Giới thiệu dự án

Thanh toán không dùng tiền mặt (cashless payment) là xu thế tất yếu trong tiến trình chuyển đổi số của hệ thống tài chính toàn cầu. Theo thống kê từ Ngân hàng Thế giới (World Bank) giai đoạn 2018–2019, tỷ lệ thanh toán phi tiền mặt tại Việt Nam chỉ đạt dưới 5%, khoảng cách rất lớn so với các quốc gia trong khu vực như Malaysia (89%), Thái Lan (~60%) và Trung Quốc (>26%). Báo cáo từ Hội thẻ Ngân hàng Việt Nam chỉ ra rằng, dù toàn hệ thống lưu hành hơn 77 triệu thẻ ngân hàng với tốc độ phát hành mới đạt 15 triệu thẻ/năm, tốc độ tăng trưởng của phân khúc thẻ ghi nợ nội địa đang có xu hướng giảm từ 22% (2016) xuống 12% (2018), đòi hỏi các ngân hàng thương mại cổ phần (NHTMCP) phải chuyển hướng chiến lược từ "phát triển số lượng" sang "tối ưu hóa chất lượng dịch vụ cảm nhận" (perceived service quality).

Khóa luận tốt nghiệp tập trung giải quyết bài toán: Đánh giá thực trạng và xác định các nhân tố ảnh hưởng đến sự thỏa mãn của khách hàng đối với chất lượng dịch vụ thẻ tại Ngân hàng TMCP Phát triển TP. HCM (HDBank) – Chi nhánh Bình Định. Thành lập từ đầu năm 2015 tại TP. Quy Nhơn, chi nhánh đối mặt với áp lực cạnh tranh gay gắt từ các ngân hàng thương mại quốc doanh lớn (Vietcombank, BIDV, Agribank, VietinBank) cùng những hạn chế nội tại về mật độ hạ tầng máy rút tiền tự động (ATM - Automated Teller Machine) và điểm chấp nhận thanh toán (POS - Point of Sale).

graph TD
    A[Bối cảnh thị trường: Cashless Payment < 5%] --> B[Thách thức cạnh tranh tại Bình Định]
    B --> C[Pain Points: Hạ tầng ATM mỏng, Rủi ro kỹ thuật, Cạnh tranh POS]
    C --> D[Mô hình đánh giá chất lượng dịch vụ SERVPERF]
    D --> E[Phân tích định lượng SPSS: EFA & Hồi quy OLS]
    E --> F[Bộ giải pháp tối ưu hóa vận hành & Nâng cao sự hài lòng]

Mục tiêu nghiên cứu cụ thể:

  1. Hệ thống hóa cơ sở lý luận về dịch vụ thẻ ngân hàng thương mại và các mô hình đo lường chất lượng dịch vụ hiện đại.
  2. Phân tích thực trạng hoạt động kinh doanh thẻ tại HDBank Chi nhánh Bình Định giai đoạn 2016–2018 thông qua các chỉ tiêu tài chính và phi tài chính.
  3. Đo lường định lượng mức độ ảnh hưởng của các thành phần chất lượng dịch vụ thẻ đến sự thỏa mãn của khách hàng bằng mô hình kinh tế lượng.
  4. Đề xuất hệ thống giải pháp thực tiễn nhằm nâng cao chất lượng dịch vụ thẻ đến năm 2023.

Phạm vi và giới hạn nghiên cứu:

  • Không gian: Địa bàn TP. Quy Nhơn, tỉnh Bình Định (khách hàng giao dịch tại trụ sở 89–91 Mai Xuân Thưởng và các phòng giao dịch trực thuộc).
  • Thời gian: Dữ liệu thứ cấp giai đoạn 2016–2018; dữ liệu sơ cấp thu thập từ tháng 02/2019 đến tháng 05/2019.
  • Quy mô khảo sát: Mẫu nghiên cứu chính thức gồm $N = 200$ khách hàng đang sử dụng dịch vụ thẻ HDBank.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Để đo lường chất lượng dịch vụ, các công trình nghiên cứu trên thế giới tiếp cận theo nhiều trường phái khác nhau:

Tiêu chí Mô hình SERVQUAL (Parasuraman et al., 1988) Mô hình SERVPERF (Cronin & Taylor, 1992) Mô hình BANKSERV (Avkiran, 1999)
Bản chất đo lường Khoảng cách: $Q = P - E$ (Cảm nhận - Kỳ vọng) Hiệu năng thực tế: $Q = P$ (Chỉ đo lường Cảm nhận) Đo lường chuyên biệt cho ngành ngân hàng
Số lượng biến quan sát 44 biến (22 kỳ vọng + 22 cảm nhận) 22–34 biến (tập trung vào mức độ cảm nhận) 17–25 biến tùy biến theo giao dịch quầy
Ưu điểm Đánh giá được mức độ hụt hẫng của khách hàng Giảm 50% độ dài bảng hỏi, tránh sai lệch do tâm lý mệt mỏi, giải thích phương sai tốt hơn Chi tiết vào các giao dịch tài chính truyền thống
Nhược điểm Đo lường kỳ vọng dễ bị thiên lệch sau khi đã trải nghiệm dịch vụ Cần hiệu chỉnh thang đo chi tiết cho từng loại dịch vụ số Ít bao quát các kênh ngân hàng tự động (ATM/POS)

Dựa trên phân tích so sánh, nghiên cứu lựa chọn Mô hình SERVPERF hiệu chỉnh làm khung tham chiếu vì mô hình này chứng minh được tính ưu việt trong việc giảm thiểu sự nhàm chán cho đối tượng khảo sát và tăng độ chính xác trong phân tích hồi quy đa biến.

Bảng phân loại nhu cầu người dùng (MoSCoW Prioritization)

+--------------------------------------------------------------------------------+
| KHUNG PHÂN LOẠI YÊU CẦU DỊCH VỤ THẺ (MoSCoW MATRIX)                             |
+--------------------------------------------------------------------------------+
| [MUST HAVE - Bắt buộc]:                                                        |
|  * Hệ thống ATM duy trì số dư tiền mặt 24/7, không gặp lỗi nuốt thẻ.           |
|  * Bảo mật tuyệt đối mã PIN và thông tin tài khoản chủ thẻ (ISO 8583 / PCI-DSS)|
|  * Tốc độ xử lý giao dịch rút tiền và chuyển khoản < 15 giây.                 |
+--------------------------------------------------------------------------------+
| [SHOULD HAVE - Cần có]:                                                        |
|  * Mạng lưới ATM bố trí tại các vị trí trung tâm, dễ tiếp cận.                 |
|  * Hotline hỗ trợ giải quyết sự cố thẻ 24/7 với thời gian phản hồi < 3 phút.    |
|  * Giao diện màn hình cảm ứng ATM trực quan, hiển thị đa ngôn ngữ.              |
+--------------------------------------------------------------------------------+
| [COULD HAVE - Có thể có]:                                                      |
|  * Phát hành thẻ cá nhân hóa hình ảnh (My Card) và liên kết thẻ sinh viên.      |
|  * Miễn phí hoàn toàn phí phát hành và phí rút tiền nội/ngoại mạng.            |
+--------------------------------------------------------------------------------+
| [WON'T HAVE - Tạm thời chưa ưu tiên]:                                          |
|  * Lắp đặt POS diện rộng không có kiểm soát doanh số tại các điểm bán lẻ nhỏ lẻ|
+--------------------------------------------------------------------------------+

Thiết kế hệ thống và mô hình nghiên cứu

Mô hình nghiên cứu định lượng gồm 6 biến độc lập (31 biến quan sát) tác động đến 1 biến phụ thuộc (3 biến quan sát):

$$\text{TM} = \beta_0 + \beta_1 \text{TC} + \beta_2 \text{DU} + \beta_3 \text{NL} + \beta_4 \text{DC} + \beta_5 \text{BA} + \beta_6 \text{HH} + \varepsilon$$

Trong đó:

  • $\text{TC}$ (Độ tin cậy - Reliability): Uy tín thương hiệu, tính sẵn sàng của tiền mặt, xử lý đúng cam kết (4 biến quan sát: TC5.1 – TC5.4).
  • $\text{DU}$ (Tính đáp ứng - Responsiveness): Tốc độ hỗ trợ của nhân viên, hướng dẫn máy ATM rõ ràng, xử lý sự cố kẹt thẻ (8 biến quan sát: DU5.5 – DU5.12).
  • $\text{NL}$ (Năng lực phục vụ - Assurance): Trình độ chuyên môn, sự lịch sự, hotline 24/7, tính tiện ích đa dạng (5 biến quan sát: NL5.13 – NL5.17).
  • $\text{DC}$ (Sự đồng cảm - Empathy): Sự thấu hiểu nhu cầu cá nhân, thời gian chờ đợi tại quầy (3 biến quan sát: DC5.18 – DC5.20).
  • $\text{BA}$ (Sự bảo mật và an toàn - Security): An toàn giao dịch mã PIN, bảo mật cơ sở dữ liệu, camera giám sát tại cabin ATM (4 biến quan sát: BA5.21 – BA5.24).
  • $\text{HH}$ (Phương tiện hữu hình - Tangibles): Trang thiết bị ATM, biểu phí cạnh tranh, độ phủ địa lý, chương trình khuyến mãi (7 biến quan sát: HH5.25 – HH5.31).
  • $\text{TM}$ (Sự thỏa mãn - Customer Satisfaction): Mức độ hài lòng chung, ý định tiếp tục sử dụng, ý định giới thiệu cho người khác (3 biến quan sát: TM5.32 – TM5.34).
classDiagram
    class DoTinCay {
        +TC5.1: Uy tin thuong hieu
        +TC5.2: Tinh trang tien mat ATM
        +TC5.3: Cung cap dung gio hen
        +TC5.4: Chung tu minh bach
    }
    class TinhDapUng {
        +DU5.5 - DU5.12: Xu ly nhanh chong, huong dan ro rang
    }
    class NangLucPhucVu {
        +NL5.13 - NL5.17: Thai do chuyen nghiep, Hotline 24/7
    }
    class SuDongCam {
        +DC5.18 - DC5.20: Quan tam ca nhan hoa
    }
    class BaoMatAnToan {
        +BA5.21 - BA5.24: An toan PIN, Camera giam sat
    }
    class PhuongTienHuuHinh {
        +HH5.25 - HH5.31: Co so vat chat, Mang luoi ATM
    }
    class SuThoaMan {
        +TM5.32: Danh gia hai long chung
        +TM5.33: Tiep tuc su dung
        +TM5.34: Gioi thieu nguoi than
    }

    DoTinCay --> SuThoaMan : H1 (+)
    TinhDapUng --> SuThoaMan : H2 (+)
    NangLucPhucVu --> SuThoaMan : H3 (+)
    SuDongCam --> SuThoaMan : H4 (+)
    BaoMatAnToan --> SuThoaMan : H5 (+)
    PhuongTienHuuHinh --> SuThoaMan : H6 (+)

Technology Stack & Nghiên cứu phương pháp luận

  • Công cụ xử lý thống kê: IBM SPSS Statistics Version 22.0 kết hợp Microsoft Excel 2016.
  • Thuật toán kiểm định: Hệ số Cronbach's Alpha kiểm tra độ nhất quán nội tại; Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA) với phép trích Principal Components và phép xoay Varimax; Phân tích tương quan Pearson; Phân tích hồi quy bội theo phương pháp bình phương bé nhất (OLS).
  • Quy mô mẫu: Dựa theo quy tắc kinh nghiệm của Hair et al. (1998) và Hoàng Trọng – Chu Nguyễn Mộng Ngọc (2005), tỷ lệ quan sát trên một biến phân tích là $5:1$. Với 34 biến quan sát:

$$N_{\text{min}} = 34 \times 5 = 170 \implies \text{Quy mô mẫu thực tế phát ra: } N = 200 \text{ phiếu (hợp lệ 100%)}$$

Implementation và kết quả

Development Process & Pipeline xử lý dữ liệu

Quy trình phân tích dữ liệu nghiên cứu được chuẩn hóa qua 4 giai đoạn logic:

  - 200 Phiếu khảo sát         - Item-Total Corr >= 0.3     - KMO >= 0.5, Bartlett p<0.05    - Đánh giá R^2, F-test
  - Thang đo Likert 5 điểm     - Alpha >= 0.60              - Factor Loading >= 0.50         - Kiểm định VIF < 10

Thuật toán tính hệ số tin cậy Cronbach's Alpha:

$$\alpha = \frac{k}{k - 1} \left( 1 - \frac{\sum_{i=1}^{k} \sigma_{y_i}^2}{\sigma_x^2} \right)$$

Trong đó: $k$ là số biến quan sát trong thang đo thành phần; $\sigma_{y_i}^2$ là phương sai của biến thứ $i$; $\sigma_x^2$ là phương sai của tổng các biến quan sát.

# Script mô phỏng quy trình kiểm định kinh tế lượng (Python / statsmodels / factor_analyzer)
import numpy as np
import pandas as pd
import statsmodels.api as sm

def evaluate_service_quality(survey_data_path: str):
    """
    Pipeline: Đọc dữ liệu khảo sát Likert 5 mức độ, 
    thực hiện kiểm định hồi quy OLS đánh giá tác động đến sự thỏa mãn.
    """
    df = pd.read_csv(survey_data_path)
    
    # Danh sách các biến thành phần đại diện (Mean score)
    independent_vars = ['TC', 'DU', 'NL', 'DC', 'BA', 'HH']
    dependent_var = 'TM'
    
    X = df[independent_vars]
    y = df[dependent_var]
    X = sm.add_constant(X) # Thêm hệ số chặn beta_0
    
    model = sm.OLS(y, X).fit()
    
    print("=== KẾT QUẢ HỒI QUY BỘI SERVPERF ===")
    print(model.summary())
    return model

# Pseudocode cấu trúc biến quan sát thang đo SERVPERF:
# TC: [TC5.1, TC5.2, TC5.3, TC5.4]
# DU: [DU5.5, DU5.6, DU5.7, DU5.8, DU5.9, DU5.10, DU5.11, DU5.12]
# NL: [NL5.13, NL5.14, NL5.15, NL5.16, NL5.17]
# DC: [DC5.18, DC5.19, DC5.20]
# BA: [BA5.21, BA5.22, BA5.23, BA5.24]
# HH: [HH5.25, HH5.26, HH5.27, HH5.28, HH5.29, HH5.30, HH5.31]
# TM: [TM5.32, TM5.33, TM5.34]

Kết quả phân tích hoạt động kinh doanh thẻ (2016–2018)

Hoạt động kinh doanh thẻ tại HDBank Chi nhánh Bình Định ghi nhận bước tăng trưởng vượt bậc trong giai đoạn khảo sát:

Chỉ tiêu tài chính & Vận hành Năm 2016 Năm 2017 Năm 2018 Tăng trưởng 2018/2016 (%)
Tổng số thẻ phát hành (Thẻ) 322 2,279 3,052 +847.83%
- Thẻ ghi nợ nội địa (Thẻ) 294 2,189 2,889 +882.65%
- Thẻ quốc tế (Thẻ) 28 90 163 +482.14%
Doanh số thanh toán thẻ (Triệu VNĐ) 8,410 52,370 77,866 +825.87%
Tổng doanh thu chi nhánh (Triệu VNĐ) 55,765 123,763 151,132 +170.93%
Chi phí kinh doanh dịch vụ thẻ (Triệu VNĐ) 1,681.82 2,564.98 3,582.05 +112.99%
Lợi nhuận từ dịch vụ thẻ (Triệu VNĐ) 6,728.18 49,805.02 74,283.95 +1,004.07%
Tỷ suất Lợi nhuận / Doanh thu thẻ 0.800 0.951 0.954 +19.25%
Tỷ suất Lợi nhuận / Chi phí thẻ 4.001 19.417 20.738 +418.32%
Số lượng máy ATM (Máy) 2 2 2 0.00%
Số lượng máy POS (Máy) 1 0 0 -100.00% 
BIỂU ĐỒ SO SÁNH TĂNG TRƯỞNG SỐ LƯỢNG THẺ VÀ LỢI NHUẬN DỊCH VỤ THẺ
Số thẻ (Chiếc)                      Lợi nhuận dịch vụ thẻ (Triệu VNĐ)
                                                2016      2017       2018

Kết quả kiểm định thống kê và phân tích nhân tố EFA

  1. Kiểm định độ tin cậy Cronbach's Alpha: Toàn bộ 7 nhóm thang đo đều đạt yêu cầu về độ tin cậy ($\alpha > 0.70$), các biến quan sát đều có hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $> 0.30$, không có biến rác bị loại bỏ.
  2. Phân tích nhân tố khám phá (EFA):
    • Hệ số KMO (Kaiser-Meyer-Olkin) $= 0.812$ ($> 0.50$), chứng minh kích thước mẫu hoàn toàn thích hợp cho phân tích nhân tố.
    • Kiểm định Bartlett’s Test có giá trị $Sig. = 0.000 < 0.05$, các biến có tương quan tuyến tính chặt chẽ với nhau.
    • Trích được 6 nhân tố độc lập tại giá trị Eigenvalue $> 1.0$, tổng phương sai trích (Total Variance Explained) $> 60.5%$.
    • Trọng số nhân tố (Factor Loading) của tất cả các biến quan sát đều $> 0.55$.
  3. Phân tích hồi quy OLS:
    • Hệ số xác định $R^2 = 0.658$ ($R^2 \text{ hiệu chỉnh} = 0.647$), mô hình giải thích được $64.7%$ sự biến thiên của mức độ thỏa mãn khách hàng.
    • Thống kê $F = 61.84$ ($Sig. = 0.000$), khẳng định mô hình có ý nghĩa thống kê cao.
    • Hệ số VIF (Variance Inflation Factor) của các biến đều nằm trong khoảng $1.15 - 1.48$ ($< 2.0$), khẳng định không có hiện tượng đa cộng tuyến.
    • Thứ tự tác động chuẩn hóa ($\beta$): Sự bảo mật và an toàn (BA) $>$ Năng lực phục vụ (NL) $>$ Phương tiện hữu hình (HH) $>$ Tính đáp ứng (DU) $>$ Độ tin cậy (TC) $>$ Sự đồng cảm (DC).

Đổi mới và đóng góp

  • Đổi mới phương pháp luận nghiên cứu địa phương: Khóa luận đã chuyển hóa khung lý thuyết hàn lâm SERVPERF thành bộ chỉ số đánh giá thực nghiệm gồm 34 tiêu chí chuyên sâu, bám sát hành vi sử dụng thẻ tại một thị trường tài chính cấp tỉnh (Bình Định).
  • Bằng chứng thực nghiệm về nghịch lý hạ tầng: Nghiên cứu chỉ ra nghịch lý: Mặc dù số lượng thẻ phát hành tăng trưởng phi mã (+847.8%) và lợi nhuận tăng hơn 10 lần, nhưng hạ tầng vật lý tại chỗ lại dậm chân tại chỗ (chỉ có 2 máy ATM và 0 máy POS hoạt động độc lập). Điều này chứng minh sự thỏa mãn của khách hàng đang phụ thuộc lớn vào việc kết nối liên minh thẻ quốc gia (Napas) và uy tín bảo mật thương hiệu hơn là số lượng máy vật lý của riêng chi nhánh.
  • Tối ưu hóa chi phí vận hành: Đề tài phân tích cấu trúc chi phí, chỉ ra rằng chi phí nhân viên phân bổ chiếm tỷ trọng áp đảo trong tổng chi phí kinh doanh thẻ (97.15% năm 2018), qua đó đề xuất giải pháp số hóa quy trình tiếp nhận và xử lý yêu cầu mở thẻ để giảm tải nhân sự quầy.

Ứng dụng thực tế và triển khai

Chiến lược triển khai giải pháp (2019–2023)

gantt
    title Lộ trình nâng cao chất lượng dịch vụ thẻ HDBank Bình Định
    dateFormat  YYYY-MM-DD
    section Nâng cấp Hạ tầng
    Khảo sát vị trí lắp đặt thêm 03 ATM mới          :2019-06-01, 90d
    Tái khởi động mạng lưới 20 POS tại siêu thị/khách sạn :2019-09-01, 180d
    section Quy trình & Bảo mật
    Triển khai chuẩn bảo mật thẻ Chip EMV/Contactless :2020-01-01, 365d
    Tối ưu hóa Hotline & Chatbot CSKH 24/7           :2020-06-01, 180d
    section Đào tạo & Marketing
    Tập huấn kỹ năng giao tiếp & xử lý sự cố kẹt thẻ :2019-07-01, 120d
    Chương trình ưu đãi sinh viên & tiểu thương      :2019-10-01, 240d

Phân tích Chi phí - Lợi ích triển khai ATM & POS mới

  • Chi phí đầu tư 01 trạm ATM tiêu chuẩn:
    • Chi phí thiết bị và lắp ráp cabin: ~700.000.000 VNĐ.
    • Chi phí vận hành (đường truyền, điện nước, bảo vệ, tiếp quỹ): ~25.000.000 VNĐ/tháng.
  • Bài toán kinh tế điểm hòa vốn:
    • Doanh số giao dịch trung bình/máy cần đạt: tối thiểu 1.500 giao dịch/tháng.
    • Lợi nhuận cận biên từ dịch vụ thẻ hiện tại ($20.7$ lần chi phí) hoàn toàn đủ năng lực tài chính để tài trợ việc lắp đặt thêm 2–3 trạm ATM tại Khu công nghiệp Phú Tài, Thị xã An Nhơn và Thị xã Hoài Nhơn.

Hạn chế và hướng phát triển

Hạn chế học thuật:

  1. Phương pháp chọn mẫu thuận tiện: Quy mô $N = 200$ tập trung chủ yếu tại TP. Quy Nhơn, chưa bao phủ hết các huyện vùng sâu vùng xa của tỉnh Bình Định.
  2. Tính chất dữ liệu tĩnh (Cross-sectional): Dữ liệu sơ cấp được thu thập tại một thời điểm (tháng 2–5/2019), chưa phản ánh được sự biến đổi nhận thức của khách hàng qua chu kỳ kinh tế dài hạn.
  3. Mô hình cấu trúc tuyến tính: Chưa ứng dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để kiểm tra các mối quan hệ trung gian (mediating effects) như Lòng trung thành của khách hàng (Customer Loyalty).

Hướng phát triển:

  • Mở rộng nghiên cứu sang đánh giá trải nghiệm người dùng trên ứng dụng ngân hàng số (HDBank Mobile Banking App) và hệ sinh thái liên kết hàng không (Vietjet Air - HDBank).
  • Ứng dụng kỹ thuật phân tích dữ liệu lớn (Big Data Analytics) trên nhật ký giao dịch (ATM Transaction Logs) để dự báo chính xác chu kỳ nạp tiền mặt tại các cây ATM nhằm triệt tiêu hoàn toàn sự cố hết tiền mặt.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Cung cấp tài liệu tham khảo chuẩn mực về cấu trúc khóa luận định lượng ngành Quản trị Kinh doanh / Tài chính - Ngân hàng; phương pháp xử lý dữ liệu khảo sát Likert qua SPSS (Cronbach's Alpha, EFA, OLS).
  • Cán bộ quản lý chi nhánh ngân hàng: Bản đồ các nhân tố trọng yếu giúp phân bổ ngân sách marketing và cải tiến quy trình vận hành dịch vụ khách hàng có trọng tâm.
  • Chuyên viên công nghệ & Vận hành thẻ: Dữ liệu thực tế về các điểm nghẽn trải nghiệm người dùng (kẹt thẻ, giao diện màn hình, tốc độ xử lý PIN) để nâng cấp firmware và hạ tầng giao dịch tự động.
  • Nhà nghiên cứu kinh tế ứng dụng: Khung thang đo chuẩn hóa 34 biến quan sát được kiểm định thực nghiệm trong bối cảnh thanh toán nông thôn và đô thị loại I miền Trung.

Câu hỏi thường gặp

1. Tại sao nghiên cứu lại chọn mô hình SERVPERF thay vì mô hình SERVQUAL gốc?

Mô hình SERVQUAL yêu cầu người trả lời đánh giá 2 lần (Kỳ vọng $E$ và Cảm nhận $P$) với 44 câu hỏi, dễ dẫn đến hiện tượng sai lệch tâm lý do nhàm chán. SERVPERF chỉ đo lường mức độ cảm nhận thực tế ($P$), vừa tiết kiệm thời gian khảo sát, vừa được chứng minh là có khả năng giải thích phương sai vượt trội trong các dịch vụ tài chính - ngân hàng.

2. Kích thước mẫu $N = 200$ có đảm bảo tính đại diện cho toàn bộ khách hàng tại Bình Định?

Theo nguyên tắc của Hair et al. (1998), kích thước mẫu tối thiểu cần gấp 5 lần số biến quan sát ($34 \times 5 = 170$). Với 200 quan sát hợp lệ, mẫu nghiên cứu hoàn toàn thỏa mãn các điều kiện tiên quyết về độ tin cậy để chạy phân tích nhân tố khám phá EFA và hồi quy đa biến OLS.

3. Tại sao số lượng máy POS của chi nhánh lại giảm về 0 trong năm 2017–2018?

Do chi phí bảo dưỡng POS cao trong khi tâm lý mua sắm tại Quy Nhơn thời điểm 2017–2018 vẫn chuộng tiền mặt, doanh số quẹt thẻ POS thấp không bù đắp được chi phí vận hành. Chi nhánh đã chủ động tái cơ cấu mạng lưới và tập trung nguồn lực phát triển thanh toán qua Internet/Mobile Banking.

4. Nhân tố nào ảnh hưởng mạnh nhất đến sự thỏa mãn của khách hàng HDBank Bình Định?

Kết quả phân tích hồi quy chuẩn hóa chỉ ra rằng Sự bảo mật và an toàn (BA) và Năng lực phục vụ (NL) là hai nhân tố có hệ số $\beta$ lớn nhất. Khách hàng quan tâm hàng đầu đến an toàn số dư tài khoản và thái độ chuyên nghiệp, nhã nhặn, xử lý khiếu nại nhanh chóng của đội ngũ cán bộ ngân hàng.

5. Chi phí lắp đặt 1 cây ATM khoảng 700 triệu VNĐ có tạo gánh nặng tài chính cho chi nhánh?

Tỷ suất lợi nhuận trên chi phí của dịch vụ thẻ HDBank Bình Định năm 2018 đạt mức $20.738$ lần (lợi nhuận hơn 74 tỷ VNĐ so với chi phí 3.58 tỷ VNĐ). Do đó, việc tái đầu tư lắp đặt thêm các trạm ATM mới hoàn toàn khả thi và có tính sinh lời cao về mặt chiến lược thương hiệu.

Kết luận

Công trình khóa luận tốt nghiệp đã hoàn thành toàn diện các mục tiêu nghiên cứu đặt ra. Thông qua việc kết hợp chặt chẽ giữa lý luận quản trị chất lượng dịch vụ hiện đại và dữ liệu thực nghiệm tại HDBank Chi nhánh Bình Định, nghiên cứu đã minh chứng: Sự thỏa mãn của khách hàng đối với dịch vụ thẻ là một hàm đa biến chịu sự chi phối quyết định bởi tính Bảo mật an toàn ($\beta_{\text{BA}}$), Năng lực phục vụ ($\beta_{\text{NL}}$) và Phương tiện hữu hình ($\beta_{\text{HH}}$).

Mặc dù chi nhánh đạt mức tăng trưởng kinh doanh thẻ ấn tượng (+847.8% về số lượng thẻ và lợi nhuận thẻ tăng gấp 11 lần), việc mở rộng hạ tầng tự phục vụ (ATM) và kích hoạt lại mạng lưới POS liên kết thương mại là điều kiện tiên quyết để giữ vững thị phần trước làn sóng chuyển đổi số ngân hàng bán lẻ tại khu vực duyên hải miền Trung. Các sinh viên và nhà nghiên cứu quan tâm có thể áp dụng toàn bộ khung phân tích và thang đo 34 biến trong tài liệu này cho các bài toán đánh giá dịch vụ công nghệ tài chính (Fintech) tương đương.