể của Mức độ quan trọng ($\bar{I} = 3.84$) và Mức độ thực hiện ($\bar{P} = 3.62$) của toàn bộ 26 thuộc tính khảo sát, thay vì sử dụng điểm giữa lý thuyết (3.0) của thang đo Likert, giúp phản ánh chính xác tương quan nội tại của mẫu.

2. Cỡ mẫu $N = 177$ có đảm bảo độ tin cậy thống kê cho 26 biến quan sát không?

Theo tiêu chuẩn của Hair et al. (tỷ lệ tối thiểu 5:1 giữa số quan sát và biến số), cỡ mẫu yêu cầu là $26 \times 5 = 130$. Mẫu khảo sát thực tế $N = 177$ đạt tỷ lệ $6.8:1$, hoàn toàn đáp ứng độ tin cậy cho phép phân tích EFA và Hồi quy.

3. Tại sao dịch vụ giá trị gia tăng (DVGT) lại có hệ số hồi quy thấp nhất ($\beta = 0.112$)?

Trong giai đoạn chuyển đổi 4G, người dùng ưu tiên kết nối Internet tốc độ cao để sử dụng các ứng dụng mạng xã hội và giải trí trực tuyến độc lập, giảm sự phụ thuộc vào các dịch vụ GTGT do nhà mạng tự phát triển trên nền SMS/MMS.

4. Doanh nghiệp cần cập nhật đánh giá mô hình IPA theo chu kỳ nào?

MobiFone nên thực hiện khảo sát và tái lập ma trận IPA định kỳ 6 tháng hoặc 1 năm một lần để theo dõi biến động nhận thức của khách hàng sau mỗi đợt nâng cấp hạ tầng hoặc ban hành chính sách giá mới.

5. Làm thế nào để xử lý các thuộc tính rơi vào Góc phần tư I khi ngân sách CAPEX bị giới hạn?

Áp dụng thứ tự ưu tiên dựa trên hệ số hồi quy chuẩn hóa $\beta$: Tập trung ngân sách vào các biến thuộc nhóm Chất lượng cuộc gọi ($\beta = 0.312$) trước, sau đó mới đến Dịch vụ khách hàng ($\beta = 0.245$) và Cấu trúc giá ($\beta = 0.198$).

Kết luận

Đồ án đã ứng dụng thành công phương pháp Importance - Performance Analysis (IPA) kết hợp với phân tích định lượng chuyên sâu để đánh giá toàn diện chất lượng dịch vụ thông tin di động của MobiFone Thừa Thiên Huế. Nghiên cứu đã lượng hóa mối quan hệ giữa 5 nhóm nhân tố với sự hài lòng của khách hàng ($R^2 = 58.2%$), đồng thời định vị chính xác các điểm nghẽn hạ tầng vô tuyến và quy trình giải quyết khiếu nại tại Góc phần tư I. Các đề xuất kỹ thuật và quản trị được xây dựng trên cơ sở dữ liệu thực nghiệm cung cấp luận cứ khoa học vững chắc giúp MobiFone Thừa Thiên Huế tối ưu hóa chi phí đầu tư, nâng cao năng lực cạnh tranh và duy trì vị thế vững chắc trên thị trường viễn thông đến năm 2025.