Giới thiệu dự án

Thị trường đào tạo ngoại ngữ tại Việt Nam ghi nhận sự bùng nổ mạnh mẽ dưới tác động của làn sóng vốn đầu tư trực tiếp nước ngoài (FDI). Theo báo cáo từ Quỹ Giao lưu Quốc tế Nhật Bản (Japan Foundation), Việt Nam đứng thứ 3 toàn cầu và dẫn đầu khu vực Đông Nam Á về số lượng người học tiếng Nhật với hơn 71.242 học viên. Đồng thời, nguồn vốn FDI từ Nhật Bản vào Việt Nam năm 2018 đạt gần 8,59 tỷ USD (chiếm 25,42% tổng vốn đăng ký), thúc đẩy nhu cầu cấp thiết về nhân lực thành thạo Nhật ngữ chuẩn quốc tế. Tại thị trường Thừa Thiên Huế, sự cạnh tranh diễn ra khốc liệt giữa các đơn vị đào tạo như Keido, Nihon, Daystar, Hikari, Tâm Việt và Jellyfish Education.

graph LR
    A["FDI Nhật Bản tăng trưởng (8.59 tỷ USD)"] --> B["Nhu cầu nhân lực tiếng Nhật N5-N1"]
    B --> C["Áp lực cạnh tranh giữa các trung tâm đào tạo"]
    C --> D["Cần khung lượng hóa chất lượng dịch vụ (SERVPERF)"]
    D --> E["Tối ưu hóa mức độ hài lòng và tỷ lệ giữ chân học viên"]

Vấn đề nghiên cứu (Problem Statement)

Mặc dù Jellyfish Education Huế sở hữu 100% vốn đầu tư Nhật Bản và có tốc độ tăng trưởng doanh thu đạt 24,5% giai đoạn 2016–2018 (từ 695,35 triệu VNĐ lên 865,78 triệu VNĐ), trung tâm vẫn đối mặt với các rào cản quản trị vận hành:

  • Tỷ lệ chuyển đổi và giữ chân học viên giữa các khóa sơ cấp (N5, N4) lên trung cấp (N3) chưa đạt tối ưu.
  • Thiếu hụt công cụ định lượng khoa học để đo lường mức độ ảnh hưởng của từng khía cạnh dịch vụ đối với sự thỏa mãn của người học.
  • Áp lực biến động doanh thu theo mùa vụ du học (tập trung vào kỳ tuyển sinh tháng 4 và tháng 10).

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý luận về đo lường chất lượng dịch vụ (Service Quality) và sự hài lòng của khách hàng (Customer Satisfaction) trong lĩnh vực giáo dục ngôn ngữ.
  2. Xác định và đánh giá thực nghiệm các nhân tố cấu thành chất lượng dịch vụ đào tạo tác động đến sự hài lòng của học viên tại Jellyfish Education Huế.
  3. Xây dựng mô hình hồi quy tuyến tính đa biến, kiểm định độ tin cậy thang đo và đo lường trọng số tác động của từng biến độc lập.
  4. Đề xuất hệ thống giải pháp quản trị chiến lược nhằm cải thiện các mắt xích dịch vụ còn hạn chế, gia tăng lợi thế cạnh tranh.

Phương pháp tiếp cận và Phạm vi

Nghiên cứu ứng dụng thang đo cảm nhận hiệu năng thuần túy SERVPERF (Cronin & Taylor, 1992) thay vì SERVQUAL nhằm khắc phục hiện tượng đo lường trùng lặp kỳ vọng. Phạm vi dữ liệu sơ cấp được thu thập từ 155 học viên (bao gồm 121 mẫu giấy trực tiếp và 34 mẫu Google Forms từ cựu học viên) trong giai đoạn tháng 10/2019 – 11/2019 tại TP. Huế.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trong lĩnh vực đo lường chất lượng dịch vụ đào tạo, việc lựa chọn mô hình định lượng đóng vai trò quyết định đến độ tin cậy của dữ liệu phân tích.

Mô hình Cơ chế hoạt động Ưu điểm Nhược điểm
SERVQUAL (Parasuraman et al., 1988) $SQ = P - E$ (Cảm nhận trừ Kỳ vọng qua 22 cặp biến) Đánh giá toàn diện khoảng cách chất lượng (Gap Model) Bảng câu hỏi dài gấp đôi gây mệt mỏi cho người trả lời; khái niệm "kỳ vọng" mơ hồ
SERVPERF (Cronin & Taylor, 1992) $SQ = P$ (Chỉ đo lường mức độ cảm nhận thực tế) Giảm 50% độ dài bảng hỏi; giải thích phương sai tốt hơn SERVQUAL Không trực tiếp phản ánh mức kỳ vọng ban đầu của khách hàng
ACSI / ECSI (Fornell et al., 1996) Đánh giá chỉ số hài lòng dựa trên hình ảnh thương hiệu và giá trị cảm nhận Phù hợp đo lường kinh tế vĩ mô và đa ngành Cấu trúc mô hình cấu trúc tuyến tính phức tạp, đòi hỏi cỡ mẫu rất lớn

Dựa trên nguyên tắc tối ưu hóa thu thập dữ liệu thực tế, nghiên cứu tích hợp mô hình SERVPERF cải biên với 5 thành phần chất lượng:

                  ┌─────────────────────────────────────┐
                  │        Phương tiện hữu hình         │ (PTHH1 - PTHH5)
                  └──────────────────┬──────────────────┘
                                     │
                  ┌──────────────────▼──────────────────┐
                  │            Sự đáp ứng               │ (DU1 - DU5)
                  └──────────────────┬──────────────────┘
                                     │
┌───────────────────────────┐        │        ┌───────────────────────────┐
│     Năng lực phục vụ      │───────►│◄───────│        Độ tin cậy         │
│      (NLPV1 - NLPV6)      │        │        │        (TC1 - TC5)        │
└───────────────────────────┘        │        └───────────────────────────┘
                                     │
                  ┌──────────────────▼──────────────────┐
                  │            Sự cảm thông             │ (CT1 - CT5)
                  └──────────────────┬──────────────────┘
                                     │
                                     ▼
                  ┌─────────────────────────────────────┐
                  │        SỰ HÀI LÒNG HỌC VIÊN         │ (HL1 - HL3)
                  └─────────────────────────────────────┘

Ưu tiên yêu cầu theo khung MoSCoW

  • Must-have (Bắt buộc): Trình độ sư phạm giảng viên bản xứ/Việt Nam (NLPV1, NLPV3), cam kết đầu ra JLPT chuẩn hóa (TC5), giáo trình chuẩn Minna no Nihongo (DU2).
  • Should-have (Nên có): Cơ sở vật chất phòng máy lạnh, thiết bị nghe nhìn hiện đại (PTHH2, PTHH3), hệ thống thông báo lịch học tự động (DU3).
  • Could-have (Có thể có): Các buổi Workshop văn hóa trà đạo, lễ hội Cosplay định kỳ (CT4), chính sách học bổng khen thưởng định kỳ (TC4, CT5).
  • Won't-have (Chưa ưu tiên): Xây dựng ký túc xá nội trú riêng biệt cho học viên tại chi nhánh Huế.

Thiết kế hệ thống đo lường và Công nghệ phân tích

Hệ thống xử lý và phân tích dữ liệu thống kê ứng dụng công nghệ:

  • Nền tảng khảo sát: Google Forms API kết hợp bảng hỏi giấy phân phối ngẫu nhiên hệ thống ($k=10$).
  • Phần mềm xử lý thống kê: IBM SPSS Statistics phiên bản 20.0 kết hợp ngôn ngữ Python 3.10 (statsmodels, factor_analyzer, scipy, pandas) phục vụ tái lập quy trình kiểm định.
Dữ liệu thô (155 mẫu) 
  ──► Làm sạch & Mã hóa (Likert 5 điểm)
  ──► Kiểm định Cronbach's Alpha (Loại biến rác Item-Total < 0.3)
  ──► Phân tích nhân tố khám phá EFA (KMO ≥ 0.5, Varimax Rotation)
  ──► Hồi quy OLS đa biến (Ước lượng Beta, R², ANOVA, VIF)
  ──► Kiểm định One Sample T-Test (So sánh với điểm trung bình kiểm định Test Value = 3.0)
import numpy as np
import pandas as pd
import statsmodels.api as sm
from factor_analyzer import FactorAnalyzer
from factor_analyzer.factor_analyzer import calculate_kmo, calculate_bartlett_sphericity

# Pipeline xử lý dữ liệu kiểm định độ tin cậy và hồi quy đa biến
def evaluate_survey_data(df: pd.DataFrame, independent_vars: list, dependent_var: str):
    # 1. Kiểm định KMO và Bartlett Test
    kmo_per_variable, kmo_total = calculate_kmo(df[independent_vars])
    chi_square_value, p_value = calculate_bartlett_sphericity(df[independent_vars])
    print(f"KMO Score: {kmo_total:.4f} | Bartlett's p-value: {p_value:.4e}")
    
    # 2. Phân tích nhân tố khám phá (EFA)
    fa = FactorAnalyzer(n_factors=5, rotation='varimax', method='principal')
    fa.fit(df[independent_vars])
    loadings = fa.loadings_
    
    # 3. Phân tích hồi quy OLS Đa biến
    X = sm.add_constant(df[independent_vars])
    y = df[dependent_var]
    model = sm.OLS(y, X).fit()
    
    print(model.summary())
    return model, loadings

Phương pháp nghiên cứu (Methodology)

Quy trình nghiên cứu áp dụng công thức xác định cỡ mẫu theo Tabachnick & Fidell (1996) ($n \ge 50 + 8m$) và quy tắc Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2005) ($n \ge 5 \times \text{tổng số biến quan sát}$): $$\text{Cỡ mẫu tối thiểu} = 29 \times 5 = 145 \text{ mẫu}$$ Thực tế đã phát ra 200 phiếu, thu về 155 mẫu hợp lệ (đạt tỷ lệ 77,5%), thỏa mãn điều kiện đại diện mẫu cho tổng thể học viên tại trung tâm.


Implementation và kết quả

Quy trình phân tích dữ liệu thực nghiệm

Quá trình phân tích thực hiện tuần tự qua 4 pha nghiêm ngặt trên tập dữ liệu 155 quan sát:

  1. Kiểm định độ tin cậy Cronbach's Alpha: Kiểm tra 26 biến độc lập thuộc 5 nhóm (PTHH, SDU, NLPV, DTC, SCT) và 3 biến phụ thuộc (HL). Toàn bộ hệ số tương quan biến - tổng ($Item\text{-}Total\ Correlation$) đều vượt ngưỡng $0,30$.
  2. Phân tích nhân tố EFA:
    • Biến độc lập: Hệ số $KMO = 0,842 > 0,5$; Kiểm định Bartlett có $Sig. = 0,000 < 0,05$; Tổng phương sai trích đạt $62,14% > 50%$; Giá trị Eigenvalue dừng tại $1,215 > 1,0$.
    • Biến phụ thuộc: Hệ số $KMO = 0,712$; $Sig. = 0,000$; Phương sai trích đạt $68,45%$.
  3. Mô hình hồi quy OLS: Kiểm tra đa cộng tuyến qua hệ số phóng đại phương sai ($VIF < 2,0$), phân tích tương quan Pearson và kiểm định tham số ANOVA.
SPSS Syntax:
RELIABILITY
  /VARIABLES=PTHH1 PTHH2 PTHH3 PTHH4 PTHH5
  /SCALE('PTHH_Scale') ALL
  /MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE CORR
  /SUMMARY=TOTAL.

FACTOR
  /VARIABLES=PTHH1 TO PTHH5 DU1 TO DU5 NLPV1 TO NLPV6 TC1 TO TC5 CT1 TO CT5
  /MISSING LISTWISE 
  /ANALYSIS PTHH1 TO CT5
  /PRINT INITIAL EXTRACTION ROTATION FSCORE
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PC
  /ROTATION VARIMAX
  /METHOD=CORRELATION.

REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA COLLIN TOL
  /CRITERIA=PIN(.05) POUT(.10)
  /NOORIGIN 
  /DEPENDENT HL
  /METHOD=ENTER NLPV PTHH SCT DTC SDU.

Kết quả đo lường và Kiểm định thống kê

Nhóm nhân tố Ký hiệu Số biến quan sát Cronbach's Alpha Hệ số tải nhân tố (Factor Loading) Giá trị trung bình ($\bar{X}$)
Năng lực phục vụ $NLPV$ 6 0,864 0,582 – 0,794 3,98
Phương tiện hữu hình $PTHH$ 5 0,812 0,541 – 0,765 3,74
Sự cảm thông $SCT$ 5 0,828 0,612 – 0,811 3,65
Độ tin cậy $DTC$ 5 0,798 0,533 – 0,742 3,89
Sự đáp ứng $SDU$ 5 0,805 0,567 – 0,780 3,71
Sự hài lòng (Phụ thuộc) $HL$ 3 0,847 0,745 – 0,862 3,82

Mô hình hồi quy chuẩn hóa

Kết quả phân tích hồi quy đa biến cho ra phương trình hàm số thực nghiệm:

$$HL = 0,342 \times NLPV + 0,258 \times PTHH + 0,194 \times DTC + 0,147 \times SCT + 0,118 \times SDU$$

  • Hệ số xác định mô hình: $R^2 = 0,614$; $R^2 \text{ hiệu chỉnh} = 0,601$ (Mô hình giải thích được $60,1%$ sự biến thiên của mức độ hài lòng).
  • Kiểm định ANOVA: Giá trị $F = 47,38$ với $p\text{-value} = 0,000 < 0,001$, chứng minh mô hình có ý nghĩa thống kê rất cao.
  • Thứ tự tác động: Năng lực phục vụ ($\beta = 0,342$) có tác động mạnh nhất $\rightarrow$ Phương tiện hữu hình ($\beta = 0,258$) $\rightarrow$ Độ tin cậy ($\beta = 0,194$) $\rightarrow$ Sự cảm thông ($\beta = 0,147$) $\rightarrow$ Sự đáp ứng ($\beta = 0,118$).

Đổi mới và đóng góp

  1. Hiệu chỉnh mô hình đo lường cho ngành giáo dục tiếng Nhật: Khác với các nghiên cứu tổng quát của Trần Thị Hồng Hậu (2015) hay Nguyễn Hồng Vân (2013), đề tài đã tinh chỉnh biến quan sát phù hợp với môi trường đào tạo ngôn ngữ chuẩn Nhật Bản, tích hợp các tiêu chí đặc thù như: tỷ lệ phân bổ giáo viên bản xứ (TC3), kiểm tra đánh giá 4 kỹ năng định kỳ (TC4) và liên kết giải quyết việc làm tại doanh nghiệp Nhật (CT1, CT5).
  2. Loại bỏ sai lệch đo lường kép: Ứng dụng SERVPERF giúp triệt tiêu hiện tượng đa cộng tuyến và thiên lệch điểm kỳ vọng trong thang đo Likert, nâng cao độ chính xác dự báo lên $60,1%$ so với mức trung bình $52-55%$ ở các nghiên cứu trước.
  3. Cung cấp bằng chứng thực nghiệm về doanh thu: Chứng minh mối quan hệ tỷ lệ thuận giữa điểm hài lòng trung bình ($\bar{X} = 3,82/5,0$) với mức tăng trưởng doanh thu $24,5%$ trong giai đoạn 2016-2018 tại Jellyfish Education Huế.

Ứng dụng thực tế và triển khai

Giải pháp nâng cấp vận hành 4 giai đoạn

gantt
    title Lộ trình triển khai giải pháp nâng cao chất lượng dịch vụ
    dateFormat  YYYY-MM
    section Giai đoạn 1: Năng lực & Cơ sở vật chất
    Chuẩn hóa phương pháp giảng dạy phản xạ (NLPV)    :2020-01, 2020-03
    Nâng cấp trang thiết bị phòng học & âm thanh (PTHH):2020-02, 2020-04
    section Giai đoạn 2: Quy trình & Công nghệ
    Triển khai cổng thông tin học viên tự động (SDU)   :2020-04, 2020-06
    Tối ưu hóa học liệu & ngân hàng đề thi JLPT (TC)  :2020-05, 2020-07
    section Giai đoạn 3: Trải nghiệm & Văn hóa
    Chuỗi sự kiện giao lưu văn hóa Nhật Bản định kỳ   :2020-07, 2020-09
    Hệ thống cố vấn học tập 1-1 cho học viên yếu      :2020-08, 2020-10
    section Giai đoạn 4: Đánh giá & Khép kín
    Khảo sát định kỳ tự động hóa qua NPS/CSAT         :2020-10, 2020-12

Phân tích Chi phí - Lợi ích (ROI Analysis)

  • Chi phí đầu tư dự toán: 120.000.000 VNĐ (Nâng cấp thiết bị tương tác, tập huấn giáo viên bản xứ, số hóa tài liệu).
  • Lợi ích dự kiến:
    • Tăng tỷ lệ học viên tái đăng ký khóa học nâng cao (từ N5 lên N4/N3) thêm $28%$.
    • Giảm chi phí thu hút học viên mới (CAC) nhờ $72%$ học viên sẵn sàng giới thiệu bạn bè (HL3).
    • Tỷ suất sinh lời ROI ước tính đạt 185% sau 12 tháng triển khai thực tế.

Hạn chế và hướng phát triển

Hạn chế học thuật

  • Độ bao phủ không gian: Dữ liệu chỉ thu thập tại chi nhánh Thừa Thiên Huế, chưa bao quát các chi nhánh khác của Jellyfish tại Hà Nội, Đà Nẵng, Hải Phòng hay TP. Hồ Chí Minh.
  • Biến động mùa vụ: Doanh thu phụ thuộc mạnh vào 2 kỳ tuyển sinh du học chính (tháng 4 và tháng 10), dẫn đến sự phân hóa tâm lý học viên giữa nhóm học giao tiếp và nhóm du học cấp tốc.

Hướng phát triển tiếp theo

  • Ứng dụng mô hình cấu trúc tuyến tính SEM-PLS: Phân tích các mối quan hệ trung gian (Mediating roles) của hình ảnh thương hiệu và giá trị cảm nhận.
  • Tích hợp Machine Learning: Xây dựng mô hình Random Forest/XGBoost dự báo sớm nguy cơ học viên bỏ dở khóa học (Student Churn Prediction) dựa trên điểm chuyên cần và kết quả kiểm tra định kỳ hàng tháng.

Đối tượng hưởng lợi

  • Học viên: Được trải nghiệm môi trường học tập chuẩn Nhật, lộ trình cam kết đầu ra minh bạch, tăng tỷ lệ đỗ chứng chỉ JLPT N3/N2 thêm $35%$.
  • Ban giám đốc & Quản lý trung tâm: Sở hữu bộ chỉ số KPI định lượng để tối ưu hóa nguồn lực nhân sự, phân bổ ngân sách marketing chính xác theo từng kênh tiếp cận.
  • Giảng viên & Nhân viên tư vấn: Nhận diện các tiêu chuẩn dịch vụ cần cải thiện (thời gian giải đáp thắc mắc, phong cách tương tác sư phạm thân thiện).
  • Cộng đồng nghiên cứu: Cung cấp bộ thang đo đã được kiểm định độ tin cậy và giá trị hội tụ cho lĩnh vực quản trị chất lượng đào tạo ngôn ngữ tại miền Trung.

Câu hỏi thường gặp

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

Mô hình SERVQUAL yêu cầu học viên đánh giá cả 2 phần: Kỳ vọng (Expectation) và Cảm nhận (Perception), khiến bảng hỏi dài tới 44-58 câu hỏi, dễ dẫn đến hiện tượng trả lời thiếu tập trung. Nghiên cứu của Cronin & Taylor (1992) đã chứng minh mô hình SERVPERF chỉ đo lường cảm nhận thực tế ($P$), vừa tiết kiệm thời gian cho học viên vừa có khả năng giải thích phương sai biến phụ thuộc tốt hơn.

2. Các yêu cầu kỹ thuật và công cụ cần thiết để nhân rộng mô hình nghiên cứu này?

Hệ thống yêu cầu công cụ thu thập dữ liệu (Google Forms/KoboToolbox), phần mềm xử lý dữ liệu (IBM SPSS 20.0+ hoặc môi trường Python 3.8+ với các thư viện pandas, statsmodels, factor_analyzer), cùng quy trình làm sạch dữ liệu đảm bảo loại bỏ các mẫu thiếu hoặc trả lời đồng nhất (straight-lining).

3. Nhân tố nào tác động mạnh nhất đến sự hài lòng của học viên tại Jellyfish Education Huế?

Nhân tố Năng lực phục vụ (NLPV) có trọng số chuẩn hóa cao nhất ($\beta = 0,342$), tiếp theo là Phương tiện hữu hình (PTHH) ($\beta = 0,258$). Điều này chỉ ra rằng trình độ chuyên môn, sự nhiệt tình của giáo viên và cơ sở vật chất phòng học là 2 yếu tố then chốt quyết định sự thỏa mãn của người học.

4. Làm thế nào để giải quyết vấn đề sụt giảm doanh thu vào các tháng thấp điểm?

Trung tâm cần áp dụng chiến lược đa dạng hóa sản phẩm: mở thêm các lớp tiếng Nhật giao tiếp doanh nghiệp ngắn hạn, khóa luyện thi JLPT online cho người đi làm, và triển khai các gói combo chuyển tiếp liên khóa vào các tháng 1, 2 và tháng 8 để giữ dòng tiền ổn định.

5. Thang đo 29 biến quan sát trong nghiên cứu có thể áp dụng cho các trung tâm ngoại ngữ khác không?

Hoàn toàn có thể. Tuy nhiên, đơn vị nghiên cứu cần tiến hành bước nghiên cứu định tính sơ bộ (Expert interview/Focus group) để điều chỉnh các thuật ngữ chuyên biệt của từng ngoại ngữ (tiếng Anh, Hàn, Trung) trước khi tiến hành khảo sát định lượng chính thức.


Kết luận

Đề tài tốt nghiệp của tác giả Hoàng Thị Diễm tại Đại học Kinh tế Huế đã giải quyết trọn vẹn bài toán đo lường và lượng hóa chất lượng dịch vụ giáo dục Nhật ngữ. Thông qua quy trình phân tích định lượng trên 155 quan sát với công cụ SPSS 20.0, nghiên cứu đã chứng minh vai trò chi phối của Năng lực phục vụPhương tiện hữu hình đối với sự hài lòng học viên. Những hàm ý quản trị từ nghiên cứu không chỉ giúp Jellyfish Education Huế củng cố vị thế dẫn đầu tại địa phương mà còn đóng góp khung tham chiếu giá trị cho các nhà quản trị giáo dục trong việc tối ưu hóa chất lượng đào tạo và phát triển doanh thu bền vững.