Giới thiệu dự án

Trong bối cảnh nền kinh tế số và môi trường thương mại cạnh tranh khốc liệt, quản trị trải nghiệm khách hàng (Customer Experience Management) đã trở thành yếu tố sống còn đối với các doanh nghiệp thương mại và phân phối. Nghiên cứu kinh tế lượng chỉ ra rằng chi phí để thu hút một khách hàng mới (Customer Acquisition Cost - CAC) cao gấp 5 đến 10 lần so với chi phí giữ chân một khách hàng hiện hữu (Customer Retention Cost). Đối với ngành phân phối vật liệu xây dựng (VLXD) và thiết bị kỹ thuật – nơi các sản phẩm cốt lõi như Thép Hòa Phát, Tôn Hoa Sen, Xi măng Hà Tiên, Nhựa Bình Minh có mức độ tiêu chuẩn hóa cao và tương đồng về mẫu mã – chất lượng dịch vụ (Service Quality) và sự hài lòng của khách hàng (Customer Satisfaction) chính là vũ khí cạnh tranh khác biệt duy nhất không thể sao chép hoàn toàn.

Công ty TNHH Minh Trí (TP. Đồng Hới, Tỉnh Quảng Bình) với hơn 22 năm hoạt động (thành lập từ năm 2001) sở hữu doanh thu tăng trưởng ổn định (đạt 25.498 triệu đồng năm 2022). Tuy nhiên, doanh nghiệp đang phải đối mặt với nhiều rào cản vận hành: cơ sở dữ liệu khách hàng còn phân tán, quy trình giải quyết khiếu nại mang tính thủ công, thiếu bộ chỉ số định lượng khách quan để đánh giá hiệu quả phục vụ của nhân viên giao dịch và kỹ thuật.

Đề tài khóa luận tốt nghiệp "Đánh giá sự hài lòng của khách hàng đối với việc cung cấp sản phẩm tại Công ty TNHH Minh Trí – TP Đồng Hới – Tỉnh Quảng Bình" được thực hiện bởi sinh viên Phạm Viết Dũng (Chuyên ngành Thống kê kinh doanh, Khoa Hệ thống thông tin kinh tế, Trường Đại học Kinh tế – Đại học Huế) dưới sự hướng dẫn của ThS. Trần Thị Phước Hà. Dự án tập trung giải quyết bài toán định lượng hóa sự hài lòng thông qua việc thích ứng mô hình chất lượng dịch vụ SERVQUAL, kết hợp công cụ phân tích kinh tế lượng trên phần mềm IBM SPSS.

Mục tiêu cụ thể của dự án:

  1. Hệ thống hóa cơ sở lý luận và khung tham chiếu thực tiễn về chất lượng dịch vụ, sự hài lòng và lòng trung thành của khách hàng.
  2. Xây dựng thang đo Likert 5 mức độ và thực hiện khảo sát định lượng trên mẫu thực tế gồm 160 khách hàng cá nhân giao dịch tại điểm bán.
  3. Ứng dụng quy trình phân tích dữ liệu đa biến: Kiểm định độ tin cậy thang đo (Cronbach's Alpha), Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA), Phân tích tương quan Pearson và Mô hình hồi quy tuyến tính bội (Multiple Linear Regression).
  4. Xác định thứ tự ưu tiên và mức độ tác động ($\beta$) của từng nhân tố dịch vụ đến sự hài lòng tổng thể, làm cơ sở xây dựng hệ thống giải pháp tối ưu hóa nguồn lực doanh nghiệp.

Dự án giới hạn phạm vi khảo sát sơ cấp trên 160 khách hàng tại địa bàn TP. Đồng Hới trong giai đoạn tháng 2/2023, kết hợp phân tích chuỗi dữ liệu thứ cấp về tài chính và nhân sự của công ty giai đoạn 2020–2022.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại các doanh nghiệp phân phối VLXD vừa và nhỏ ở khu vực miền Trung, việc đánh giá dịch vụ khách hàng chủ yếu dựa vào phản hồi cảm tính hoặc các báo cáo doanh số đơn thuần. Điều này dẫn đến sự sai lệch nghiêm trọng giữa chất lượng dịch vụ do ban quản lý nhận thức và chất lượng thực tế mà khách hàng cảm nhận (Khoảng cách Gap 1 và Gap 5 theo mô hình Parasuraman).

Tiêu chí đánh giá Phương pháp truyền thống Giải pháp định lượng SERVQUAL & EFA
Công cụ thu thập Sổ theo dõi khiếu nại, phản ánh miệng Bảng hỏi chuẩn hóa (Structured Questionnaire) với thang đo Likert 5 điểm
Độ tin cậy dữ liệu Thấp, dễ sai lệch và thiếu tính hệ thống Cao, được kiểm chứng qua hệ số Cronbach's Alpha ($\ge 0.6$)
Phân tích nhân tố Đánh giá chủ quan từng tiêu chí đơn lẻ Trích xuất nhân tố cô đọng qua EFA (KMO, Bartlett, Eigenvalues, Variance)
Khả năng dự báo Không có mô hình toán học Mô hình hồi quy OLS xác định rõ hệ số tác động $\beta$ và hệ số $R^2$ hiệu chỉnh
Cơ sở ra quyết định Cảm tính của ban quản lý Dữ liệu thực nghiệm (Data-driven decision making)

Phân tích yêu cầu chức năng theo mô hình MoSCoW cho hệ thống đánh giá chất lượng dịch vụ:

  • Must have (Bắt buộc có): Module kiểm định độ tin cậy thang đo Cronbach's Alpha cho 5 thành phần SERVQUAL; module trích xuất nhân tố PCA/Varimax; module hồi quy đa biến OLS.
  • Should have (Nên có): Báo cáo phân tích tương quan Pearson hai chiều; ma trận xoay nhân tố (Rotated Component Matrix) với hệ số tải Factor Loading $> 0.5$.
  • Could have (Có thể có): Cơ sở dữ liệu SQL quản lý thông tin hồ sơ và lịch sử khảo sát của từng khách hàng.
  • Won't have (Chưa thực hiện ở giai đoạn này): Mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) hoặc hệ thống phân tích cảm xúc thời gian thực (Real-time Sentiment Analysis).
graph TD
    A["Thu thập dữ liệu khảo sát<br/>(N = 160 bảng hỏi)"] --> B["Làm sạch & Mã hóa dữ liệu<br/>(Excel 2019 / CSV)"]
    B --> C["Kiểm định Cronbach's Alpha<br/>(Tiêu chuẩn: Alpha >= 0.6, Corrected Item-Total >= 0.3)"]
    C --> D["Phân tích nhân tố EFA<br/>(KMO >= 0.5, Bartlett Sig < 0.05, Eigenvalue >= 1.0)"]
    D --> E["Phân tích tương quan Pearson<br/>(Sig < 0.05, loại bỏ hiện tượng cộng tuyến mạnh)"]
    E --> F["Mô hình hồi quy tuyến tính OLS<br/>(Đánh giá R2 hiệu chỉnh, Kiểm định ANOVA F, Durbin-Watson)"]
    F --> G["Đề xuất chiến lược tối ưu hóa dịch vụ<br/>(Xếp hạng ưu tiên theo hệ số Beta chuẩn hóa)"]

Thiết kế hệ thống và mô hình thang đo

Mô hình nghiên cứu thích ứng từ khung SERVQUAL (Parasuraman et al., 1988) bao gồm 5 biến độc lập với 21 biến quan sát ban đầu và 1 biến phụ thuộc với 3 biến quan sát:

  1. Sự tin cậy (Reliability - STC): 4 biến quan sát (STC1 - STC4) đo lường tính chính xác về thời gian, cam kết dịch vụ, xử lý khiếu nại và bảo mật dữ liệu.
  2. Năng lực phục vụ (Assurance - NLPV): 4 biến quan sát (NLPV1 - NLPV4) đo lường kỹ năng giao tiếp, kiến thức chuyên môn và trình độ kỹ thuật của nhân viên.
  3. Khả năng đáp ứng (Responsiveness - KNDU): 7 biến quan sát (KNDU1 - KNDU7) đo lường sự đa dạng kênh thông tin, tốc độ xử lý đơn hàng, phục vụ giờ cao điểm và sự đơn giản của thủ tục.
  4. Sự đồng cảm (Empathy - SDC): 5 biến quan sát (SDC1 - SDC5) đo lường thái độ thân thiện, tận tâm, tính công bằng và sự thấu hiểu nhu cầu cá nhân.
  5. Phương tiện hữu hình (Tangibles - PTHH): 4 biến quan sát (PTHH1 - PTHH4) đo lường cơ sở vật chất, trang thiết bị máy móc, website công ty và không gian giao dịch bãi đỗ xe.
  6. Sự hài lòng chung (Customer Satisfaction - SHL): 3 biến quan sát (SHL1 - SHL3) đo lường mức độ thỏa mãn tổng thể, xu hướng giới thiệu người quen (Word-of-mouth) và ý định tái mua hàng (Repurchase intention).

Technology Stack:

  • Thống kê chuyên sâu: IBM SPSS Statistics Version 20.0 / 26.0 (sử dụng các thuật toán Reliability Analysis, Dimension Reduction Factor, Linear Regression).
  • Xử lý bảng tính & Trực quan: Microsoft Excel 2019 (vlookup, pivot tables, biểu đồ thống kê cơ cấu).
  • Ngôn ngữ mở rộng phân tích: Python 3.10 với các thư viện: pandas (v2.0.3), numpy (v1.24.3), statsmodels (v0.14.0), factor_analyzer (v0.5.0), seaborn (v0.12.2).
  • Cơ sở dữ liệu mẫu: PostgreSQL 15 / MySQL 8.0 cho việc lưu trữ hồ sơ khách hàng tập trung.
-- Thiết kế lược đồ cơ sở dữ liệu quản trị khách hàng & đánh giá dịch vụ
CREATE TABLE customers (
    customer_id SERIAL PRIMARY KEY,
    full_name VARCHAR(100) NOT NULL,
    phone VARCHAR(20) UNIQUE,
    address VARCHAR(255),
    customer_type VARCHAR(50) DEFAULT 'Individual', -- 'Individual' hoặc 'Enterprise'
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

CREATE TABLE survey_responses (
    response_id SERIAL PRIMARY KEY,
    customer_id INT REFERENCES customers(customer_id),
    survey_date DATE NOT NULL,
    frequency VARCHAR(50), -- 'Weekly', 'Monthly', 'Quarterly', 'First Time'
    stc_score NUMERIC(3, 2),
    nlpv_score NUMERIC(3, 2),
    kndu_score NUMERIC(3, 2),
    sdc_score NUMERIC(3, 2),
    pthh_score NUMERIC(3, 2),
    overall_satisfaction NUMERIC(3, 2),
    notes TEXT
);

Phương pháp luận (Methodology)

Nghiên cứu áp dụng quy trình kết hợp định tính (Qualitative) và định lượng (Quantitative):

  • Giai đoạn định tính: Rà soát tài liệu học thuật và tham vấn ý kiến chuyên gia để điều chỉnh bảng hỏi khảo sát cho phù hợp với ngành kinh doanh vật liệu xây dựng.
  • Xác định kích thước mẫu:
    • Theo công thức Tabachnick & Fidell (1996) cho hồi quy tuyến tính: $n \ge 50 + 8m = 50 + 8 \times 5 = 90$ mẫu (với $m=5$ biến độc lập).
    • Theo tiêu chuẩn Hair et al. (1998) cho phân tích EFA: $n \ge 5 \times k = 5 \times 21 = 105$ mẫu (với $k=21$ biến quan sát).
    • Nghiên cứu khảo sát thực tế trên $N = 160$ mẫu hợp lệ, hoàn toàn vượt ngưỡng yêu cầu tối thiểu, đảm bảo tính đại diện và suy rộng cho tổng thể.
  • Kỹ thuật chọn mẫu: Phương pháp chọn mẫu thuận tiện phi xác suất (Non-probability convenience sampling) với bước nhảy hệ thống $k = 2$ trực tiếp tại quầy giao dịch.

Implementation và kết quả

Quy trình phát triển và xử lý dữ liệu

Dữ liệu khảo sát được làm sạch và chuẩn hóa trước khi đưa vào pipeline tính toán tự động:

import pandas as pd
import numpy as np
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

# Load tập dữ liệu khảo sát N = 160
df = pd.read_csv("minh_tri_survey_data.csv")

# 1. Tính toán giá trị trung bình đại diện cho từng nhân tố
df['STC'] = df[['STC1', 'STC2', 'STC3', 'STC4']].mean(axis=1)
df['NLPV'] = df[['NLPV1', 'NLPV2', 'NLPV3', 'NLPV4']].mean(axis=1)
df['KNDU'] = df[['KNDU1', 'KNDU2', 'KNDU3', 'KNDU4', 'KNDU5', 'KNDU6', 'KNDU7']].mean(axis=1)
df['SDC'] = df[['SDC1', 'SDC2', 'SDC3', 'SDC4', 'SDC5']].mean(axis=1)
df['PTHH'] = df[['PTHH1', 'PTHH2', 'PTHH3', 'PTHH4']].mean(axis=1)
df['SHL'] = df[['SHL1', 'SHL2', 'SHL3']].mean(axis=1)

# 2. Xây dựng mô hình hồi quy tuyến tính bội OLS
X = df[['STC', 'NLPV', 'KNDU', 'SDC', 'PTHH']]
X = sm.add_constant(X)
y = df['SHL']

ols_model = sm.OLS(y, X).fit()
print(ols_model.summary())

Kiểm định và kiểm chứng thực nghiệm

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

Tất cả các thang đo thành phần đều đạt yêu cầu khắt khe về độ tin cậy nội tại với hệ số $\alpha > 0.7$ và hệ số tương quan biến tổng (Corrected Item-Total Correlation) $> 0.3$:

Nhóm nhân tố Số biến quan sát Cronbach's Alpha ($\alpha$) Đánh giá kỹ thuật
Sự tin cậy (STC) 4 0.877 Thang đo lường rất tốt
Năng lực phục vụ (NLPV) 4 0.814 Thang đo lường tốt
Khả năng đáp ứng (KNDU) 7 0.864 Thang đo lường rất tốt
Sự đồng cảm (SDC) 5 0.882 Thang đo lường rất tốt
Phương tiện hữu hình (PTHH) 4 0.967 Thang đo lường xuất sắc
Sự hài lòng (SHL - Biến phụ thuộc) 3 0.775 Đạt chuẩn nghiên cứu khoa học

2. Kết quả phân tích nhân tố khám phá (EFA)

  • Biến độc lập:
    • Hệ số $KMO = 0.782$ (thỏa mãn $0.5 \le KMO \le 1.0$), kiểm định Bartlett có giá trị $Sig. = 0.000 < 0.05$, chứng minh các biến quan sát có tương quan tuyến tính chặt chẽ.
    • Giá trị Eigenvalues nhỏ nhất đạt $1.511 > 1.0$, trích xuất thành công 5 nhân tố độc lập.
    • Tổng phương sai trích (Cumulative % Variance) đạt 72.328% ($> 50%$), khẳng định 5 nhân tố giải thích được hơn 72.3% biến thiên của tập dữ liệu gốc.
    • Tất cả các trọng số nhân tố (Factor Loadings) trong ma trận xoay Varimax đều đạt $> 0.50$.
  • Biến phụ thuộc (SHL):
    • $KMO = 0.693$, Bartlett $Sig. = 0.000$, Eigenvalue $= 2.013 > 1.0$, Tổng phương sai trích đạt 67.113%, hệ số tải của 3 biến SHL1, SHL2, SHL3 lần lượt là $0.827$, $0.807$ và $0.824$.

3. Phân tích tương quan Pearson

Ma trận tương quan Pearson khẳng định cả 5 nhân tố độc lập đều có mối quan hệ tương quan thuận chiều và có ý nghĩa thống kê ($p < 0.01$) với biến phụ thuộc Sự hài lòng:

  • KNDU (Khả năng đáp ứng): $r = 0.562$ ($p = 0.000$) - Tương quan chặt chẽ nhất.
  • STC (Sự tin cậy): $r = 0.421$ ($p = 0.000$) - Tương quan mức độ khá.
  • NLPV (Năng lực phục vụ): $r = 0.310$ ($p = 0.000$) - Tương quan mức độ trung bình.
  • PTHH (Phương tiện hữu hình): $r = 0.236$ ($p = 0.003$) - Tương quan dương có ý nghĩa.
  • SDC (Sự đồng cảm): $r = 0.207$ ($p = 0.009$) - Tương quan dương có ý nghĩa.

4. Phân tích hồi quy tuyến tính bội

  • Hệ số tương quan đa biến $R = 0.850$.
  • Hệ số xác định $R^2 = 0.722$, Hệ số $R^2$ hiệu chỉnh (Adjusted $R^2$) đạt 0.711. Điều này chứng minh mô hình hồi quy giải thích được 71.1% sự biến thiên của mức độ hài lòng khách hàng tại Công ty TNHH Minh Trí; 28.9% còn lại do các yếu tố ngoài mô hình và sai số ngẫu nhiên.
  • Hệ số Durbin-Watson đạt 1.861 (nằm trong khoảng tối ưu $1.5 < d < 2.5$), chứng minh không có hiện tượng tự tương quan bậc nhất giữa các phần dư.

Đổi mới và đóng góp

  1. Chuẩn hóa khung đánh giá định lượng cho ngành phân phối vật tư kỹ thuật: Khác với các đánh giá định tính chung chung, dự án xây dựng bộ chỉ tiêu đo lường gồm 21 biến số cụ thể, gắn liền với đặc thù sản phẩm cồng kềnh, giá trị cao (từ 3–7 triệu đồng/giao dịch) và yêu cầu vận chuyển khắt khe.
  2. Khám phá trọng số quyết định hành vi: Kết quả kinh tế lượng chứng minh Khả năng đáp ứng (KNDU) ($r = 0.562$) và Sự tin cậy (STC) ($r = 0.421$) đóng vai trò chủ đạo chi phối mức độ thỏa mãn. Điều này giúp doanh nghiệp tránh việc đầu tư dàn trải vào cơ sở vật chất (PTHH chỉ đạt $r = 0.236$) mà tập trung ngân sách cải tiến quy trình phục vụ và độ chính xác trong giao hàng.
  3. Mô hình hóa dữ liệu thống kê đạt chuẩn: Áp dụng nghiêm ngặt các tiêu chí toán học của Hair et al. (1998) và Nunnally & Bernstein (1994), đảm bảo tính tái lập (Reproducibility) và độ tin cậy cho các nghiên cứu ứng dụng tiếp theo.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế (Real-world Use Cases)

  • Hệ thống cảnh báo rủi ro khách hàng rời bỏ (Churn Risk Alert): Định kỳ thu thập phản hồi khách hàng sau giao dịch; khi điểm trung bình của nhân tố KNDU hoặc STC rơi xuống dưới mức 3.4 (ngưỡng trung lập/không đồng ý), hệ thống tự động kích hoạt quy trình chăm sóc đặc biệt từ cấp quản lý.
  • Đào tạo nhân viên theo dữ liệu (Data-driven Training): Tập trung huấn luyện chuyên sâu cho đội ngũ kỹ thuật về thao tác bảo hành, hướng dẫn sử dụng sản phẩm mới thay vì đào tạo lý thuyết chung chung.

Lộ trình triển khai hệ thống quản trị dịch vụ (Implementation Roadmap)

Giai đoạn Thời gian Nhiệm vụ trọng tâm Sản phẩm đầu ra (Deliverables)
Giai đoạn 1: Chuẩn hóa dữ liệu Tháng 1 - Tháng 2 Chuẩn hóa cơ sở dữ liệu khách hàng tập trung; phân loại khách hàng cá nhân và doanh nghiệp. Bảng dữ liệu CRM làm sạch, chuẩn hóa schema SQL.
Giai đoạn 2: Tối ưu quy trình Tháng 3 - Tháng 4 Rút ngắn thủ tục thanh toán, giao nhận; thiết lập cam kết thời gian giao hàng (SLA) đúng hẹn. Bộ quy trình giao dịch rút ngắn 35% thời gian chờ đợi.
Giai đoạn 3: Số hóa phản hồi Tháng 5 - Tháng 6 Tích hợp biểu mẫu khảo sát tự động qua Zalo OA/SMS sau mỗi đơn hàng thành công. Dashboard theo dõi chỉ số hài lòng thời gian thực.
Giai đoạn 4: Đánh giá KPI Định kỳ hàng quý Liên kết kết quả đánh giá SERVQUAL với hệ thống khen thưởng nhân viên. Báo cáo phân tích hồi quy định kỳ theo quý.

Phân tích chi phí - lợi ích (Cost-Benefit Analysis)

  • Chi phí triển khai ước tính: 25.000.000 VNĐ (bao gồm chi phí chuẩn hóa phần mềm quản lý, in ấn biểu mẫu, hạ tầng lưu trữ và đào tạo nội bộ).
  • Lợi ích kinh tế kỳ vọng: Giảm tỷ lệ khách hàng chuyển đổi sang đối thủ cạnh tranh từ 15% xuống dưới 5%; tăng tần suất mua lặp lại của nhóm khách hàng thân thiết thêm 20%, mang lại mức tăng trưởng lợi nhuận ròng dự kiến đạt 80–120 triệu đồng/năm. Tỷ suất hoàn vốn đầu tư (ROI) đạt mức hoàn tất chỉ trong 4–6 tháng sau triển khai.

Hạn chế và hướng phát triển

  • Hạn chế về không gian và phương pháp chọn mẫu: Nghiên cứu chỉ tiến hành khảo sát tại một điểm giao dịch duy nhất tại 71 Lý Thánh Tông, TP. Đồng Hới với phương pháp chọn mẫu thuận tiện phi xác suất, chưa bao phủ toàn bộ các huyện thị khác thuộc tỉnh Quảng Bình.
  • Hạn chế về mô hình phân tích: Chưa phân tích sâu tác động điều tiết (Moderating effect) của các biến nhân khẩu học (độ tuổi, giới tính, thu nhập) bằng kỹ thuật phân tích phương sai ANOVA một yếu tố hoặc kiểm định Independent Samples T-Test.
  • Hướng phát triển trong tương lai:
    1. Mở rộng quy mô mẫu lên $N \ge 500$ trên phạm vi toàn tỉnh và các tỉnh lân cận (Quảng Trị, Hà Tĩnh).
    2. Nâng cấp mô hình phân tích sang mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) với phần mềm SmartPLS 4 hoặc AMOS để kiểm định các biến trung gian như Giá trị cảm nhận (Perceived Value) và Lòng trung thành thương hiệu (Brand Loyalty).
    3. Xây dựng module Machine Learning (Random Forest / Logistic Regression) dự báo xác suất tái mua hàng dựa trên điểm số đánh giá dịch vụ.

Đối tượng hưởng lợi

+-------------------------------------------------------------------------------+
|                             ĐỐI TƯỢNG HƯỞNG LỢI                               |
+-------------------------------------------------------------------------------+
|  1. SINH VIÊN KINH TẾ / CNTT:                                                 |
|     - Khung tham chiếu chuẩn về cách ứng dụng SERVQUAL & SPSS 20.             |
|     - Template xử lý dữ liệu từ kiểm định Cronbach's Alpha đến Hồi quy OLS.   |
|                                                                               |
|  2. DOANH NGHIỆP THƯƠNG MẠI & PHÂN PHỐI:                                      |
|     - Giải pháp định lượng hóa chất lượng dịch vụ khách hàng.                 |
|     - Lộ trình tối ưu hóa ngân sách và giảm thiểu chi phí CAC.                |
|                                                                               |
|  3. NHÀ NGHIÊN CỨU & GIẢNG VIÊN:                                              |
|     - Bộ dữ liệu thực nghiệm chuẩn hóa trên 160 đối tượng khảo sát.           |
|     - Minh chứng khoa học về mối tương quan giữa năng lực phục vụ và sự hài lòng.|
+-------------------------------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật phần cứng và phần mềm để triển khai mô hình phân tích này là gì?

Hệ thống yêu cầu máy tính chạy hệ điều hành Windows 10/11 hoặc Linux/macOS, RAM tối thiểu 4GB, bộ vi xử lý Intel Core i3 trở lên. Phần mềm bao gồm IBM SPSS Statistics v20.0 trở lên hoặc Python 3.10+ (cùng các thư viện statsmodels, pandas, scipy) và Microsoft Excel 2016+.

2. Tại sao nghiên cứu sử dụng thang đo Likert 5 mức độ thay vì 7 mức độ?

Thang đo Likert 5 mức độ (1: Rất không đồng ý đến 5: Rất đồng ý) được lựa chọn vì tính ngắn gọn, trực quan, phù hợp với trình độ nhận thức của đa số khách hàng cá nhân đến giao dịch trực tiếp, giúp giảm thiểu tỷ lệ bỏ sót câu hỏi và rút ngắn thời gian làm khảo sát xuống dưới 3 phút.

3. Làm thế nào để kiểm soát hiện tượng đa cộng tuyến trong mô hình hồi quy đa biến?

Trong quá trình hồi quy, cần kiểm tra chỉ số chấp nhận (Tolerance) và hệ số phóng đại phương sai (VIF - Variance Inflation Factor). Nếu $VIF < 2.0$ (hoặc nghiêm ngặt là $< 5.0$), mô hình hoàn toàn không xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập.

4. Chi phí duy trì hệ thống đo lường sự hài lòng định kỳ là bao nhiêu?

Nếu sử dụng nền tảng Google Forms kết hợp phân tích bằng script Python mã nguồn mở, chi phí vận hành phần mềm là 0 đồng. Doanh nghiệp chỉ cần phân bổ chi phí quà tặng tri ân khách hàng làm khảo sát (ước tính 10.000 - 20.000 VNĐ/lượt khảo sát).

5. Khung thời gian tối ưu để đo lường lại chỉ số hài lòng khách hàng là khi nào?

Doanh nghiệp nên thực hiện khảo sát liên tục sau mỗi giao dịch lớn và tiến hành chạy lại mô hình phân tích tổng thể theo chu kỳ 6 tháng/lần để kịp thời phát hiện sự thay đổi trong kỳ vọng của thị trường.

Kết luận

Khóa luận tốt nghiệp của tác giả Phạm Viết Dũng đã giải quyết thành công bài toán đánh giá sự hài lòng của khách hàng tại Công ty TNHH Minh Trí thông qua phương pháp tiếp cận định lượng hiện đại. Với hệ số $R^2$ hiệu chỉnh đạt 71.1%, độ tin cậy thang đo đạt chuẩn ($\alpha = 0.775 - 0.967$) và phương sai trích EFA đạt 72.328%, công trình đã cung cấp cơ sở dữ liệu khoa học vững chắc, khẳng định vai trò cốt lõi của Khả năng đáp ứng và Sự tin cậy trong việc giữ chân khách hàng. Đây không chỉ là tài liệu học thuật giá trị cho sinh viên ngành Thống kê kinh doanh và Hệ thống thông tin kinh tế mà còn là cẩm nang thực thi mang tính ứng dụng cao cho các doanh nghiệp phân phối trong kỷ nguyên số.