Giới thiệu dự án

Thị trường Công nghệ Thông tin (CNTT) Việt Nam đang chứng kiến sự tăng trưởng vượt bậc với tổng doanh thu công nghiệp ICT năm 2019 đạt 112,350 tỷ USD, trong đó xuất khẩu ICT chiếm 81,5% và doanh thu công nghiệp phần mềm đạt mốc 5 tỷ USD (tăng 500 triệu USD so với 2018 theo số liệu từ Bộ Thông tin và Truyền thông). Trước sự dịch chuyển chuỗi cung ứng của các tập đoàn công nghệ lớn như Samsung (đầu tư 300 triệu USD cho trung tâm R&D), HCL Technologies (kế hoạch tuyển dụng 10.000 kỹ sư), và Apple, áp lực thiếu hụt nhân lực lập trình viên chất lượng cao trở thành nút thắt chiến lược.

Tại khu vực miền Trung, đặc biệt là Thừa Thiên Huế, sự xuất hiện của mô hình đào tạo lập trình thực chiến (Coding Bootcamp) là giải pháp đột phá. Tuy nhiên, doanh nghiệp giáo dục phải đối mặt với bài toán định vị thương hiệu và tối ưu hóa mức độ nhận diện thương hiệu (Brand Awareness) trước các đối thủ đào tạo đại học truyền thống và các trung tâm tin học ngắn hạn. Đề tài khóa luận "Đánh giá mức độ nhận biết thương hiệu CodeGym trên địa bàn thành phố Huế" được thực hiện nhằm giải quyết trực tiếp khoảng trống thông tin về đo lường tài sản thương hiệu (Brand Equity) trong lĩnh vực công nghệ giáo dục (EdTech).

          [Hệ thống Nhận diện Thương hiệu CodeGym]
                             │
     ┌──────────────┬────────┼──────────────┬──────────────┐
     ▼              ▼        ▼              ▼              ▼
[Tên Thương hiệu] [Logo] [Slogan] [Quảng bá/PR] [Đồng phục NV]
     │              │        │              │              │
     └──────────────┴────────┼──────────────┴──────────────┘
                             ▼
            [Phân tích Định lượng (EFA & OLS)]
                             │
                             ▼
    [Mức độ Nhận biết Thương hiệu (Brand Awareness)]

Mục tiêu nghiên cứu cụ thể:

  1. Hệ thống hóa khung lý thuyết: Chuẩn hóa hệ thống nhận diện thương hiệu và 4 cấp độ nhận biết (Top of Mind, Brand Recall, Brand Recognition, Unaware) áp dụng cho phân khúc EdTech.
  2. Xác định các nhân tố cấu thành: Đo lường 5 nhóm yếu tố ảnh hưởng gồm: Tên thương hiệu ($TH$), Logo ($LG$), Slogan ($SLG$), Quảng bá thương hiệu ($QB$), và Đồng phục nhân viên ($DPNV$).
  3. Phân tích tương quan và hồi quy tuyến tính đa biến: Kiểm định mô hình thực nghiệm bằng phần mềm IBM SPSS Statistics 26.0 trên tập dữ liệu mẫu chuẩn hóa.
  4. Xây dựng giải pháp chiến lược: Đề xuất lộ trình marketing tổng thể tối ưu hóa nhận diện thương hiệu cho CodeGym Huế giai đoạn 2021–2025.

Phạm vi và giới hạn:

  • Không gian: Địa bàn thành phố Huế, tập trung vào nhóm sinh viên CNTT, người chuyển ngành và người lao động trong độ tuổi 18–30.
  • Thời gian: Dữ liệu thứ cấp giai đoạn 2017–2020; dữ liệu sơ cấp điều tra từ 10/2020 đến 01/2021.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại địa bàn Thừa Thiên Huế, thị trường đào tạo lập trình phân hóa thành 3 nhóm giải pháp chính:

Giải pháp đào tạo Ưu điểm Nhược điểm Thị phần nhận biết tại Huế
Đại học truyền thống (ĐH Khoa học, ĐH Sư phạm Huế) Bằng cấp chính quy, nền tảng lý thuyết hàn lâm vững chắc Thời gian đào tạo dài (4 năm), giáo trình cập nhật chậm so với doanh nghiệp ~68% (Nhận biết cao)
Trung tâm tin học ngắn hạn (Aptech, Trung tâm ĐH) Chứng chỉ đa dạng, học phí chia nhỏ theo chứng chỉ Không cam kết việc làm, thiếu mô hình thực hành chuyên sâu ~45% (Nhận biết trung bình)
Coding Bootcamp (CodeGym Huế) Thời gian ngắn (5 tháng Fulltime), cam kết 100% việc làm, công nghệ thực chiến Học phí tập trung cao (35–40 triệu VNĐ), cường độ học 8h/ngày ~28% (Đang tăng trưởng)

Mô hình phân loại yêu cầu người dùng theo khung MoSCoW:

  • Must-have: Đo lường độ tin cậy thang đo ($\text{Cronbach's Alpha} \ge 0.70$), kiểm định phân tích nhân tố khám phá ($\text{KMO} \ge 0.50$, $\text{Sig.} < 0.05$).
  • Should-have: Mô hình hồi quy bội đánh giá trọng số tác động ($\beta$) của từng điểm chạm thương hiệu.
  • Could-have: Phân khúc mức độ nhận biết theo phương tiện truyền thông số (Facebook, Google Ads, CLB công nghệ).
  • Won't-have: Đánh giá lòng trung thành dài hạn sau 5 năm tốt nghiệp.

Thiết kế hệ thống

Hệ thống biến quan sát được mã hóa dựa trên thang đo Likert 5 mức độ (1: Rất không đồng ý đến 5: Rất đồng ý):

                        MÔ HÌNH HỒI QUY ĐỀ XUẤT
   ┌─────────────────────────────────────────────────────────────┐
   │ TH (TH1, TH2, TH3, TH4)       ──(β1)──┐                     │
   │ LG (LG1, LG2, LG3, LG4)       ──(β2)──┤                     │
   │ SLG (SLG1, SLG2, SLG3, SLG4)  ──(β3)──┼──► [ Brand Awareness│
   │ QB (QB1, QB2, QB3, QB4)       ──(β4)──┤          (DG)       │
   │ DPNV (DPNV1, DPNV2, DPNV3, DPNV4) (β5)┘    (DG1 -> DG6)     │
   └─────────────────────────────────────────────────────────────┘

Công nghệ và công cụ xử lý dữ liệu:

  • Xử lý số liệu thống kê: IBM SPSS Statistics v26.0.
  • Kịch bản tự động hóa dữ liệu: Python 3.9 (Thư viện pandas, statsmodels, seaborn).
  • Nền tảng đào tạo công nghệ tham chiếu: JavaScript ES6, PHP 8.0/Laravel 8.x, Java 11/Spring MVC 5.x, ASP.NET Core 3.1, Angular 11.
# Script kiểm tra độ tương quan và hồi quy OLS bằng Python 3.9
import pandas as pd
import statsmodels.api as sm

# Khởi tạo mô hình định lượng đánh giá nhận diện thương hiệu
def run_brand_awareness_regression(data_path: str):
    df = pd.read_csv(data_path)
    X = df[['TH_Mean', 'LG_Mean', 'SLG_Mean', 'QB_Mean', 'DPNV_Mean']]
    y = df['DG_Mean']
    
    # Bổ sung hằng số Beta 0
    X = sm.add_constant(X)
    model = sm.OLS(y, X).fit()
    
    print(model.summary())
    return model

# Mô hình toán học tổng quát:
# Y = beta_0 + beta_1*TH + beta_2*LG + beta_3*SLG + beta_4*QB + beta_5*DPNV + e

Methodology

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

  1. Nghiên cứu định tính sơ bộ: Thảo luận nhóm tập trung ($N=10$) nhằm hiệu chỉnh bảng hỏi và mã hóa 26 biến quan sát ($TH1 \to TH4$, $LG1 \to LG4$, $SLG1 \to SLG4$, $QB1 \to QB4$, $DPNV1 \to DPNV4$, $DG1 \to DG6$).
  2. Kích thước mẫu khảo sát: Xác định theo công thức W. Cochran và Hair et al. Đối với phân tích EFA, cỡ mẫu tối thiểu bằng 5 lần số biến quan sát: $$N_{\text{min}} = k \times 5 = 20 \times 5 = 100 \text{ quan sát}$$ Nghiên cứu thu thập mẫu thực tế gồm 120 bảng hỏi, làm sạch loại bỏ dữ liệu ngoại lai (outliers) còn 100 mẫu hợp lệ ($100%$ valid).
  3. Ma trận đánh giá rủi ro:
    • Rủi ro lệch mẫu (Sampling Bias): Khắc phục bằng cách phân bổ mẫu phân tầng theo sinh viên đại học kỹ thuật, người đi làm và học sinh THPT.
    • Rủi ro đa cộng tuyến (Multicollinearity): Đặt ngưỡng chặn hệ số phóng đại phương sai $\text{VIF} < 2.0$.

Implementation và kết quả

Development process

Quá trình thu thập và xử lý dữ liệu được tiến hành qua 4 pha kiểm định:

[Thu thập dữ liệu] ──► [Kiểm định Cronbach's Alpha] ──► [Phân tích Nhân tố EFA] ──► [Hồi quy Đa biến OLS]

* Kịch bản SPSS Syntax phân tích độ tin cậy thang đo và EFA;
RELIABILITY
  /VARIABLES=TH1 TH2 TH3 TH4 LG1 LG2 LG3 LG4 SLG1 SLG2 SLG3 SLG4 QB1 QB2 QB3 QB4 DPNV1 DPNV2 DPNV3 DPNV4
  /SCALE('Brand_Components') ALL
  /MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE CORR
  /SUMMARY=TOTAL.

FACTOR
  /VARIABLES=TH1 TH2 TH3 TH4 LG1 LG2 LG3 LG4 SLG1 SLG2 SLG3 SLG4 QB1 QB2 QB3 QB4 DPNV1 DPNV2 DPNV3 DPNV4
  /MISSING LISTWISE 
  /ANALYSIS TH1 TH2 TH3 TH4 LG1 LG2 LG3 LG4 SLG1 SLG2 SLG3 SLG4 QB1 QB2 QB3 QB4 DPNV1 DPNV2 DPNV3 DPNV4
  /PRINT INITIAL EXTRACTION ROTATION FSCORE
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PAF
  /ROTATION VARIMAX.

Testing và validation

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

  • Nhóm biến độc lập: Tên thương hiệu ($\alpha = 0.842$), Logo ($\alpha = 0.816$), Slogan ($\alpha = 0.829$), Quảng bá thương hiệu ($\alpha = 0.875$), Đồng phục nhân viên ($\alpha = 0.798$).
  • Nhóm biến phụ thuộc: Đánh giá nhận biết chung ($\alpha = 0.864$).
  • Tất cả các biến quan sát đều có hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $> 0.35$, không có biến rác cần loại bỏ.

2. Phân tích nhân tố khám phá (EFA):

  • Kiểm định KMO and Bartlett’s Test:
    • Hệ số $\text{KMO} = 0.812$ ($0.5 < \text{KMO} < 1.0$).
    • Kiểm định Bartlett: $\text{Approx. Chi-Square} = 1420.35$, $\text{df} = 190$, $\text{Sig.} = 0.000 < 0.05$.
  • Giá trị trích xuất:
    • Trích xuất 5 nhân tố với $\text{Eigenvalues} > 1.0$ (nhân tố thấp nhất đạt 1.185).
    • Tổng phương sai trích (Total Variance Explained) $= 65.42% > 50%$.
    • Trọng số nhân tố (Factor Loading) của tất cả các biến đều lớn hơn $0.55$.

3. Kiểm định One-Sample T-Test:

Kiểm định giá trị trung bình với giá trị kiểm định $\text{Test Value} = 3.0$ (Mức trung hòa):

  • Yếu tố Tên thương hiệu: $\text{Mean} = 3.82$ ($p = 0.000 < 0.05$).
  • Yếu tố Logo: $\text{Mean} = 3.76$ ($p = 0.000 < 0.05$).
  • Yếu tố Slogan: $\text{Mean} = 3.45$ ($p = 0.000 < 0.05$).
  • Yếu tố Quảng bá: $\text{Mean} = 3.32$ ($p = 0.001 < 0.05$).
  • Yếu tố Đồng phục: $\text{Mean} = 3.68$ ($p = 0.000 < 0.05$).

Kết quả đạt được

Hệ phương trình hồi quy tuyến tính thu được sau kiểm định ANOVA ($F = 38.45, p < 0.001$, hệ số $R^2 = 0.672$, $R^2 \text{ hiệu chỉnh} = 0.654$):

$$\text{Brand Awareness (DG)} = 0.215 + 0.312 \times \text{TH} + 0.245 \times \text{LG} + 0.185 \times \text{SLG} + 0.268 \times \text{QB} + 0.142 \times \text{DPNV}$$

                TRỌNG SỐ TÁC ĐỘNG ĐẾN NHẬN BIẾT THƯƠNG HIỆU
Tên thương hiệu (TH)     ████████████████████████████ 31.2% (β = 0.312)
Quảng bá thương hiệu (QB)████████████████████████ 26.8% (β = 0.268)
Logo hình ảnh (LG)       ████████████████████ 24.5% (β = 0.245)
Slogan khẩu hiệu (SLG)   ████████████████ 18.5% (β = 0.185)
Đồng phục nhân viên(DPNV)████████████ 14.2% (β = 0.142)
  • Mức độ nhận diện Top of Mind: Đạt $14.5%$ trong phân khúc trung tâm đào tạo lập trình tại Huế.
  • Nhận biết có trợ giúp (Brand Recognition): Đạt $62.8%$ thông qua kênh truyền thông mạng xã hội và sự kiện ngày hội việc làm.
  • Hiện tượng tự tương quan và đa cộng tuyến: Hệ số Durbin-Watson đạt $1.892$ ($1.5 < d < 2.5$), hệ số $\text{VIF}$ cao nhất là $1.423 < 2.0$, xác nhận không xảy ra hiện tượng đa cộng tuyến.

Đổi mới và đóng góp

  1. Ứng dụng mô hình định lượng vào EdTech địa phương: Chuyển đổi phương pháp marketing cảm tính sang mô hình đo lường kinh tế lượng chuẩn xác với $R^2 = 65.4%$.
  2. Xác định điểm chạm trọng yếu: Chứng minh yếu tố Tên thương hiệu ($\beta = 0.312$) và Hoạt động quảng bá ($\beta = 0.268$) đóng vai trò quyết định, chiếm hơn $58%$ tổng mức tác động đến quyết định nhận diện của học viên.
  3. Đổi mới quy trình truyền thông: Đề xuất mô hình liên kết trực tiếp giữa các workshop kỹ thuật miễn phí (Free Coding Tours) và nhận diện thương hiệu học viện, giúp tối ưu chi phí tiếp thị (CPA) giảm ước tính $22%$.

Ứng dụng thực tế và triển khai

Chiến lược triển khai giai đoạn 2021–2025:

[Quý 1-2/2021]                    [Quý 3-4/2021]                   [2022-2025]
Chuẩn hóa Bộ Nhận diện ────────► Chiến dịch Đa kênh ────────► Hợp tác Doanh nghiệp
(Logo, Đồng phục, Slogan)        (SEO, Facebook Ads, Workshop) (FPT Software, Enclave, HCL)
  1. Tối ưu hóa Tên thương hiệu & Logo: Tăng cường hiển thị nhận diện tại các cụm trường đại học (ĐH Bách Khoa Đà Nẵng, ĐH Khoa học Huế) qua tài trợ cuộc thi học thuật và hackathon.
  2. Kênh tiếp thị số: Phân bổ ngân sách 60% cho kênh Digital (Facebook Marketing, Google Search Engine Optimization với từ khóa "học lập trình bootcamp Huế", "học PHP Huế", "học Java cấp tốc").
  3. Phân tích hiệu quả kinh tế (ROI Forecast):
    • Chi phí chiến dịch nhận diện thương hiệu: ~150.000.000 VNĐ/năm.
    • Số lượng tuyển sinh tăng dự kiến: $35% \to 50%$ (tăng thêm 45–60 học viên/năm).
    • Doanh thu tăng thêm: $\approx 1.575.000.000 \text{ VNĐ} - 2.100.000.000 \text{ VNĐ}$.
    • Tỷ lệ ROI ước tính: $> 350%$ sau 18 tháng vận hành.

Hạn chế và hướng phát triển

  • Giới hạn kích thước mẫu: Mẫu khảo sát $N=100$ được lấy theo phương pháp chọn mẫu thuận tiện; cần mở rộng lên $N \ge 300$ bằng phương pháp lấy mẫu phân tầng ngẫu nhiên trong các nghiên cứu tiếp theo.
  • Phạm vi địa lý: Mới chỉ đánh giá tại khu vực nội thành TP. Huế, chưa bao quát các vùng lân cận như Hương Thủy, Hương Trà hay Quảng Trị, Đà Nẵng.
  • Hướng phát triển: Tích hợp mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để phân tích mối quan hệ giữa Nhận biết thương hiệu $\to$ Cảm nhận chất lượng $\to$ Ý định đăng ký khóa học.

Đối tượng hưởng lợi

  • Học viên & Sinh viên: Nắm bắt mô hình đào tạo Coding Bootcamp chuẩn hóa, rút ngắn lộ trình gia nhập thị trường lao động CNTT chỉ còn 5 tháng.
  • Doanh nghiệp EdTech & CodeGym: Có cơ sở dữ liệu định lượng chính xác để điều chỉnh phân bổ ngân sách Marketing Mix và tối ưu thông điệp truyền thông.
  • Nhà nghiên cứu & Giảng viên: Cung cấp tài liệu tham khảo thực nghiệm về ứng dụng thang đo EFA và phân tích hồi quy trong quản trị tài sản thương hiệu ngành đào tạo kỹ thuật.

Câu hỏi thường gặp

1. Kích thước mẫu N=100 có đảm bảo tính đại diện thống kê không?

Theo tiêu chuẩn phân tích nhân tố EFA của Hair et al. (2010), tỷ lệ mẫu trên biến quan sát tối thiểu là $5:1$. Với 20 biến độc lập quan sát, cỡ mẫu $N=100$ đáp ứng đúng ngưỡng giới hạn phân tích thống kê hợp lệ.

2. Yếu tố nào ảnh hưởng mạnh nhất đến mức độ nhận biết thương hiệu CodeGym?

Kết quả phân tích hồi quy cho thấy Tên thương hiệu có trọng số tác động cao nhất ($\beta = 0.312$, $p < 0.01$), tiếp theo là Quảng bá thương hiệu ($\beta = 0.268$, $p < 0.01$).

3. Làm thế nào để giải quyết vấn đề nhận diện Slogan còn thấp (Mean = 3.45)?

Cần tinh gọn thông điệp slogan, gắn liền slogan với các chiến dịch video ngắn thực tế trên TikTok, YouTube về kết quả việc làm học viên nhằm tăng độ ghi nhớ tự nhiên (Brand Recall).

Kết luận

Nghiên cứu đã ứng dụng thành công phương pháp định lượng thực nghiệm để làm sáng tỏ các nhân tố định hình mức độ nhận biết thương hiệu CodeGym tại thành phố Huế. Với mô hình hồi quy giải thích được $65.4%$ sự biến thiên của mức độ nhận biết, đề tài không chỉ khẳng định giá trị thực tiễn của các điểm chạm nhận diện (Tên, Logo, Slogan, Quảng bá, Đồng phục) mà còn cung cấp khung hành động cụ thể giúp các đơn vị EdTech gia tăng thị phần và đáp ứng nhu cầu nhân lực công nghệ thông tin trong kỷ nguyên số.