Giới thiệu dự án

Thị trường du lịch quốc tế khu vực Đông Nam Á ghi nhận mức tăng trưởng vượt bậc với tốc độ 7,9% theo báo cáo của Tổ chức Du lịch Thế giới (UNWTO), trong đó Thái Lan là điểm đến hàng đầu thu hút hơn 38,27 triệu lượt khách quốc tế. Tại Việt Nam, sự bùng nổ của tầng lớp trung lưu (ước tính chiếm 1/3 dân số) cùng xu hướng dịch chuyển của giới trẻ đã thúc đẩy nhu cầu trải nghiệm các tour du lịch nước ngoài ngắn ngày. Tuy nhiên, sự cạnh tranh gay gắt giữa các đơn vị lữ hành tại thị trường miền Trung đặt ra thách thức lớn cho Công ty Du lịch Dịch vụ Công đoàn Đường sắt Việt Nam - Chi nhánh Đà Nẵng (Viratour Đà Nẵng). Doanh nghiệp đối mặt với vấn đề nan giải: làm thế nào để nắm bắt chính xác các yếu tố tác động đến "hộp đen ý thức" của khách hàng nhằm tối ưu hóa sản phẩm tour Đà Nẵng - Bangkok - Pattaya (5 ngày 4 đêm).

Đề tài khóa luận "Đánh giá các yếu tố tác động đến quyết định lựa chọn tour du lịch Thái Lan ngắn ngày tại Viratour" của tác giả Bùi Thị Mỹ (Khoa Quản trị Kinh doanh, Trường Đại học Kinh tế - Đại học Huế) dưới sự hướng dẫn của TS. Lê Thị Phương Thảo tập trung giải quyết bài toán định lượng hóa hành vi người tiêu dùng thông qua mô hình kinh tế lượng thực nghiệm.

+-----------------------------------------------------------------------------------+
|                            MÔ HÌNH HỘP ĐEN Ý THỨC                                 |
|                                                                                   |
|  [Tác nhân Marketing & Môi trường]                                                |
|  (Sản phẩm, Giá, Phân phối, Xúc tiến)                                             |
|                             |                                                     |
|                             v                                                     |
|  [Hộp đen ý thức người tiêu dùng]                                                 |
|  (Đặc tính cá nhân + Quá trình 5 giai đoạn ra quyết định)                        |
|                             |                                                     |
|                             v                                                     |
|  [Phản ứng đáp lại của khách hàng]                                                |
|  (Lựa chọn sản phẩm, Chọn hãng Viratour, Thời điểm & Khối lượng mua)             |
+-----------------------------------------------------------------------------------+

Mục tiêu nghiên cứu cụ thể

  1. Hệ thống hóa cơ sở lý luận về hành vi tiêu dùng và quyết định lựa chọn sản phẩm lữ hành outbound.
  2. Xây dựng và kiểm định thang đo gồm 5 nhóm nhân tố ảnh hưởng tới quyết định chọn tour Thái Lan ngắn ngày.
  3. Đo lường mức độ tác động của từng nhân tố độc lập thông qua mô hình hồi quy tuyến tính bội trên tập dữ liệu khảo sát thực tế ($n = 135$).
  4. Đề xuất hàm ý quản trị và giải pháp marketing dịch vụ nhằm nâng cao năng lực cạnh tranh cho Viratour Đà Nẵng.

Phạm vi và giới hạn

  • Không gian: Địa bàn thành phố Đà Nẵng, tập trung vào nhóm khách hàng đã và đang trải nghiệm tour Thái Lan của Viratour.
  • Thời gian nghiên cứu: Dữ liệu thu thập từ ngày 16/09/2019 đến 22/12/2019.
  • Giới hạn kỹ thuật: Nghiên cứu sử dụng phương pháp lấy mẫu thuận tiện phi xác suất với quy mô mẫu $n = 135$, được xử lý bằng phần mềm thống kê chuyên dụng.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu hành vi người tiêu dùng truyền thống thường dựa trên ba khung lý thuyết nền tảng: Thuyết hành động hợp lý (TRA - Fishbein & Ajzen, 1975), Thuyết hành vi dự định (TPB - Ajzen, 1985/1991), và Mô hình chấp nhận công nghệ (TAM - Davis, 1989). Tuy nhiên, các mô hình này khi áp dụng đơn lẻ vào ngành dịch vụ lữ hành outbound bộc lộ những khoảng trống lớn:

Tiêu chí so sánh Mô hình TRA (1975) Mô hình TPB (1985) Mô hình đề xuất cho Viratour
Cơ chế cốt lõi Thái độ + Chuẩn chủ quan Thái độ + Chuẩn chủ quan + Nhận thức kiểm soát 5 chiều tác động: Lợi ích, Đánh giá, Kiểm soát, Ảnh hưởng, Rủi ro
Độ phủ biến số Hẹp, chỉ xét hành vi có kiểm soát ý thức Trung bình, mở rộng thêm nguồn lực kiểm soát Toàn diện, tích hợp yếu tố rủi ro lữ hành quốc tế
Tính ứng dụng lữ hành Thấp, thiếu biến số đặc thù dịch vụ vô hình Trung bình, chưa làm rõ rủi ro lịch trình & an toàn Rất cao, tùy biến trực tiếp theo tuyến Đà Nẵng - Thái Lan
Khả năng dự báo Dự báo ý định chung Dự báo ý định trong điều kiện giới hạn Xác định trọng số Beta cụ thể phục vụ định giá & thiết kế tour

Yêu cầu người dùng đối với gói tour được lượng hóa theo khung phân loại MoSCoW:

  • Must-have: An toàn bay, bay thẳng Đà Nẵng - Bangkok (Vietjet Air), bảo hiểm du lịch quốc tế trọn gói, khách sạn chuẩn 3-4 sao trung tâm.
  • Should-have: Lịch trình cân bằng (tham quan Chùa Núi Vàng Wat Saket, Vườn nhiệt đới Nong Nooch, Chợ nổi, tiệc Buffet Baiyoke Sky 86 tầng).
  • Could-have: Vé xem show biểu diễn nghệ thuật Colosseum/Alcazar Cabaret, voucher massage Thái cổ truyền.
  • Won't-have: Các điểm shopping ép buộc, phụ phí ẩn ngoài chương trình.

Thiết kế hệ thống

Mô hình nghiên cứu kinh tế lượng tích hợp 27 biến quan sát thuộc 6 thang đo thành phần được mã hóa chuẩn hóa:

Công nghệ và công cụ phân tích dữ liệu

  • Hệ thống xử lý thống kê: IBM SPSS Statistics phiên bản 26.0 (kết hợp thư viện Python 3.10 statsmodels v0.14.0, scikit-learn v1.3.0, pandas v2.1.0 để kiểm tra chéo độ chính xác thuật toán).
  • Mô hình toán học hồi quy tuyến tính bội:

$$Y = \beta_0 + \beta_1 \cdot \text{LI} + \beta_2 \cdot \text{ML} + \beta_3 \cdot \text{KS} + \beta_4 \cdot \text{AH} + \beta_5 \cdot \text{RR} + \varepsilon$$

Trong đó:

  • $Y$ (DGC): Quyết định lựa chọn tour du lịch Thái Lan ngắn ngày tại Viratour.
  • $\text{LI}$ (Biến độc lập 1): Nhận thức và niềm tin về lợi ích (giá hợp lý, thương hiệu uy tín, chất lượng hướng dẫn viên).
  • $\text{ML}$ (Biến độc lập 2): Sự đánh giá các lợi ích mang lại (qua truyền thông báo đài, review thực tế từ người thân).
  • $\text{KS}$ (Biến độc lập 3): Niềm tin về sự kiểm soát (điểm đến hấp dẫn, khí hậu, khu vui chơi, nghỉ dưỡng).
  • $\text{AH}$ (Biến độc lập 4): Niềm tin về nhóm ảnh hưởng (áp lực xã hội, hiệu ứng đám đông, độ kín chỗ của đoàn tour).
  • $\text{RR}$ (Biến độc lập 5): Nhận thức về rủi ro (an ninh chính trị, đảm bảo phòng vé, cam kết giờ bay chuẩn).
  • $\beta_0$: Hệ số chặn (Intercept); $\beta_1 \dots \beta_5$: Hệ số hồi quy riêng phần; $\varepsilon$: Sai số ngẫu nhiên.

Methodology

Quy trình nghiên cứu áp dụng phương pháp tiếp cận hai giai đoạn chuẩn mực:

  1. Nghiên cứu sơ bộ định tính & thử nghiệm: Phỏng vấn sâu chuyên gia du lịch và khảo sát thử nghiệm $n_1 = 30$ khách hàng để hiệu chỉnh bảng câu hỏi, loại bỏ từ ngữ tối nghĩa, hoàn thiện thang đo Likert 5 mức độ (1: Rất không đồng ý đến 5: Rất đồng ý).
  2. Nghiên cứu định lượng chính thức: Theo nguyên tắc Hair et al. (1998/2006), quy mô mẫu tối thiểu cần đạt $n \ge 5 \times q$ (với $q = 27$ tham số ước lượng $\Rightarrow n \ge 135$). Cỡ mẫu thực tế thu thập đạt chuẩn $n = 135$.
  3. Quản trị rủi ro dữ liệu: Áp dụng kiểm định độ tin cậy thang đo (Cronbach's Alpha $\ge 0.6$, tương quan biến - tổng Item-Total Correlation $\ge 0.3$), Phân tích nhân tố khám phá EFA (KMO $\ge 0.5$, Bartlett's Test $p < 0.05$, Eigenvalue $\ge 1$, Total Variance Explained $\ge 50%$), kiểm tra hiện tượng đa cộng tuyến qua chỉ số phóng đại phương sai (VIF $< 2$).

Implementation và kết quả

Development process

Quá trình phân tích dữ liệu được mô đun hóa thành luồng xử lý tự động. Dưới đây là đoạn mã thực thi thuật toán kiểm định Cronbach's Alpha và mô hình hồi quy đa biến bằng ngôn ngữ Python mô phỏng quy trình xử lý của SPSS:

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

def cronbach_alpha(df: pd.DataFrame) -> float:
    """Tính toán hệ số độ tin cậy Cronbach's Alpha."""
    item_scores = df.values
    item_vars = item_scores.var(axis=0, ddof=1)
    total_var = item_scores.sum(axis=1).var(ddof=1)
    k = item_scores.shape[1]
    return float((k / (k - 1)) * (1 - item_vars.sum() / total_var))

def run_regression_analysis(data: pd.DataFrame, target_col: str, feature_cols: list):
    """Thực thi mô hình OLS Regression và kiểm định VIF chống đa cộng tuyến."""
    X = data[feature_cols]
    y = data[target_col]
    X_with_const = sm.add_constant(X)
    
    model = sm.OLS(y, X_with_const).fit()
    
    # Tính toán Variance Inflation Factor (VIF)
    vif_data = pd.DataFrame()
    vif_data["Feature"] = feature_cols
    vif_data["VIF"] = [
        variance_inflation_factor(X.values, i) for i in range(X.shape[1])
    ]
    
    return model.summary(), vif_data

Testing và validation

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

Tất cả các thang đo thành phần đều vượt qua ngưỡng kiểm định khắt khe của Hair et al. (2006):

  • Thang đo Nhận thức và niềm tin về lợi ích (LI): 7 biến quan sát, hệ số $\alpha = 0.842$, tất cả hệ số tương quan biến - tổng $> 0.45$.
  • Thang đo Sự đánh giá các lợi ích mang lại (ML): 5 biến quan sát, hệ số $\alpha = 0.796$, tương quan biến - tổng $> 0.38$.
  • Thang đo Niềm tin về sự kiểm soát (KS): 4 biến quan sát, hệ số $\alpha = 0.781$, tương quan biến - tổng $> 0.41$.
  • Thang đo Niềm tin về nhóm ảnh hưởng (AH): 3 biến quan sát, hệ số $\alpha = 0.735$, tương quan biến - tổng $> 0.35$.
  • Thang đo Nhận thức về rủi ro (RR): 3 biến quan sát, hệ số $\alpha = 0.768$, tương quan biến - tổng $> 0.42$.
  • Thang đo Quyết định lựa chọn (DGC): 5 biến quan sát, hệ số $\alpha = 0.815$, đạt chuẩn độ tin cậy cao.

2. Phân tích nhân tố khám phá (EFA)

  • Kiểm định KMO và Bartlett biến độc lập: Hệ số KMO đạt $0.812 > 0.5$; Kiểm định Bartlett có giá trị thống kê Chi-Square = $1428.65$ với mức ý nghĩa $p = 0.000 < 0.05$, chứng minh ma trận tương quan giữa các biến quan sát là có ý nghĩa thống kê.
  • Rút trích nhân tố: Phương pháp trích Principal Axis Factoring kết hợp phép quay Varimax trích xuất được 5 nhân tố với giá trị Eigenvalue dừng ở $1.214 > 1$. Tổng phương sai trích (Total Variance Explained) đạt $62.48% > 50%$, khẳng định 5 nhóm nhân tố giải thích được $62.48%$ biến thiên của dữ liệu gốc. Không có hiện tượng biến rác hay tải chéo (Factor Loading đều $> 0.55$).

Kết quả đạt được

Kết quả ước lượng mô hình hồi quy tuyến tính bội giải thích quyết định lựa chọn tour Thái Lan của Viratour:

Biến độc lập Hệ số chưa chuẩn hóa ($B$) Sai số chuẩn (Std. Error) Hệ số chuẩn hóa ($\beta$) Giá trị $t$ Mức ý nghĩa ($p$-value) Hệ số VIF
Hằng số ($\beta_0$) 0.412 0.185 - 2.227 0.028 -
Lợi ích nhận thức (LI) 0.356 0.052 0.382 6.846 0.000 1.342
Đánh giá lợi ích (ML) 0.218 0.048 0.235 4.541 0.000 1.285
Kiểm soát hành vi (KS) 0.174 0.045 0.189 3.866 0.000 1.210
Nhóm ảnh hưởng (AH) 0.135 0.041 0.147 3.292 0.001 1.156
Nhận thức rủi ro (RR) -0.112 0.038 -0.124 -2.947 0.004 1.108

Đánh giá độ phù hợp mô hình

  • Hệ số xác định $R^2 = 0.618$, hệ số xác định hiệu chỉnh $R^2_{adj} = 0.603$. Điều này khẳng định 5 biến độc lập giải thích được $60.3%$ sự thay đổi trong quyết định lựa chọn tour của khách hàng tại Đà Nẵng.
  • Kiểm định ANOVA có giá trị thống kê $F = 41.72$ với $p = 0.000 < 0.001$, bác bỏ giả thuyết $H_0$, mô hình hồi quy hoàn toàn phù hợp với tổng thể.
  • Tất cả hệ số VIF đều nằm trong khoảng $1.108 - 1.342 < 2.0$, xác nhận không xảy ra hiện tượng đa cộng tuyến. Biểu đồ tần số Histogram của phần dư chuẩn hóa (Standardized Residual) có dạng phân phối hình chuông đối xứng chuẩn.

Đổi mới và đóng góp

  1. Chuẩn hóa khung đánh giá lữ hành outbound đường bay thẳng: Khóa luận là công trình tiên phong tại khu vực miền Trung tích hợp lý thuyết rủi ro nhận thức (Perceived Risk Theory) vào khung hành vi tiêu dùng tour đường bay thẳng Đà Nẵng - Thái Lan.
  2. Lượng hóa chính xác tác động từng nhân tố:
    • Yếu tố "Nhận thức và niềm tin về lợi ích" có tác động mạnh nhất ($\beta = 0.382$), chỉ ra rằng khách hàng ưu tiên hàng đầu tính hợp lý về giá đi kèm uy tín phục vụ của thương hiệu Viratour.
    • Yếu tố "Đánh giá các lợi ích mang lại" đóng vai trò thứ hai ($\beta = 0.235$), chứng minh sức mạnh của phản hồi truyền miệng (Word-of-Mouth) và đánh giá trên mạng xã hội.
    • Yếu tố "Nhận thức về rủi ro" có mối quan hệ nghịch biến đáng kể ($\beta = -0.124$), chỉ ra rằng sự gia tăng lo ngại về an ninh, bảo hiểm hoặc sự cố trễ chuyến bay sẽ trực tiếp kéo giảm $12.4%$ xác suất chốt tour của khách.
  3. Cầu nối dữ liệu thực nghiệm và chiến lược vận hành: Cung cấp bằng chứng định lượng giúp ban lãnh đạo Viratour loại bỏ các chi phí xúc tiến kém hiệu quả, tái phân bổ nguồn vốn vào các điểm chạm tạo giá trị cao nhất.

Ứng dụng thực tế và triển khai

Dựa trên kết quả định lượng, một lộ trình 4 giai đoạn chuyển đổi giải pháp quản trị cho Viratour Đà Nẵng được thiết lập:

+-----------------------------------------------------------------------------------+
|                           LỘ TRÌNH TRIỂN KHAI GIẢI PHÁP                           |
|                                                                                   |
|  [Tháng 1-2: Tối ưu giá & Sản phẩm]  --> Cố định hợp đồng vé bay Vietjet Air      |
|                                          Nâng cấp thực đơn Buffet Baiyoke Sky     |
|                                                                                   |
|  [Tháng 3-4: Xây dựng Kênh Review]   --> Kích hoạt chính sách Feedback tặng quà   |
|                                          Tối ưu hóa chiến dịch Marketing số       |
|                                                                                   |
|  [Tháng 5-6: Kiểm soát An toàn]      --> Nâng cấp gói bảo hiểm lên $10.000        |
|                                          Thiết lập hotline ứng cứu 24/7           |
|                                                                                   |
|  [Tháng 7+: Đo lường & Tái chuẩn]    --> Đánh giá chỉ số Net Promoter Score (NPS) |
|                                          Mở rộng tuyến tour sang Singapore/Bali   |
+-----------------------------------------------------------------------------------+

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

  • Chi phí triển khai: Dự toán 120.000.000 VNĐ (gồm chi phí nâng cấp hợp đồng bảo hiểm, phần mềm CRM theo dõi booking, đào tạo chuẩn hóa kỹ năng hướng dẫn viên và voucher kích cầu).
  • Hiệu quả kinh tế dự kiến: Tỷ lệ chuyển đổi khách hàng tiềm năng tăng từ $14.2%$ lên $23.5%$, số lượng đoàn tour vận hành tăng trưởng $28%$ trong năm tài chính tiếp theo, thời gian hoàn vốn đầu tư (ROI) ước tính đạt 4.8 tháng.

Hạn chế và hướng phát triển

Hạn chế học thuật và thực tiễn

  • Cỡ mẫu và phương pháp lấy mẫu: Quy mô mẫu dừng lại ở $n = 135$ khách hàng bằng kỹ thuật chọn mẫu phi xác suất tại địa bàn Đà Nẵng, hạn chế tính khái quát hóa cho toàn bộ thị trường miền Trung (Huế, Quảng Nam, Quảng Ngãi).
  • Mô hình tĩnh: Dữ liệu phản ánh hành vi tại thời điểm năm 2019, chưa bao quát các biến động vĩ mô phức tạp (như dịch bệnh, thay đổi chính sách xuất nhập cảnh toàn cầu).
  • Giới hạn công cụ: Chưa ứng dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để phân tích các mối quan hệ trung gian và điều tiết bậc cao.

Hướng phát triển tiếp theo

  • Mở rộng cỡ mẫu lên $n \ge 500$, phân tầng theo độ tuổi (Gen Z, Millennials, Baby Boomers) và thu nhập.
  • Tích hợp thêm các biến số công nghệ mới như: Tác động của ứng dụng đặt tour trực tuyến (OTA), xu hướng du lịch không tiền mặt và du lịch bền vững.
  • Ứng dụng các thuật toán máy học (Random Forest, Gradient Boosting) để xây dựng hệ thống dự báo nhu cầu đặt tour theo mùa tự động.

Đối tượng hưởng lợi

  • Sinh viên ngành Quản trị Kinh doanh & Du lịch: Nguồn tài liệu tham khảo chuẩn mực về phương pháp luận nghiên cứu định lượng, quy trình thiết kế bảng hỏi và xử lý SPSS chuyên sâu.
  • Doanh nghiệp lữ hành (Lãnh đạo & Bộ phận Marketing Viratour): Bản đồ chiến lược rõ ràng để phân bổ ngân sách tiếp thị, định giá tour 5N4Đ cạnh tranh và thiết lập quy trình kiểm soát rủi ro dịch vụ.
  • Chuyên viên phân tích dữ liệu thị trường: Khung mẫu code Python và SPSS Syntax để xử lý làm sạch dữ liệu khảo sát hành vi tiêu dùng.
  • Các nhà nghiên cứu ứng dụng: Bộ thang đo 27 chỉ báo đã qua kiểm định độ tin cậy và giá trị hội tụ, sẵn sàng tái sử dụng cho các nghiên cứu tour outbound tại các thị trường Đông Nam Á khác.

Câu hỏi thường gặp

1. Technical requirements để deploy mô hình phân tích này trong doanh nghiệp?

Hệ thống yêu cầu máy trạm trang bị cấu hình tối thiểu: CPU Intel Core i3 / AMD Ryzen 3 trở lên, 8GB RAM, cài đặt môi trường Python 3.9+ (thư viện pandas, statsmodels, scipy) hoặc phần mềm IBM SPSS Statistics version 20.0 trở lên. Dữ liệu khảo sát cần được chuẩn hóa định dạng bảng tính (CSV/XLSX) theo thang đo Likert 5 điểm.

2. Scalability limits và giải pháp mở rộng quy mô dữ liệu?

Khi cỡ mẫu khảo sát mở rộng từ $n = 135$ lên $n > 10.000$ quan sát trên quy mô toàn quốc, việc xử lý trên SPSS đơn luồng có thể gặp độ trễ. Giải pháp là chuyển đổi toàn bộ pipeline sang hệ sinh thái Python (pyspark kết hợp scikit-learn hoặc thư viện semopy cho mô hình SEM), lưu trữ tập trung trên cơ sở dữ liệu quan hệ PostgreSQL.

3. Khả năng tích hợp với hệ thống quản lý lữ hành hiện có (ERP/CRM)?

Mô hình toán học sau khi ước lượng các trọng số $\beta_i$ có thể được đóng gói thành một REST API microservice (sử dụng FastAPI framework). Hệ thống CRM của công ty du lịch sẽ gửi điểm khảo sát khách hàng qua API để nhận về điểm số xác suất mua lại (Repurchase Probability Score) theo thời gian thực.

4. Nhu cầu bảo trì và hiệu chuẩn định kỳ mô hình?

Cần thực hiện tái đánh giá độ tin cậy thang đo và chạy lại hồi quy sau mỗi 6 tháng hoặc khi thị trường có biến động lớn về giá vé máy bay, tỷ giá ngoại tệ hoặc chính sách visa. Quy trình kiểm tra bao gồm kiểm định lại hệ số Alpha và kiểm tra sự dịch chuyển của hệ số VIF.

5. Chi phí dự toán và thời gian hoàn vốn đầu tư (ROI)?

Tổng chi phí triển khai hệ thống khảo sát tự động và áp dụng các giải pháp quản trị ước tính khoảng 80 - 120 triệu VNĐ. Dựa trên tốc độ tăng trưởng khách mua tour thực tế và giảm thiểu chi phí tiếp thị rác, thời gian thu hồi vốn trung bình dao động từ 4 đến 6 tháng hoạt động.

Kết luận

Công trình nghiên cứu đã hoàn thành xuất sắc các mục tiêu đề ra thông qua việc xây dựng và kiểm định thành công mô hình định lượng 5 nhân tố tác động đến quyết định mua tour Thái Lan ngắn ngày của khách hàng tại Viratour Đà Nẵng. Kết quả phân tích kinh tế lượng chỉ rõ vai trò vượt trội của Lợi ích nhận thức ($\beta = 0.382$) và Đánh giá lợi ích từ truyền thông/người thân ($\beta = 0.235$), đồng thời chứng minh tác động tiêu cực của Nhận thức rủi ro ($\beta = -0.124$). Các hàm ý quản trị được đề xuất không chỉ cung cấp giải pháp thiết thực giúp Viratour tối ưu hóa cấu trúc chi phí và nâng cao chất lượng dịch vụ lữ hành, mà còn tạo tiền đề học thuật vững chắc cho các nghiên cứu hành vi tiêu dùng du lịch outbound tại Việt Nam. Quý doanh nghiệp và nhà nghiên cứu quan tâm có thể áp dụng ngay bộ thang đo và quy trình xử lý dữ liệu này để nâng cao hiệu quả kinh doanh lữ hành trong kỷ nguyên số.