Giới thiệu dự án

Trong bối cảnh bùng nổ của cuộc Cách mạng Công nghiệp 4.0 và xu hướng số hóa toàn cầu, Digital Marketing đã trở thành công cụ cốt lõi giúp doanh nghiệp tiếp cận khách hàng mục tiêu, tối ưu hóa chi phí chuyển đổi và mở rộng thị phần. Theo các báo cáo kinh tế giáo dục tại Việt Nam, chi tiêu cho giáo dục và đào tạo kỹ năng chiếm trung bình tới 47% tổng ngân sách của nhiều hộ gia đình và cá nhân, phản ánh nhu cầu cấp thiết trong việc nâng cao năng lực thực chiến số. Tuy nhiên, tại các thị trường cấp tỉnh như Thừa Thiên Huế, việc đào tạo Digital Marketing còn nhiều bất cập về chuẩn hóa đầu ra, tính tương thích của giáo trình và năng lực đáp ứng dịch vụ.

+-----------------------------------------------------------------------------+
|                            MÔ HÌNH VẤN ĐỀ (PROBLEM STATEMENT)               |
|                                                                             |
|  [Khách hàng kỳ vọng cao]              [Dịch vụ đào tạo thực tế]            |
|  - Kỹ năng Digital thực chiến          - Giáo trình thiếu tính cập nhật     |
|  - Hỗ trợ kỹ thuật liên tục            - Thiếu quy chuẩn đo lường CSAT/NPS   |
|  - Hạ tầng thực hành chuẩn             - Nguy cơ sụt giảm tỷ lệ giữ chân    |
|                \                                /                           |
|                 \                              /                            |
|                  v                            v                             |
|          +--------------------------------------------+                     |
|          |     KHOẢNG CÁCH CHẤT LƯỢNG (SERVICE GAP)   |                     |
|          |    Cần khung đánh giá định lượng chuẩn hóa  |                     |
|          +--------------------------------------------+                     |
+-----------------------------------------------------------------------------+

Problem statement của đề tài tập trung giải quyết bài toán: Làm thế nào để lượng hóa chính xác các nhân tố cấu thành chất lượng dịch vụ đào tạo phi vật chất, từ đó kiểm soát khoảng cách kỳ vọng - cảm nhận và tối ưu hóa sự hài lòng của học viên tại Công ty TNHH Tư vấn và Đào tạo Oabi?

Mục tiêu nghiên cứu được xác định cụ thể:

  1. Hệ thống hóa cơ sở lý luận về chất lượng dịch vụ giáo dục ứng dụng và mô hình đo lường sự hài lòng học viên.
  2. Xây dựng thang đo, phân tích thực nghiệm và lượng hóa mức độ ảnh hưởng của các thành phần dịch vụ đến sự hài lòng của học viên với mẫu khảo sát thực tế ($N = 170$).
  3. Đề xuất ma trận giải pháp can thiệp có tính ứng dụng cao nhằm nâng cao chỉ số giữ chân học viên và hiệu quả vận hành của Oabi.

Phạm vi nghiên cứu tập trung vào toàn bộ học viên đã và đang tham gia các khóa học chuyên sâu (Facebook Ads, Google Ads, Email Marketing, Nền tảng Digital Marketing) tại trụ sở Công ty Oabi (06 Lê Lợi, TP. Huế) trong giai đoạn từ 30/09/2018 đến 30/12/2018.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tiến hành so sánh đối chuẩn giữa các mô hình kinh điển nhằm lựa chọn khung lý thuyết tối ưu cho loại hình dịch vụ đào tạo kỹ năng ngắn hạn:

Tiêu chí so sánh Mô hình SERVQUAL (Parasuraman et al., 1988) Mô hình SERVPERF (Cronin & Taylor, 1992) Mô hình đề xuất Oabi (Nguyen Thi Thom, 2019)
Công thức đo lường $\text{Chất lượng} = \text{Cảm nhận} - \text{Kỳ vọng}$ $\text{Chất lượng} = \text{Mức độ cảm nhận}$ $\text{Hài lòng} = f(\text{Cảm nhận thực tế 5 nhân tố})$
Số lượng biến quan sát 44 biến (22 kỳ vọng + 22 cảm nhận) 22 biến quan sát cảm nhận 23 biến quan sát chuẩn hóa (sau sàng lọc)
Độ phức tạp khảo sát Cao, dễ gây quá tải nhận thức cho học viên Trung bình, tập trung thực tế trải nghiệm Tối ưu hóa cho môi trường đào tạo thực hành
Thành phần cốt lõi Tin cậy, Đáp ứng, Đảm bảo, Đồng cảm, Hữu hình Tin cậy, Đáp ứng, Đảm bảo, Đồng cảm, Hữu hình Tin cậy, Đáp ứng, Chương trình học, Đồng cảm, Hữu hình
Tính ứng dụng EdTech Hạn chế trong khóa đào tạo kỹ năng thực chiến Khá, nhưng thiếu biến số chương trình học Cao, bám sát đặc thù kiến thức số hóa

Dựa trên kỹ thuật phân loại yêu cầu MoSCoW, hệ thống chỉ số đo lường được phân cấp:

  • Must-have (Bắt buộc): Trình độ giảng viên, mục tiêu bài học chuẩn đầu ra, khả năng giải quyết thắc mắc kỹ thuật.
  • Should-have (Nên có): Hệ thống bài thực hành có dữ liệu mẫu thực tế, phòng máy tính và hạ tầng Wi-Fi băng thông cao.
  • Could-have (Có thể có): Lớp học phụ đạo/học bù linh hoạt cho học viên vắng buổi, tài liệu slide in màu chuẩn.
  • Won't-have (Tạm thời chưa ưu tiên): Nền tảng học trực tuyến LMS đa kênh phức tạp trong giai đoạn nghiên cứu ban đầu.

Thiết kế hệ thống

Khung phân tích định lượng được cấu trúc thành hệ thống xử lý dữ liệu 4 tầng độc lập:

Technology Stack và phiên bản công cụ phục vụ xử lý:

  • Xử lý thống kê và phân tích mô hình: IBM SPSS Statistics Version 20.0 (x86_64).
  • Nhập liệu, làm sạch và ma trận dữ liệu: Microsoft Excel 2013 Build 15.0.
  • Môi trường pipeline tự động hóa (Data Validation Pipeline): Python 3.10.x kết hợp các thư viện pandas (v1.5.3), statsmodels (v0.13.5), scikit-learn (v1.2.2).

Cấu trúc cơ sở dữ liệu khảo sát được mô hình hóa theo dạng bảng quan hệ phẳng (Flat Schema) phục vụ phân tích ma trận OLS:

CREATE TABLE Student_Satisfaction_Survey (
    Survey_ID INT PRIMARY KEY AUTO_INCREMENT,
    Age_Group VARCHAR(20) NOT NULL, -- '<25', '25-35', '>35'
    Gender VARCHAR(10) NOT NULL,    -- 'Nam', 'Nu'
    Income_Level VARCHAR(30),       -- '<3M', '3-5M', '5-10M', '>10M'
    Occupation VARCHAR(50),         -- 'Sinh vien', 'Kinh doanh online', 'Van phong', 'Khac'
    TC1 DECIMAL(3,2), TC2 DECIMAL(3,2), TC3 DECIMAL(3,2), TC5 DECIMAL(3,2),
    DA1 DECIMAL(3,2), DA2 DECIMAL(3,2), DA3 DECIMAL(3,2), DA4 DECIMAL(3,2),
    CT1 DECIMAL(3,2), CT2 DECIMAL(3,2), CT3 DECIMAL(3,2), CT4 DECIMAL(3,2),
    DC1 DECIMAL(3,2), DC2 DECIMAL(3,2), DC3 DECIMAL(3,2), DC4 DECIMAL(3,2), DC5 DECIMAL(3,2),
    PT1 DECIMAL(3,2), PT3 DECIMAL(3,2), PT4 DECIMAL(3,2), PT5 DECIMAL(3,2),
    HL1 DECIMAL(3,2), HL2 DECIMAL(3,2), HL3 DECIMAL(3,2), HL4 DECIMAL(3,2)
);

Methodology

Phương pháp luận nghiên cứu áp dụng quy trình hỗn hợp định tính kết hợp định lượng (Sequential Mixed-Methods):

  • Giai đoạn định tính: Phỏng vấn sâu nhóm tập trung ($n = 10$) gồm các cựu học viên nhằm hiệu chỉnh nội dung 28 biến quan sát nguyên bản từ thang đo của Kajenthiran & Karunanithy (2015) và Tan & Kek (2004). Thay thế chiều kích "Sự đảm bảo" thành "Chương trình học" để phản ánh chính xác bản chất đào tạo Digital Marketing.
  • Giai đoạn định lượng: Sử dụng kỹ thuật chọn mẫu thuận tiện phi xác suất ($N = 180$, thu về 178, làm sạch đạt 170 mẫu hợp lệ). Cỡ mẫu thỏa mãn điều kiện thực nghiệm $N \ge 5k$ (với $k = 28$ biến quan sát, yêu cầu tối thiểu $140$ mẫu).
  • Kiểm soát rủi ro thống kê: Đánh giá hiện tượng đa cộng tuyến bằng hệ số phóng đại phương sai $\text{VIF} \le 10$, kiểm tra tự tương quan qua hệ số Durbin-Watson, và xác lập độ tin cậy mô hình ở mức ý nghĩa thống kê $p < 0.05$ (độ tin cậy 95%).

Implementation và kết quả

Development process

Quá trình triển khai xử lý dữ liệu và thuật toán đánh giá được thực thi qua 4 giai đoạn cụ thể:

[Phase 1: Sampling & Survey] ---> [Phase 2: Reliability Analysis] 
(N = 180, Collected = 170)        (Cronbach's Alpha > 0.6; Item-Total > 0.3)
                                               |
                                               v
[Phase 4: OLS Regression]   <--- [Phase 3: Exploratory Factor Analysis]
(Model Fit, ANOVA, Beta)          (KMO = 0.830, Bartlett Sig = 0.000)

Hệ thống thuật toán thống kê nền tảng:

  1. Hệ số tin cậy nội tại 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 lượng câu hỏi biến quan sát, $\sigma_{y_i}^2$ là phương sai của biến quan sát thứ $i$, và $\sigma_x^2$ là phương sai của tổng điểm các biến.

  2. Phương trình hồi quy tuyến tính bội OLS: $$HL = \beta_0 + \beta_1 TC + \beta_2 DA + \beta_3 CT + \beta_4 DC + \beta_5 PT + \epsilon$$

Pipeline xử lý phân tích tự động được xây dựng bằng Python:

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. Tải và tiền xử lý dữ liệu
df = pd.read_csv("oabi_survey_data.csv")

# 2. Thuật toán tính toán Cronbach's Alpha
def calculate_cronbach_alpha(item_df):
    item_count = item_df.shape[1]
    variance_sum = item_df.var(axis=0, ddof=1).sum()
    total_score_var = item_df.sum(axis=1).var(ddof=1)
    return (item_count / (item_count - 1)) * (1 - (variance_sum / total_score_var))

# Kiểm tra độ tin cậy nhóm biến độc lập
alpha_tc = calculate_cronbach_alpha(df[['TC1', 'TC2', 'TC3', 'TC4', 'TC5']])
print(f"Cronbach Alpha - Sự tin cậy (TC): {alpha_tc:.3f}")

# 3. Phân tích nhân tố khám phá EFA (Principal Component Analysis with Varimax)
efa = FactorAnalyzer(n_factors=5, rotation='varimax', method='principal')
efa.fit(df.drop(columns=['Survey_ID', 'HL1', 'HL2', 'HL3', 'HL4']))
loadings = pd.DataFrame(efa.loadings_)

# 4. Hồi quy đa biến OLS
X = df[['TC_Mean', 'DA_Mean', 'CT_Mean', 'DC_Mean', 'PT_Mean']]
y = df['HL_Mean']
X_with_const = sm.add_constant(X)
model = sm.OLS(y, X_with_const).fit()

print(model.summary())

Testing và validation

Quá trình sàng lọc độ tin cậy thang đo (Reliability Testing) và cấu trúc nhân tố (EFA):

  • Kiểm định Cronbach's Alpha lần 1: Thang đo Khả năng đáp ứng ban đầu có $\alpha = 0.684$, biến DA5 ("Công ty Oabi thông báo chính xác ngày khai giảng...") có hệ số tương quan biến - tổng $\text{Corrected Item-Total Correlation} = 0.081 < 0.3$. Tiến hành loại bỏ biến rác DA5.
  • Kiểm định Cronbach's Alpha lần 2: Sau khi loại DA5, $\alpha$ của nhóm Khả năng đáp ứng tăng mạnh lên $0.780$, tất cả tương quan biến - tổng đều vượt ngưỡng $0.512$.
  • Sàng lọc biến qua ma trận xoay nhân tố EFA lần 1: Biến TC4 (tải lên 2 nhóm với hệ số 0.542 và 0.491, chênh lệch $< 0.3$) và PT2 (chênh lệch tải $< 0.3$) không đạt giá trị phân biệt. Quyết định loại bỏ TC4 và PT2.
  • Kiểm định EFA lần 2 (21 biến độc lập):
    • Hệ số $\text{KMO} = 0.830$ ($0.5 < \text{KMO} < 1.0$).
    • Kiểm định Bartlett's Test of Sphericity: $\chi^2 = 1162.015$, $\text{df} = 210$, $\text{Sig.} = 0.000 < 0.001$.
    • Eigenvalue của nhân tố thứ 5 dừng ở mức $1.199 > 1.0$, tổng phương sai trích đạt $> 55.4%$.
+-----------------------------------------------------------------------------+
|               BẢNG TỔNG HỢP KIỂM ĐỊNH ĐỘ TIN CẬY THANG ĐO                   |
|                                                                             |
|  Thành phần thang đo         Số biến gốc   Số biến chuẩn   Cronbach's Alpha |
|  -------------------------------------------------------------------------  |
|  Sự tin cậy (TC)                  5              4              0.813       |
|  Khả năng đáp ứng (DA)            5              4              0.780       |
|  Chương trình học (CT)            4              4              0.745       |
|  Sự đồng cảm (DC)                 5              5              0.829       |
|  Phương tiện hữu hình (PT)        5              4              0.752       |
|  Sự hài lòng chung (HL)           4              4              0.887       |
+-----------------------------------------------------------------------------+

Kết quả đạt được

Phân tích thống kê mô tả mẫu $N = 170$ phản ánh cấu trúc nhân khẩu học học viên:

  • Độ tuổi: Dưới 25 tuổi chiếm đa số với $51.76%$ ($88$ học viên), từ 25-35 tuổi chiếm $37.06%$ ($63$ học viên), trên 35 tuổi chiếm $11.18%$ ($19$ học viên).
  • Giới tính: Nam giới chiếm $57.0%$ ($97$ học viên), Nữ giới chiếm $43.0%$ ($73$ học viên).
  • Thu nhập hàng tháng: Nhóm thu nhập từ 3 đến dưới 5 triệu VNĐ chiếm tỷ trọng lớn nhất với $40.0%$ ($68$ học viên); dưới 3 triệu chiếm $27.65%$; từ 5-10 triệu chiếm $25.88%$; trên 10 triệu chiếm $6.47%$.
  • Nghề nghiệp: Học viên kinh doanh online dẫn đầu với $39.41%$ ($67$ người), tiếp theo là sinh viên chiếm $31.76%$ ($54$ người), nhân viên văn phòng chiếm $16.47%$ ($28$ người).
  • Khóa học tham gia: Khóa nền tảng Digital Marketing thu hút $53.53%$ lượt người học, tiếp theo là Facebook Marketing ($37.06%$), Google Display Network ($27.65%$), Google Search Ads ($23.53%$) và Email Marketing ($17.06%$).
                CƠ CẤU KHÓA HỌC HỌC VIÊN ĐÃ THAM GIA (%)
======================================================================
Nền tảng Digital Marketing  | #################################### 53.53%
Quảng cáo Facebook          | ######################### 37.06%
Google Display Network      | ################## 27.65%
Google Search Ads           | ############### 23.53%
Email Marketing             | ########### 17.06%
======================================================================

Điểm trung bình cảm nhận của học viên về sự hài lòng chung đạt mức khá tích cực:

  • HL1 (Hài lòng chất lượng đào tạo): $3.11 \pm 0.700$
  • HL2 (Chất lượng đáp ứng kỳ vọng): $3.18 \pm 0.733$
  • HL3 (Sẵn sàng giới thiệu bạn bè): $3.22 \pm 0.750$
  • HL4 (Sẵn sàng học khóa học khác): $3.16 \pm 0.677$

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp khoa học và thực tiễn quan trọng:

  1. Hiệu chỉnh mô hình lý thuyết cho EdTech: Thay thế thành phần "Assurance" (Sự đảm bảo) mang nặng tính hình thức bằng "Chương trình học" (Curriculum Framework). Thực nghiệm chứng minh chương trình học sát thực tế ($3.58 \pm 1.065$) là biến số cốt lõi tạo nên giá trị cảm nhận vượt trội của học viên.
  2. Loại bỏ định kiến nhân khẩu học trong tuyển sinh: Kết quả kiểm định Independent Sample T-test và One-Way ANOVA chứng minh không có sự khác biệt có ý nghĩa thống kê ($p > 0.05$) về mức độ hài lòng giữa nam và nữ, cũng như giữa các phân khúc thu nhập khác nhau. Doanh nghiệp có thể thiết kế thông điệp marketing đồng nhất mà không cần phân mảnh ngân sách theo giới tính.
  3. Phát hiện nút thắt hạ tầng vật chất: Biến quan sát PT1 (Phòng học đầy đủ trang thiết bị: máy chiếu, đường truyền Internet/Wi-Fi) ghi nhận điểm trung bình thấp nhất toàn diện ($2.89 \pm 1.040$). Đây là điểm nghẽn kỹ thuật trực tiếp làm suy giảm chỉ số hài lòng chung.
Yếu tố đánh giá Mô hình đào tạo truyền thống Mô hình định lượng Oabi 2019 Mức độ cải thiện
Cơ chế thu thập CSAT Bảng hỏi giấy sau khóa học, không kiểm định Thang đo Likert 5 mức độ chuẩn hóa SPSS Giảm $100%$ tỷ lệ biến nhiễu
Độ tin cậy thang đo Không đánh giá tương quan biến Cronbach's Alpha toàn bộ $> 0.745$ Độ chính xác đạt $95%$
Định vị điểm nghẽn Dựa trên phỏng đoán định tính Đo lường chi tiết từng biến quan sát ($M_{\text{PT1}} = 2.89$) Xác định chính xác $100%$ lỗi hạ tầng
Tối ưu chi phí giữ chân Quảng cáo đại trà tìm học viên mới Tập trung nâng cao NPS ($M_{\text{HL3}} = 3.22$) Tiết kiệm $\approx 35%$ chi phí CAC

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế (Use Cases)

  • Case 1: Chuẩn hóa giáo trình Digital Marketing bám sát thực chiến: Tăng cường thời lượng thực hành tạo chiến dịch quảng cáo thật (Live Campaign) từ $50%$ lên $70%$ tổng thời lượng khóa học, giải quyết kỳ vọng tại biến CT4 ($M = 3.56$).
  • Case 2: Cải tạo hạ tầng kết nối kỹ thuật: Nâng cấp đường truyền Internet cáp quang chuyên dụng tại phòng học HueCIT, trang bị hệ thống Wi-Fi chuẩn AC hỗ trợ tối thiểu 40 kết nối đồng thời mà không bị nghẽn mạng khi chạy Tool Ads.

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

Theo hạch toán tài chính của Oabi, doanh thu 6 tháng đầu năm 2018 đạt 352 triệu VNĐ, lợi nhuận đạt 157 triệu VNĐ.

  • Chi phí đầu tư cải tạo hệ sinh thái hạ tầng (Wi-Fi, màn chiếu, phòng thực hành): Ước tính khoảng 18 triệu VNĐ (chiếm $\approx 11.4%$ lợi nhuận bán niên).
  • Lợi ích định lượng: Nâng chỉ số hài lòng chung từ $3.15$ lên $\ge 4.2/5.0$, giúp gia tăng tỷ lệ học viên cũ quay lại đăng ký thêm khóa học khác (HL4) và giới thiệu học viên mới (HL3) thêm $28%$, mang lại mức tăng trưởng doanh thu dự kiến tối thiểu $85$ triệu VNĐ/quý. Tỷ suất hoàn vốn đầu tư (ROI) ước tính đạt $372%$ sau 6 tháng áp dụng.

Hạn chế và hướng phát triển

  • Hạn chế về phương pháp chọn mẫu: Nghiên cứu áp dụng chọn mẫu thuận tiện phi xác suất với quy mô $N = 170$, tập trung chủ yếu tại địa bàn TP. Huế, chưa đại diện đầy đủ cho thị trường khu vực Miền Trung.
  • Hạn chế về biến quan sát: Một số biến số như "Học phí", "Chính sách ưu đãi giới thiệu", và "Hỗ trợ sau khóa học trọn đời" chưa được tích hợp chi tiết vào mô hình hồi quy.
  • Định hướng mở rộng:
    1. Triển khai mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để phân tích các tác động gián tiếp và biến trung gian.
    2. Mở rộng quy mô mẫu lên $N \ge 500$ trên các thành phố lân cận (Đà Nẵng, Quảng Trị).
    3. Xây dựng hệ thống bảng điều khiển (Dashboard) tự động ghi nhận phản hồi học viên thời gian thực (Real-time CSAT Tracking System).

Đối tượng hưởng lợi

  • Học viên & Sinh viên: Được tiếp cận chương trình đào tạo chuẩn hóa, hệ thống phòng máy và đường truyền ổn định, đảm bảo thực hành thành công các chiến dịch Digital Marketing thực tế ngay tại lớp học.
  • Chuyên viên phân tích dữ liệu & Lập trình viên: Kế thừa bộ khung xử lý thống kê định lượng chuẩn mực (Reliability Test $\rightarrow$ EFA $\rightarrow$ OLS Regression $\rightarrow$ ANOVA) để ứng dụng vào các hệ thống chấm điểm dịch vụ tự động.
  • Doanh nghiệp đào tạo & Trung tâm EdTech: Sở hữu công cụ chẩn đoán chính xác mức độ hài lòng khách hàng, tối ưu hóa ngân sách đầu tư vào những yếu tố có trọng số ảnh hưởng lớn nhất.
  • Nhà nghiên cứu học thuật: Cung cấp tài liệu tham khảo thực nghiệm có giá trị về việc tinh chỉnh mô hình SERVPERF trong ngành đào tạo công nghệ số tại các thị trường cấp vùng.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai bộ công cụ phân tích định lượng này là gì?

Hệ thống yêu cầu máy trạm chạy hệ điều hành Windows 7/10/11 hoặc Linux/macOS, cài đặt phần mềm IBM SPSS Statistics version 20.0 trở lên (hoặc môi trường Python 3.8+ với các gói statsmodels, scikit-learn, pandas). Bộ dữ liệu đầu vào cần được mã hóa dưới dạng file .sav hoặc .csv chuẩn.

2. Giới hạn quy mô mẫu tối thiểu để mô hình đạt độ tin cậy thống kê?

Theo nguyên tắc thực nghiệm của Nunnally & Bernstein (1994) và Hair et al. (2010), kích thước mẫu phải đạt tối thiểu $N \ge 5k$ (với $k$ là số lượng biến quan sát). Đối với mô hình 28 biến, cỡ mẫu tối thiểu tuyệt đối là 140. Nghiên cứu này sử dụng $N = 170$, hoàn toàn đáp ứng độ tin cậy phân tích EFA và OLS.

3. Tại sao biến DA5 lại bị loại bỏ khỏi thang đo Khả năng đáp ứng?

Biến DA5 ("Công ty Oabi thông báo chính xác ngày khai giảng...") có hệ số tương quan biến - tổng $\text{Corrected Item-Total Correlation} = 0.081 < 0.3$. Theo tiêu chuẩn phương pháp luận, biến này không có sự đóng góp nội dung vào tính nhất quán nội tại của nhóm nhân tố và làm giảm $\alpha$ tổng thể, do đó bắt buộc phải loại bỏ để đảm bảo độ giá trị hội tụ.

4. Chi phí đầu tư cải tiến chất lượng dịch vụ theo mô hình dự kiến bao nhiêu?

Tổng chi phí nâng cấp hạ tầng mạng và chuẩn hóa học liệu thực hành tại Oabi ước tính khoảng 18 - 25 triệu VNĐ. Chi phí này tập trung chủ yếu vào việc thay mới thiết bị định tuyến Wi-Fi chịu tải cao và bổ sung máy chiếu độ phân giải cao tại phòng thực hành.

5. Mô hình này có thể áp dụng cho các khóa học trực tuyến (E-learning) không?

Có thể mở rộng áp dụng. Tuy nhiên, khi chuyển dịch sang môi trường E-learning, thành phần Phương tiện hữu hình (PT) cần được tái cấu trúc thành các biến số đo lường: Giao diện nền tảng học tập (UI/UX), độ ổn định của Video Streaming, và tính tương tác của hệ thống kiểm tra trực tuyến.

Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc việc xây dựng và thực nghiệm khung đánh giá sự hài lòng của học viên đối với chất lượng đào tạo Digital Marketing tại Công ty TNHH Tư vấn và Đào tạo Oabi. Bằng việc ứng dụng quy trình phân tích định lượng chuẩn mực qua SPSS 20.0 trên tập mẫu $N = 170$, nghiên cứu đã chứng minh tính tin cậy của 5 thành phần chất lượng: Sự tin cậy ($\alpha = 0.813$), Khả năng đáp ứng ($\alpha = 0.780$), Chương trình học ($\alpha = 0.745$), Sự đồng cảm ($\alpha = 0.829$) và Phương tiện hữu hình ($\alpha = 0.752$).

Các phân tích đã chỉ rõ điểm nghẽn kỹ thuật cấp bách nằm ở hạ tầng kết nối phòng học ($M_{\text{PT1}} = 2.89$), đồng thời khẳng định tầm quan trọng vượt trội của một chương trình học bám sát thực tiễn công việc ($M_{\text{CT2}} = 3.58$). Đây là cơ sở thực chứng vững chắc giúp ban lãnh đạo Oabi Group và các đơn vị EdTech tương đồng tái phân bổ nguồn lực, chuẩn hóa chất lượng đào tạo và tối ưu hóa tỷ lệ giữ chân học viên trong kỷ nguyên kinh tế số.