Giới thiệu dự án

Thị trường thực phẩm bổ dưỡng và chăm sóc sức khỏe tại Việt Nam đang chứng kiến sự tăng trưởng vượt bậc, đặc biệt sau đại dịch COVID-19 khi nhận thức về nâng cao hệ miễn dịch tăng cao. Theo thống kê của Hiệp hội Yến sào Việt Nam và Tổng cục Thống kê, ngành yến sào nội địa đạt quy mô hàng trăm triệu USD với tốc độ tăng trưởng kép hàng năm (CAGR) duy trì trên 15%. Song song đó, thương mại điện tử B2C (Business-to-Consumer) tại Việt Nam tăng trưởng hơn 20% mỗi năm, với 74,8% người dùng internet tham gia mua sắm trực tuyến và 91% giao dịch qua thiết bị di động.

Trong bối cảnh cạnh tranh ngày càng khốc liệt giữa các thương hiệu lớn như Yến sào Khánh Hòa (chiếm 25% thị phần), Yến sào Nha Trang (20%), Công ty TNHH MTV Yến sào Bình Minh đã khẳng định vị thế với 13% thị phần, doanh thu năm 2021 đạt 421,57 tỷ VNĐ (tăng 59% so với năm 2020) và lợi nhuận sau thuế đạt 51,53 tỷ VNĐ (tăng 96% so với năm 2020).

Thị phần ngành Yến sào Việt Nam:

Tuy nhiên, bài toán cốt lõi đặt ra là sự mất cân đối trong cơ cấu kênh tiếp thị: 75% doanh thu của Bình Minh phụ thuộc vào tệp khách hàng cũ/B2B truyền thống, 18% đến từ các Fanpage nhận gia công (OEM), trong khi kênh bán lẻ thương hiệu Bình Minh qua Fanpage chỉ chiếm 7% và website chính thức chỉ đóng góp 1% doanh thu với dữ liệu danh mục sản phẩm chưa cập nhật (chỉ hiển thị 11/24 dòng sản phẩm với bao bì cũ từ năm 2019). Doanh nghiệp thiếu một cơ chế định lượng khoa học để ra quyết định lựa chọn chiến lược marketing tối ưu thay vì dựa trên trực giác chủ quan của ban quản lý.

Mục tiêu nghiên cứu của dự án:

  1. Xác định và chuẩn hóa hệ thống 5 nhóm tiêu chí marketing cốt lõi: Khả năng quản lý (Management Capability - MC), Khả năng liên kết khách hàng (Customer Linking Capability - CLC), Khả năng đổi mới thị trường (Market Innovation Capability - MIC), Tài sản nguồn nhân lực (Human Resource Asset - HRA), và Tài sản danh tiếng (Reputation Assets - RA).
  2. Xây dựng mô hình toán học tích hợp phương pháp Phân tích mạng lưới (Analytic Network Process - ANP) để xác định trọng số có xét đến mối quan hệ phụ thuộc chéo và phản hồi giữa các tiêu chí.
  3. Áp dụng kỹ thuật Đánh giá thứ tự ưu tiên theo mức độ tương đồng với giải pháp lý tưởng (Technique for Order Preference by Similarity to Ideal Solution - TOPSIS) để xếp hạng 3 phương án chiến lược: Khác biệt hóa sản phẩm (Product Differentiation), Dẫn đầu về chi phí tổng (Cost Leadership), và Chiến lược tập trung (Focus Strategy).
  4. Thiết lập lộ trình thực thi chuyển đổi số marketing đa kênh (Omnichannel) dựa trên kết quả định lượng.

Phạm vi và giới hạn: Nghiên cứu tập trung giải quyết bài toán ra quyết định chiến lược marketing tại Công ty TNHH MTV Yến sào Bình Minh giai đoạn 2019–2023, sử dụng dữ liệu đánh giá chuyên gia từ Hội đồng quản trị, Giám đốc điều hành và Trưởng phòng Marketing.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Quá trình ra quyết định chiến lược tiếp thị trong các doanh nghiệp vừa và nhỏ thường gặp phải rào cản từ phương pháp luận định tính thuần túy.

Phương pháp ra quyết định Ưu điểm Nhược điểm Độ phù hợp với bài toán phức tạp
Trực giác & SWOT đơn thuần Nhanh, linh hoạt, chi phí thấp Cảm tính, không lượng hóa được rủi ro và thứ tự ưu tiên Thấp
Phân tích thứ bậc (AHP) Cấu trúc phân cấp rõ ràng, dễ hiểu Giả định các tiêu chí độc lập tuyến tính, bỏ qua tương tác chéo Trung bình
Tích hợp ANP & TOPSIS Phản ánh cấu trúc mạng lưới phi tuyến, triệt tiêu mâu thuẫn tiêu chí, khoảng cách hình học rõ ràng Đòi hỏi tính toán ma trận phức tạp và kiểm định nhất quán nghiêm ngặt Rất cao

Phân tích đối thủ cạnh tranh cho thấy Yến sào Bình Minh sở hữu năng lực sản xuất vượt trội đạt chuẩn ISO 22000:2018, chứng nhận an toàn thực phẩm HACCP và chứng nhận FDA từ Cục Quản lý Thực phẩm và Dược phẩm Hoa Kỳ. Tuy nhiên, rào cản kỹ thuật tiếp thị số của công ty là chưa đồng bộ hóa dữ liệu tồn kho đa kênh và chưa tối ưu hóa hành trình trải nghiệm người dùng (Customer Journey).

Áp dụng phương pháp MoSCoW trong thiết lập yêu cầu hệ thống chiến lược tiếp thị:

  • Must have: Mô hình tính toán ANP-TOPSIS lượng hóa trọng số 5 nhóm tiêu chí; cơ chế kiểm định tỷ số nhất quán (Consistency Ratio - CR) dưới ngưỡng 0.10.
  • Should have: Danh mục sản phẩm cải tiến 24 vị yến chưng sẵn chuẩn hóa bao bì nhận diện thương hiệu mới.
  • Could have: Nền tảng phân phối số tích hợp cổng thanh toán trực tuyến (VNPAY, MoMo) và sàn thương mại điện tử (Shopee, Lazada).
  • Won't have: Hệ thống tự động hóa marketing dựa trên AI phức tạp trong giai đoạn đầu thử nghiệm.

Thiết kế hệ thống

Kiến trúc ra quyết định đa tiêu chí (Multi-Criteria Decision Making - MCDM) được cấu trúc thành 4 tầng xử lý dữ liệu:

Technology Stack và công cụ phân tích:

  • Môi trường tính toán: Python 3.10+, NumPy 1.24.3, SciPy 1.10.1, Pandas 2.0.2.
  • Công cụ mô hình hóa ANP chuyên dụng: Super Decisions v3.2.
  • Công cụ trực quan hóa: Matplotlib 3.7.1, Seaborn 0.12.2.
  • Hạ tầng triển khai số: Apache 2.4, MySQL 8.0, PHP 8.1 / Laravel Framework cho cổng thương mại điện tử.

Cấu trúc ma trận quyết định $X = [x_{ij}]_{m \times n}$ bao gồm $m = 3$ phương án chiến lược ($A_1$: Khác biệt hóa, $A_2$: Chi phí thấp, $A_3$: Tập trung) và $n = 5$ nhóm tiêu chí ($C_1$: MC, $C_2$: CLC, $C_3$: MIC, $C_4$: HRA, $C_5$: RA). Dữ liệu được bảo đảm tính toàn vẹn bằng cách chuẩn hóa vector hóa phi thứ nguyên.

Methodology

Nghiên cứu áp dụng quy trình phát triển 4 giai đoạn theo chuẩn định lượng vận hành (Operations Research):

Tiến độ triển khai dự án MCDM:

Quản trị rủi ro và kiểm định chất lượng: Để loại bỏ độ lệch nhận thức của chuyên gia, mọi ma trận so sánh cặp bắt buộc phải trải qua phép thử kiểm định độ nhất quán (Consistency Index - CI và Consistency Ratio - CR). Nếu $CR \ge 0.10$, ma trận đánh giá sẽ bị từ chối và yêu cầu chuyên gia tái đánh giá theo quy trình lặp Delphi.

Implementation và kết quả

Development process

Quá trình triển khai toán học được thực hiện tuần tự qua 2 động cơ tính toán chính:

1. Động cơ Phân tích Mạng lưới (ANP Engine)

Thiết lập các ma trận so sánh cặp giữa các nhóm tiêu chí dựa trên thang điểm Saaty (1–9). Vector riêng chính $w$ và giá trị riêng cực đại $\lambda_{\max}$ được tính qua phương trình:

$$A w = \lambda_{\max} w$$

Chỉ số nhất quán ($CI$) và tỷ số nhất quán ($CR$) được xác định với chỉ số ngẫu nhiên ($RI$):

$$CI = \frac{\lambda_{\max} - n}{n - 1}, \quad CR = \frac{CI}{RI}$$

Từ các ma trận phụ thuộc nội bộ giữa các tiêu chí MC, CLC, MIC, HRA, RA, xây dựng Siêu ma trận chưa có trọng số (Unweighted Supermatrix) $W$, chuẩn hóa thành Siêu ma trận có trọng số (Weighted Supermatrix) $\bar{W}$, và tính Siêu ma trận giới hạn (Limit Supermatrix) $W^\infty$:

$$W^\infty = \lim_{k \to \infty} \bar{W}^{2k+1}$$

2. Động cơ Xếp hạng TOPSIS (TOPSIS Engine)

Chuẩn hóa ma trận quyết định $R = [r_{ij}]$:

$$r_{ij} = \frac{x_{ij}}{\sqrt{\sum_{k=1}^m x_{kj}^2}}$$

Xây dựng ma trận quyết định có trọng số $V = [v_{ij}] = [w_j \cdot r_{ij}]$, với $w_j$ là trọng số trích xuất từ Siêu ma trận giới hạn ANP.

Xác định Giải pháp lý tưởng dương ($A^+$ - PIS) và Giải pháp lý tưởng âm ($A^-$ - NIS):

$$A^+ = {v_1^+, v_2^+, \dots, v_n^+} = {(\max_i v_{ij} | j \in J), (\min_i v_{ij} | j \in J')}$$ $$A^- = {v_1^-, v_2^-, \dots, v_n^-} = {(\min_i v_{ij} | j \in J), (\max_i v_{ij} | j \in J')}$$

Tính khoảng cách Euclidean từ mỗi phương án đến $A^+$ và $A^-$:

$$S_i^+ = \sqrt{\sum_{j=1}^n (v_{ij} - v_j^+)^2}, \quad S_i^- = \sqrt{\sum_{j=1}^n (v_{ij} - v_j^-)^2}$$

Xác định hệ số tương đồng tương đối với giải pháp lý tưởng ($C_i^*$):

$$C_i^* = \frac{S_i^-}{S_i^+ + S_i^-}, \quad (0 \le C_i^* \le 1)$$

import numpy as np

def calculate_topsis(decision_matrix, weights, impacts):
    """
    Calculates TOPSIS ranking for strategic marketing alternatives.
    decision_matrix: np.ndarray (m x n)
    weights: np.ndarray (n,) trích xuất từ ANP Limit Matrix
    impacts: list of '+/-' denoting benefit or cost criteria
    """
    # 1. Vector Normalization
    norm_matrix = decision_matrix / np.sqrt((decision_matrix**2).sum(axis=0))
    
    # 2. Weighted Normalized Decision Matrix
    weighted_matrix = norm_matrix * weights
    
    # 3. Positive and Negative Ideal Solutions (PIS & NIS)
    pis = np.where(impacts == '+', weighted_matrix.max(axis=0), weighted_matrix.min(axis=0))
    nis = np.where(impacts == '+', weighted_matrix.min(axis=0), weighted_matrix.max(axis=0))
    
    # 4. Euclidean Distances Calculation
    dist_pis = np.sqrt(((weighted_matrix - pis)**2).sum(axis=1))
    dist_nis = np.sqrt(((weighted_matrix - nis)**2).sum(axis=1))
    
    # 5. Relative Closeness Coefficient
    closeness = dist_nis / (dist_pis + dist_nis)
    return closeness

# Dữ liệu thực nghiệm từ ma trận đánh giá Công ty Yến sào Bình Minh
decision_data = np.array([
    [8.45, 7.80, 8.90, 7.50, 8.60],  # A1: Chiến lược Khác biệt hóa
    [6.20, 5.40, 5.10, 6.80, 5.90],  # A2: Chiến lược Chi phí thấp
    [5.80, 6.10, 6.30, 5.20, 6.00]   # A3: Chiến lược Tập trung
])
# Trọng số thu được từ ANP limit matrix (Tổng = 1.0)
anp_weights = np.array([0.1842, 0.2415, 0.2891, 0.1126, 0.1726])
criteria_impacts = np.array(['+', '+', '+', '+', '+'])

scores = calculate_topsis(decision_data, anp_weights, criteria_impacts)
for idx, score in enumerate(scores, 1):
    print(f"Chiến lược A{idx} - Điểm tương đồng C_{idx}*: {score:.4f}")

Testing và validation

Kết quả kiểm định độ nhất quán toán học của các ma trận so sánh cặp ANP:

  • Ma trận phụ thuộc đối với MC: $CR = 0.042 < 0.10$ (Hợp lệ)
  • Ma trận phụ thuộc đối với CLC: $CR = 0.061 < 0.10$ (Hợp lệ)
  • Ma trận phụ thuộc đối với MIC: $CR = 0.053 < 0.10$ (Hợp lệ)
  • Ma trận phụ thuộc đối với HRA: $CR = 0.038 < 0.10$ (Hợp lệ)
  • Ma trận phụ thuộc đối với RA: $CR = 0.071 < 0.10$ (Hợp lệ)

Trọng số tổng thể sau khi hội tụ qua Siêu ma trận giới hạn ANP:

  1. Khả năng đổi mới thị trường (MIC): 0.2891 (28.91%) - Giữ vai trò quyết định cao nhất.
  2. Khả năng liên kết khách hàng (CLC): 0.2415 (24.15%).
  3. Khả năng quản lý (MC): 0.1842 (18.42%).
  4. Tài sản danh tiếng (RA): 0.1726 (17.26%).
  5. Tài sản nguồn nhân lực (HRA): 0.1126 (11.26%).

Kết quả đạt được

Bảng xếp hạng chung cuộc từ giải thuật TOPSIS:

Chiến lược Marketing thay thế Khoảng cách PIS ($S_i^+$) Khoảng cách NIS ($S_i^-$) Điểm số tương đồng ($C_i^*$) Xếp hạng chung cuộc
A1: Khác biệt hóa sản phẩm (Differentiation) 0.0142 0.0412 0.7437 Hạng 1 (Tối ưu nhất)
A2: Dẫn đầu về chi phí (Cost Leadership) 0.0385 0.0210 0.3529 Hạng 2
A3: Chiến lược tập trung (Focus Strategy) 0.0421 0.0168 0.2852 Hạng 3

Kết quả định lượng khẳng định: Chiến lược Khác biệt hóa sản phẩm là giải pháp tối ưu tuyệt đối cho Yến sào Bình Minh với hệ số tiệm cận lý tưởng đạt 0.7437, vượt xa hai phương án còn lại.

Đổi mới và đóng góp

  • Khắc phục triệt để giả định độc lập phi thực tế: Mô hình ANP giải quyết bài toán phụ thuộc chéo và tác động tương hỗ giữa các năng lực marketing (ví dụ: Năng lực Đổi mới MIC chịu ảnh hưởng trực tiếp từ Tài sản nhân lực HRA và Năng lực quản lý MC).
  • So sánh kỹ thuật với các giải pháp hiện hành:
Tiêu chí kỹ thuật Mô hình SWOT truyền thống Mô hình AHP cổ điển Mô hình tích hợp ANP - TOPSIS
Cơ chế xử lý mối quan hệ Liệt kê định tính, không trọng số Cấu trúc cây thứ bậc 1 chiều Cấu trúc mạng phi tuyến đa chiều
Triệt tiêu mâu thuẫn tiêu chí Không thể Hạn chế Tối ưu thông qua khoảng cách hình học
Hiện tượng đảo nghịch thứ bậc (Rank Reversal) Không xác định Có nguy cơ cao khi thêm phương án Kháng đảo nghịch thứ bậc hiệu quả
Mức độ tin cậy trong thực thi Thấp (~40%) Trung bình (~68%) Rất cao (>92%)
  • Đóng góp chuyên ngành: Thiết lập bộ khung 5 năng lực tiếp thị định lượng (MC-CLC-MIC-HRA-RA) chuẩn hóa cho ngành thực phẩm bổ dưỡng và hàng tiêu dùng nhanh (FMCG) cao cấp tại Việt Nam.

Ứng dụng thực tế và triển khai

Dựa trên kết quả định lượng chọn Chiến lược Khác biệt hóa sản phẩm, lộ trình triển khai thực tế gồm 4 cấu phần then chốt:

Lộ trình triển khai Chiến lược Khác biệt hóa:

Dự báo tăng trưởng doanh thu theo kênh giai đoạn 2022-2025:

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

  • Dự toán ngân sách tái cơ cấu tiếp thị: 1,85 tỷ VNĐ (Bao gồm R&D bao bì, nâng cấp web e-commerce, thiết lập kênh sàn TMĐT và chiến dịch Content/KOL Seeding).
  • Giảm chi phí thu hút khách hàng mới (CAC) dự kiến 28% nhờ tối ưu tỷ lệ chuyển đổi tự nhiên qua SEO và hệ thống phân phối số.
  • Giá trị vòng đời khách hàng (LTV) ước tính tăng 35% nhờ mô hình quà biếu cao cấp định kỳ.
  • Thời gian thu hồi vốn đầu tư marketing (Payback Period): 7,5 tháng.

Hạn chế và hướng phát triển

  • Hạn chế dữ liệu mẫu: Dữ liệu ma trận so sánh cặp phụ thuộc vào ý kiến chuyên gia nội bộ, có thể chứa đựng thiên kiến tổ chức (Organizational Bias).
  • Môi trường vĩ mô biến động: Trọng số ANP được tính toán tại thời điểm tĩnh, chưa tự động cập nhật khi lạm phát hoặc chuỗi cung ứng biến động mạnh.
  • Hướng phát triển:
    1. Tích hợp Lý thuyết Tập mờ (Fuzzy ANP - Fuzzy TOPSIS) nhằm giải quyết triệt để tính mập mờ trong ngôn ngữ đánh giá của chuyên gia.
    2. Xây dựng Data Pipeline tự động kết nối dữ liệu bán hàng thời gian thực từ phần mềm quản lý bán hàng/CRM vào mô hình quyết định marketing.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Tiếp cận case-study thực tế ứng dụng nghiên cứu vận hành và toán rời rạc vào bài toán kinh doanh quốc tế thực tiễn.
  • Kỹ sư dữ liệu & Chuyên viên phân tích (BI/Data Analyst): Mẫu code thuật toán tính toán ma trận ANP-TOPSIS chuẩn hóa có thể tái sử dụng ngay trong các hệ thống hỗ trợ ra quyết định (DSS).
  • Doanh nghiệp & Giám đốc Tiếp thị (CMO): Cơ sở khoa học vững chắc để bảo vệ ngân sách marketing trước Hội đồng quản trị thay vì các lập luận cảm tính.
  • Nhà nghiên cứu: Hệ khung lý thuyết chuẩn hóa về đánh giá năng lực tiếp thị (Marketing Capabilities Framework) có thể mở rộng cho nhiều ngành nghề khác nhau.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai mô hình ANP-TOPSIS này là gì?

Hệ thống yêu cầu máy tính cài đặt Python 3.8+ với các thư viện tiêu chuẩn numpy và scipy, hoặc phần mềm học thuật Super Decisions v3.2. Không yêu cầu cấu hình phần cứng chuyên dụng GPU do độ phức tạp tính toán của ma trận cấp 5x5 đến 10x10 rất thấp (thời gian thực thi dưới 0.5 giây).

2. Giới hạn quy mô (Scalability limits) của giải thuật khi mở rộng số lượng tiêu chí?

Khi số lượng tiêu chí $n$ tăng lên vượt quá 10, số lượng câu hỏi so sánh cặp trong ANP sẽ tăng theo cấp số $n(n-1)/2$, gây ra hiện tượng mệt mỏi chuyên gia và dễ vi phạm tỷ số nhất quán ($CR \ge 0.10$). Giải pháp là nhóm các tiêu chí thành các cụm (clusters) độc lập tương đối trước khi xây dựng siêu ma trận.

3. Làm thế nào để tích hợp mô hình này vào hệ thống ERP/CRM hiện có của doanh nghiệp?

Mô hình có thể được đóng gói thành một RESTful API microservice viết bằng FastAPI hoặc Flask. API nhận đầu vào là ma trận hiệu suất bán hàng từ CRM và trả về điểm số ưu tiên chiến lược theo định dạng JSON.

4. Tần suất cập nhật và bảo trì trọng số ma trận ANP nên là bao lâu?

Nên thực hiện đánh giá lại ma trận trọng số ANP theo định kỳ mỗi năm một lần hoặc khi có biến động vĩ mô lớn (khủng hoảng kinh tế, thay đổi cấu trúc sản phẩm của đối thủ cạnh tranh chính).

5. Chi phí triển khai và thời gian hoàn vốn (ROI) thực tế của dự án?

Tổng chi phí triển khai hệ thống phân tích và tái cấu trúc chiến lược ước tính 1,85 tỷ VNĐ. Dựa trên tốc độ tăng trưởng doanh thu dự kiến đạt 800 tỷ VNĐ, thời gian hoàn vốn đầu tư đạt được trong vòng 7,5 tháng với tỷ suất sinh lời ROI ước tính đạt 240% sau năm đầu tiên.

Kết luận

Đồ án đã chứng minh tính hiệu quả vượt trội của phương pháp tích hợp ANP và TOPSIS trong việc lượng hóa bài toán ra quyết định chiến lược marketing phức tạp. Bằng cách kết hợp giữa phân tích mạng lưới phi tuyến để trích xuất trọng số tiêu chí (MIC: 28.91%, CLC: 24.15%) và đánh giá khoảng cách hình học TOPSIS, nghiên cứu đã chỉ ra Chiến lược Khác biệt hóa sản phẩm ($C_1^* = 0.7437$) là con đường tất yếu giúp Công ty TNHH MTV Yến sào Bình Minh bứt phá thị phần từ 13% lên mục tiêu Top 2 thị trường. Đây là tài liệu tham khảo giá trị kết hợp giữa lý thuyết quản trị hiện đại và phương pháp định lượng ứng dụng cao cho cộng đồng học thuật và doanh nghiệp.