Giới thiệu dự án

Thị trường viễn thông và dịch vụ Internet băng rộng cố định (FTTH - Fiber To The Home) tại Việt Nam đang chứng kiến sự cạnh tranh khốc liệt giữa các nhà cung cấp hạ tầng viễn thông hàng đầu như FPT Telecom, VNPT và Viettel. Tại các thị trường khu vực cấp tỉnh như TP. Huế, mật độ phủ sóng Internet cáp quang đạt tỷ lệ cao, đòi hỏi các đơn vị cung ứng phải liên tục tối ưu hóa chiến lược truyền thông marketing tích hợp (Integrated Marketing Communications - IMC) nhằm gia tăng thị phần, chuyển đổi thuê bao mới và duy trì mức độ tương tác của khách hàng hiện hữu.

Tuy nhiên, bài toán lớn nhất của doanh nghiệp là thiếu hụt mô hình định lượng hóa hiệu quả phễu chuyển đổi từ nhận thức đến hành động mua trong các chiến dịch IMC. Đề tài "Vận dụng mô hình AIDA trong đánh giá truyền thông marketing tích hợp đối với dịch vụ Internet cáp quang của CTCP Viễn Thông FPT – chi nhánh Huế" giải quyết triệt để vấn đề này bằng cách chuẩn hóa dữ liệu hành vi người tiêu dùng thông qua thang đo tâm lý học hành vi (Psychometric Scale) và kiểm định thống kê đa biến.

Mục tiêu dự án

  1. Hệ thống hóa cơ sở lý luận và khung đo lường: Chuẩn hóa quy trình đánh giá chiến dịch IMC dựa trên mô hình tâm lý hành vi AIDA (Attention - Interest - Desire - Action).
  2. Định lượng hóa hiệu quả chiến dịch thực tế: Phân tích thực trạng chuyển đổi và độ chấp nhận của khách hàng đối với chương trình "Lắc mạnh tay – trúng quà thật may" do FPT Telecom Chi nhánh Huế triển khai.
  3. Đề xuất mô hình giải pháp tối ưu hóa: Xây dựng hệ thống giải pháp nâng cao hiệu suất truyền thông đa kênh dựa trên kết quả phân tích thống kê định lượng.

Giải pháp và phạm vi triển khai

Đồ án ứng dụng phương pháp định lượng thực nghiệm với công thức xác định cỡ mẫu Cochran (1977), thu thập dữ liệu sơ cấp từ $n = 96$ khách hàng đang sử dụng dịch vụ FTTH tại FPT Huế, kết hợp xử lý dữ liệu bằng phần mềm phân tích thống kê SPSS v20.0 (Statistical Package for the Social Sciences).

  • Phạm vi không gian: Toàn bộ hệ thống 4 văn phòng giao dịch của FPT Telecom Huế (Văn phòng Nam Sông Hương, Bắc Sông Hương, Phú Lộc, Quảng Điền).
  • Phạm vi thời gian: Dữ liệu thứ cấp giai đoạn 2018 – 2020; Dữ liệu sơ cấp thực nghiệm thu thập từ tháng 03/2021 đến tháng 04/2021.
  • Giới hạn nghiên cứu: Mẫu khảo sát tập trung vào khách hàng cá nhân và hộ gia đình tham gia chương trình xúc tiến bán cụ thể, chưa bao hàm nhóm khách hàng doanh nghiệp leased-line.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi ứng dụng mô hình AIDA định lượng, việc đánh giá hiệu quả chiến dịch IMC tại các chi nhánh viễn thông thường phụ thuộc vào các chỉ số bề nổi (Vanity Metrics) như số lượng tờ rơi phát ra, lượt tiếp cận bài viết mạng xã hội hoặc doanh số ngắn hạn mà không đo lường được tỷ lệ hao hụt qua từng tầng nhận thức.

Phương pháp đánh giá Ưu điểm Nhược điểm Khả năng ứng dụng thực tế
Báo cáo doanh số truyền thống Dữ liệu tài chính rõ ràng, dễ đo lường trực tiếp. Không phản ánh được nhận thức thương hiệu, có độ trễ lớn. Thấp trong việc tối ưu hóa nội dung thông điệp.
Đo lường phân mảnh từng kênh Theo dõi sát sao chỉ số CTR, CPM trên môi trường số. Thiếu tính liên kết đa kênh (Omnichannel), bỏ qua điểm chạm Offline. Trung bình, chỉ phù hợp với Digital Marketing thuần túy.
Mô hình AIDA định lượng hóa Đo lường toàn diện phễu tâm lý 4 giai đoạn, xác định chính xác điểm nghẽn chuyển đổi. Đòi hỏi quy trình thiết kế bảng hỏi chuẩn hóa và xử lý dữ liệu chuyên sâu. Tối ưu, phản ánh đầy đủ tác động tâm lý và hành vi khách hàng. 
[MoSCoW Prioritization cho Khung Đánh Giá IMC]:
- Must have: Bộ chỉ số đo lường 4 tầng AIDA, kiểm định độ tin cậy thang đo Cronbach's Alpha (Alpha >= 0.70), kiểm định giá trị trung bình One-Sample T-Test (Test Value = 3.0).
- Should have: Phân tích tương quan nhân khẩu học (Độ tuổi, Thu nhập, Thời lượng Onsite/ngày).
- Could have: Tích hợp bảng phân tích độ co giãn của nhu cầu cước Internet FTTH.
- Won't have: Đo lường mức độ ảnh hưởng của đối thủ cạnh tranh theo thời gian thực (Real-time tracking).

Thiết kế hệ thống đo lường

graph TD
    A["Thu thập dữ liệu sơ cấp (n=96 Survey)"] --> B["Tiền xử lý & Mã hóa thang đo (Likert 5 điểm)"]
    B --> C["Kiểm định độ tin cậy Thang đo (Cronbach's Alpha >= 0.70)"]
    C --> D["Kiểm định One-Sample T-Test (Test Value = 3.0, Sig. <= 0.05)"]
    D --> E["Phân tích Phễu Chuyển Đổi AIDA"]
    E --> F1["Attention: NB1 - NB4"]
    E --> F2["Interest: QT1 - QT4"]
    E --> F3["Desire: NC1 - NC4"]
    E --> F4["Action: HD1 - HD4"]
    F1 & F2 & F3 & F4 --> G["Đề xuất Chiến lược IMC Tối ưu"]

Technology Stack & Versioning

  • Statistical Processing Engine: IBM SPSS Statistics Version 20.0 Core System.
  • Data Processing Layer: Python 3.9 (Thư viện: pandas v1.3.0, scipy v1.7.0, pingouin v0.5.0).
  • Measurement Instrument: Thang đo khoảng cách 5 mức độ Likert (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý) phát triển từ nghiên cứu chuẩn của Rachita Joshi (2013).
Thang đo hệ thống (Schema Data Structure):
- Nhân tố Nhận biết (Attention - NB): NB1, NB2, NB3, NB4
- Nhân tố Quan tâm (Interest - QT): QT1, QT2, QT3, QT4
- Nhân tố Nhu cầu (Desire - NC): NC1, NC2, NC3, NC4
- Nhân tố Hành động (Action - HD): HD1, HD2, HD3, HD4
- Đánh giá chung (Overall - DGC): DGC1, DGC2, DGC3

Methodology

Quy trình nghiên cứu được chia thành 4 giai đoạn logic với các mốc kiểm soát chất lượng nghiêm ngặt:

  1. Giai đoạn 1: Thiết kế mẫu và bảng hỏi: Xác định quy mô mẫu theo công thức Cochran với độ tin cậy 95% ($z = 1.96$), phương sai ước tính $p = 0.5$, sai số cho phép $e = 0.10$.
  2. Giai đoạn 2: Thu thập dữ liệu thực địa: Phỏng vấn trực tiếp tại 4 phòng giao dịch kết hợp khảo sát trực tuyến khách hàng tham gia chương trình khuyến mại.
  3. Giai đoạn 3: Phân tích và kiểm định dữ liệu: Loại bỏ biến rác có hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $< 0.30$; kiểm định độ tin cậy Alpha; kiểm định giả thuyết $H_0: \mu = 3.0$ với mức ý nghĩa $\alpha = 0.05$.
  4. Giai đoạn 4: Tổng hợp và mô hình hóa giải pháp: Lập bản đồ chiến lược cải tiến các công cụ IMC (Quảng cáo, Xúc tiến bán, Bán hàng cá nhân, PR, Direct Marketing).

Implementation và kết quả

Development Process & Data Processing

Dưới đây là mã nguồn Python chuẩn hóa logic tính toán quy mô mẫu Cochran, kiểm định độ tin cậy Cronbach's Alpha và kiểm định One-Sample T-Test tương đương với quy trình xử lý trên SPSS v20.0:

import numpy as np
import pandas as pd
from scipy import stats
import pingouin as pg

def calculate_cochran_sample(z=1.96, p=0.5, e=0.10):
    """Xác định cỡ mẫu tối thiểu theo công thức Cochran (1977)"""
    q = 1 - p
    n0 = (z**2 * p * q) / (e**2)
    return int(np.ceil(n0))

def psychometric_evaluation(df_factor, test_value=3.0):
    """
    Kiểm định Cronbach's Alpha và One-Sample T-Test cho từng biến quan sát
    """
    # 1. Tính toán Cronbach's Alpha
    alpha_res = pg.cronbach_alpha(data=df_factor)
    alpha_val = alpha_res[0]
    
    # 2. Tính One-sample T-test cho từng cột biến
    t_test_results = {}
    for col in df_factor.columns:
        mean_val = df_factor[col].mean()
        std_val = df_factor[col].std(ddof=1)
        t_stat, p_val = stats.ttest_1samp(df_factor[col], popmean=test_value)
        t_test_results[col] = {
            'Mean': round(mean_val, 3),
            'Std': round(std_val, 3),
            'T-statistic': round(t_stat, 3),
            'p-value (Sig.)': round(p_val, 4),
            'Accepted (>3.0)': (mean_val > test_value) and (p_val < 0.05)
        }
    
    return alpha_val, pd.DataFrame(t_test_results).T

# Khởi tạo kiểm định
sample_size = calculate_cochran_sample()
print(f"[Cochran Sample Engine] Required Sample Size (e=0.10): {sample_size}")

Testing và Validation

Kết quả kiểm tra dữ liệu thực nghiệm $n = 96$ cho thấy toàn bộ các thang đo thành phần đều đạt chuẩn kiểm định phương pháp luận:

  • Độ tin cậy thang đo (Reliability Analysis): Hệ số Cronbach's Alpha của tất cả 5 nhóm biến đều vượt ngưỡng $0.70$ (Nhận biết: $0.812$; Quan tâm: $0.785$; Nhu cầu: $0.834$; Hành động mua: $0.796$; Đánh giá chung: $0.821$). Không có biến quan sát nào bị loại do tương quan biến - tổng đều $> 0.35$.
  • Kiểm định giá trị trung bình (One-Sample T-Test): Với Test Value $= 3.0$, tất cả các chỉ số mức độ nhận biết và phản hồi tích cực của khách hàng đều có giá trị trung bình dao động từ $3.68$ đến $4.15$ với mức ý nghĩa $Sig. (2-tailed) = 0.000 < 0.05$, bác bỏ hoàn toàn giả thuyết $H_0$.

Kết quả đạt được từ chiến dịch thực nghiệm

Chương trình "Lắc mạnh tay – trúng quà thật may" (áp dụng từ 08/02/2021 đến 30/03/2021 với tổng ngân sách giải thưởng 500 triệu đồng) mang lại hiệu quả tăng trưởng vượt bậc cho FPT Telecom Chi nhánh Huế:

Chỉ số kinh doanh / Khách hàng Trước chiến dịch Sau chiến dịch Chênh lệch tuyệt đối (+/-) Tăng trưởng (%)
Tổng số khách hàng FTTH (Người) 5.985 6.105 +120 +2,01%
Tổng số dịch vụ hoạt động (Dịch vụ) 7.683 7.818 +135 +1,76%
Doanh thu 2 tháng triển khai (Triệu VNĐ) 1.345,00 1.512,00 +167,00 +12,42%
Lợi nhuận ròng phát sinh (Triệu VNĐ) 485,52 537,88 +52,36 +10,78% 
[Đặc điểm nhân khẩu học mẫu khảo sát N=96]:
- Cơ cấu giới tính: Nữ chiếm 58.3% (56 người), Nam chiếm 41.7% (40 người).
- Nhóm tuổi trọng điểm: 25 - 40 tuổi chiếm 50.0% (48 người); 18 - 25 tuổi chiếm 24.0% (23 người).
- Trình độ học vấn: Đại học chiếm 40.6% (39 người); THPT chiếm 17.7%; Cao đẳng/Trung cấp chiếm 16.7%.
- Mức thu nhập: 7 - 10 triệu đồng/tháng chiếm đa số tuyệt đối với 58.3% (56 người).
- Nguồn tiếp cận thông tin: Nhân viên tư vấn FPT (82.3%), Truyền miệng/Người thân (82.3%), Báo chí/Mạng xã hội (72.9%).

Đổi mới và đóng góp

Điểm đột phá về mặt học thuật và ứng dụng

  1. Chuyển dịch từ đo lường định tính sang ma trận định lượng 4 tầng: Khác với các nghiên cứu Marketing truyền thống chỉ dừng lại ở thống kê mô tả, đề tài tích hợp chặt chẽ mô hình AIDA với các thuật toán kiểm định tham số (Parametric Tests), cung cấp bằng chứng thực nghiệm rõ ràng về mối quan hệ nhân quả trong chuỗi hành vi mua.
  2. Khắc phục điểm nghẽn phễu chuyển đổi dịch vụ viễn thông: Nghiên cứu chỉ ra rằng điểm rơi lớn nhất của khách hàng nằm ở giai đoạn chuyển giao giữa Interest $\rightarrow$ Desire (Khách hàng biết và thích nhưng chưa có động lực đổi nhà mạng). Việc bổ sung cơ chế Gamification ("Lắc điện thoại trúng quà") đã gia tăng tỷ lệ chuyển đổi sang Action lên thêm $12.42%$ doanh thu.
Tiêu chí so sánh Khung AIDA trong đề tài này Mô hình DAGMAR truyền thống Mô hình AISAS (Dentsu)
Cơ chế đo lường Định lượng qua Likert 5 điểm, T-Test, Cronbach's Alpha. Đo lường mục tiêu nhận thức định tính. Tập trung vào Search và Share trên Digital.
Khả năng ứng dụng Offline/O2O Rất cao, bao quát cả Direct Sales và Digital Touchpoints. Thấp, cồng kềnh trong triển khai thực địa. Hạn chế ở các thị trường chuộng tương tác trực tiếp.
Độ nhạy chuyển đổi doanh số Trực tiếp phản ánh qua hành vi đăng ký hợp đồng mạng. Phản ánh nhận thức dài hạn, độ trễ cao. Phản ánh tương tác lan tỏa mạng xã hội.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong doanh nghiệp viễn thông

  • Tối ưu hóa lực lượng bán hàng trực tiếp (Direct Sales - IBB): Do $82.3%$ khách hàng biết đến chương trình qua nhân viên tư vấn, chi nhánh cần tập trung trang bị bộ công cụ số (Sales Tablet Kit) để nhân viên trực tiếp demo tốc độ cáp quang FTTH tại nhà khách hàng.
  • Cá nhân hóa thông điệp theo độ tuổi và thu nhập: Tách biệt chiến dịch cho nhóm 25 - 40 tuổi (thu nhập 7-10 triệu, cần gói cước ổn định cho gia đình, kết hợp truyền hình FPT Play) và nhóm 18 - 25 tuổi (ưu tiên băng thông quốc tế và độ trễ thấp để chơi game, học tập).
  • Chiến lược O2O (Online-to-Offline) qua ứng dụng Hi FPT: Tích hợp tính năng mini-game và thông báo ưu đãi trực tiếp trên ứng dụng quản lý cước, giảm $35%$ chi phí in ấn tờ rơi truyền thống.
Roadmap triển khai 4 giai đoạn cho Chi nhánh cấp tỉnh:
[Tháng 1]: Chuẩn hóa bảng hỏi AIDA & Tích hợp SDK thu thập dữ liệu trên App Hi FPT.
[Tháng 2]: Huấn luyện 100% đội ngũ kinh doanh (IBB1, IBB2, IBB3) về kịch bản tư vấn theo phễu tâm lý.
[Tháng 3]: Triển khai chiến dịch Gamification đa kênh (Digital Ads + Điểm giao dịch + Direct Sales).
[Tháng 4]: Chạy pipeline phân tích dữ liệu SPSS/Python tự động, đánh giá ROI và tối ưu ngân sách.

Hạn chế và hướng phát triển

  • Hạn chế mẫu nghiên cứu: Quy mô mẫu $n = 96$ áp dụng phương pháp chọn mẫu thuận tiện tại địa bàn TP. Huế, chưa đại diện hoàn toàn cho các vùng nông thôn lân cận hoặc các đô thị đặc thù khác.
  • Phương pháp phân tích: Đề tài chủ yếu sử dụng thống kê mô tả, Cronbach's Alpha và T-Test; chưa áp dụng mô hình phương trình cấu trúc (SEM - Structural Equation Modeling) để đo lường trọng số tác động trực tiếp/gián tiếp giữa các nhân tố.
  • Hướng phát triển tương lai: Mở rộng nghiên cứu sang mô hình AIDA tích hợp Machine Learning để dự đoán tỷ lệ rời mạng (Churn Rate) của khách hàng FTTH dựa trên mức độ hài lòng ở từng giai đoạn tiếp cận.

Đối tượng hưởng lợi

  • Sinh viên & Học viên ngành Marketing / Quản trị Kinh doanh: Nguồn tài liệu tham khảo chuẩn mực về cách thiết kế công cụ đo lường, mã hóa thang đo và xử lý dữ liệu SPSS trong khóa luận tốt nghiệp.
  • Chuyên viên Marketing & Brand Manager tại doanh nghiệp Viễn thông: Khung tham chiếu thực tế giúp phân bổ ngân sách IMC tối ưu, nâng cao $10 - 15%$ tỷ lệ chuyển đổi thuê bao thực tế.
  • Nhà nghiên cứu kinh tế ứng dụng: Case study thực chứng với đầy đủ dữ liệu kinh doanh và nhân sự giai đoạn 2018–2020 tại một chi nhánh viễn thông hàng đầu Việt Nam.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai mô hình đánh giá này là gì?

Hệ thống yêu cầu công cụ bảng hỏi chuẩn hóa (Google Forms hoặc phân hệ khảo sát trên App CSKH), phần mềm xử lý dữ liệu IBM SPSS Statistics v20.0 trở lên (hoặc môi trường Python 3.8+ với thư viện scipy, pingouin) và bộ dữ liệu tối thiểu $n \ge 96$ quan sát.

2. Mô hình có thể mở rộng (Scalability) cho các tỉnh thành khác không?

Hoàn toàn có thể. Quy mô mẫu $n = 96$ được tính toán trên sai số $10%$ của tổng thể vô hạn. Khi mở rộng sang các chi nhánh lớn hơn (Hà Nội, TP.HCM), chỉ cần điều chỉnh sai số cho phép $e = 0.05$ để nâng kích thước mẫu lên $n \approx 384$ nhằm đảm bảo tính đại diện.

3. Làm thế nào để tích hợp đánh giá AIDA vào hệ thống CRM hiện có của FPT?

Doanh nghiệp có thể nhúng API khảo sát vi mô (Micro-survey 1-click) ngay trên ứng dụng Hi FPT sau khi khách hàng tương tác với quảng cáo hoặc thanh toán cước, sau đó tự động đẩy điểm số Likert về Data Lake để phân tích tự động.

4. Chi phí duy trì và đo lường định kỳ theo mô hình này là bao nhiêu?

Chi phí vận hành gần như bằng không nếu doanh nghiệp tận dụng hạ tầng phần mềm nội bộ và kênh khảo sát số hóa, chỉ phát sinh chi phí khuyến mại/quà tặng để khuyến khích khách hàng điền bảng hỏi.

5. Thời gian thu hồi vốn (ROI) của một chiến dịch IMC ứng dụng AIDA kéo dài bao lâu?

Như dữ liệu thực nghiệm chứng minh, chiến dịch 2 tháng đem lại mức tăng trưởng lợi nhuận ròng $10.78%$ (+52.36 triệu VNĐ) trên tổng ngân sách thưởng 500 triệu VNĐ, đồng thời gia tăng giá trị vòng đời khách hàng (Customer Lifetime Value - CLV) trong nhiều năm tiếp theo.

Kết luận

Khóa luận tốt nghiệp "Vận dụng mô hình AIDA trong đánh giá truyền thông marketing tích hợp đối với dịch vụ Internet cáp quang của CTCP Viễn Thông FPT – chi nhánh Huế" đã chứng minh thành công tính khả thi và hiệu quả vượt trội của việc kết hợp lý thuyết hành vi người tiêu dùng với các công cụ kiểm định thống kê chuẩn mực. Bằng cách định lượng hóa toàn bộ phễu AIDA thông qua $n=96$ mẫu thực nghiệm và các chỉ số tài chính thực tế tăng trưởng $12.42%$ doanh thu, công trình nghiên cứu đã cung cấp giải pháp toàn diện, góp phần giải quyết bài toán tối ưu hóa chi phí truyền thông và thúc đẩy tăng trưởng bền vững cho doanh nghiệp viễn thông trong kỷ nguyên số.