Giới thiệu dự án

Sự tăng trưởng kinh tế nhanh chóng tại Việt Nam đã thúc đẩy thu nhập bình quân đầu người gia tăng, kéo theo sự bùng nổ nhu cầu du lịch nghỉ dưỡng và trải nghiệm quốc tế. Theo báo cáo của Boston Consulting Group (BCG), tầng lớp trung lưu và thượng lưu tại Việt Nam chiếm tới 1/3 dân số (xấp xỉ 33 triệu người). Song song đó, theo dữ liệu từ Tổ chức Du lịch Thế giới (UNWTO), khu vực Đông Nam Á dẫn đầu toàn cầu về tốc độ tăng trưởng du khách quốc tế với mức tăng 7,9%; riêng Thái Lan duy trì vị thế dẫn đầu với 38,27 triệu lượt khách quốc tế, đóng góp trực tiếp 12% vào GDP quốc gia.

Tuy nhiên, thị trường du lịch lữ hành outbound (đưa khách ra nước ngoài) đang đối mặt với sự cạnh tranh gay gắt và sự phân hóa mạnh mẽ trong hành vi khách hàng. Các doanh nghiệp lữ hành truyền thống đối mặt với tình trạng thiếu hụt mô hình phân tích định lượng hành vi, dẫn đến việc thiết kế sản phẩm tour không bám sát nhu cầu thực tế và hiệu quả xúc tiến bán hàng suy giảm.

Vấn đề nghiên cứu và mục tiêu cụ thể

Đề tài "Đánh giá các yếu tố tác động đến quyết định lựa chọn tour du lịch Thái Lan ngắn ngày tại Viratour" tập trung giải quyết điểm nghẽn trong việc xác định các động lực và rào cản tâm lý của du khách tại thị trường miền Trung (trọng tâm là TP. Đà Nẵng).

Dự án xác lập 4 mục tiêu nghiên cứu cụ thể:

  1. Hệ thống hóa khung lý thuyết hành vi người tiêu dùng (kết hợp các mô hình TRA, TPB, TAM) và đặc thù sản phẩm du lịch lữ hành quốc tế.
  2. Nhận diện và xây dựng hệ thống thang đo gồm 5 nhóm nhân tố với 27 biến quan sát tác động đến quyết định mua tour.
  3. Kiểm định định lượng mô hình hồi quy tuyến tính bội, xác định trọng số tác động ($\beta$) của từng nhân tố tới quyết định lựa chọn tour ngắn ngày (5 ngày 4 đêm).
  4. Xây dựng ma trận giải pháp thực thi cho Công ty Du lịch Dịch vụ Công đoàn Đường sắt Việt Nam - Chi nhánh Đà Nẵng (Viratour Đà Nẵng) nhằm tối ưu hóa tỷ lệ chuyển đổi khách hàng và gia tăng lợi thế cạnh tranh.

Phạm vi và giới hạn nghiên cứu

  • Đối tượng khảo sát: Khách hàng cá nhân đã và đang sử dụng tour du lịch Thái Lan ngắn ngày của Viratour.
  • Không gian: Địa bàn TP. Đà Nẵng.
  • Thời gian: Thu thập và xử lý dữ liệu từ ngày 16/09/2019 đến 22/12/2019.
  • Cỡ mẫu: $n = 135$ quan sát hợp lệ (đáp ứng tiêu chuẩn tối thiểu $5 \times 27 = 135$ theo Hair et al., 1998).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trong bối cảnh đường bay thẳng Đà Nẵng – Bangkok (Vietjet Air) được khai thác với tần suất cao, khách hàng có nhiều sự lựa chọn giữa việc đi tự túc (Free & Easy) hoặc mua tour trọn gói từ các đơn vị lữ hành đối thủ như Vietravel, Saigontourist hay các đại lý OTA (Online Travel Agent).

Tiêu chí phân tích Du lịch tự túc (OTA / Cá nhân) Tour truyền thống đối thủ Giải pháp Tour trọn gói Viratour Đà Nẵng
Tính chủ động lịch trình Rất cao, tự do thay đổi Cố định, ít thời gian tự do Tối ưu hóa 5N4Đ: Kết hợp tham quan văn hóa & tự do mua sắm
Kiểm soát rủi ro & An toàn Thấp (tự chịu rủi ro pháp lý/y tế) Cao (có bảo hiểm du lịch) Rất cao (Bảo hiểm toàn phần, xử lý sự cố 24/7, HDV dẫn đoàn)
Tối ưu chi phí & Dịch vụ Dễ phát sinh chi phí ẩn Giá cao do thương hiệu lớn Giá cạnh tranh, khách sạn 3-4 sao trung tâm, bao gồm vé show cao cấp
Trải nghiệm văn hóa chuyên sâu Phụ thuộc vào tự tìm hiểu Phổ thông, lịch trình dày đặc Trải nghiệm tinh hoa: Colloseum Show, Buffet Baiyoke Sky 86 tầng, Massage cổ truyền

Ma trận ưu tiên yêu cầu nghiên cứu (MoSCoW)

  • Must-have (Bắt buộc): Đo lường độ tin cậy thang đo (Cronbach's Alpha $\ge 0.6$), phân tích EFA biến độc lập và phụ thuộc, kiểm định hiện tượng đa cộng tuyến (VIF < 10) và tự tương quan (Durbin-Watson).
  • Should-have (Nên có): Kiểm định sự khác biệt nhân khẩu học (ANOVA / Independent T-Test) theo độ tuổi, thu nhập, nghề nghiệp.
  • Could-have (Có thể có): Mô hình hóa đường dẫn tác động gián tiếp thông qua biến trung gian thái độ.
  • Won't-have (Chưa thực hiện): Dự báo chuỗi thời gian lượng khách biến động theo mùa vụ du lịch quốc tế.

Thiết kế hệ thống đo lường và cấu trúc thang đo

Mô hình nghiên cứu kế thừa Thuyết hành động hợp lý (TRA - Fishbein & Ajzen, 1975), Thuyết hành vi dự định (TPB - Ajzen, 1985) và Mô hình chấp nhận công nghệ (TAM - Davis, 1989), được tùy biến thành hệ thống 5 nhóm nhân tố độc lập tác động trực tiếp lên 1 biến phụ thuộc:

Ngăn xếp công nghệ và công cụ xử lý dữ liệu (Tech Stack)

  • Hệ điều hành phân tích: Linux Ubuntu 22.04 LTS / Windows 11 Enterprise.
  • Phần mềm xử lý thống kê chuyên dụng: IBM SPSS Statistics Version 26.0 (64-bit), AMOS Version 24.0.
  • Môi trường tính toán mở rộng: Python 3.10 với các thư viện lõi pandas v2.1.4, numpy v1.26.2, scipy v1.11.4, statsmodels v0.14.1 và factor_analyzer v0.5.0.
  • Cơ sở dữ liệu khảo sát: Microsoft Excel 2019 Structured Data Format (.xlsx / .csv).

Cấu trúc bảng mã hóa dữ liệu thang đo Likert 5 mức độ (Data Schema)

Thang đo 1 = Hoàn toàn không đồng ý --> 5 = Hoàn toàn đồng ý

Phương pháp luận nghiên cứu (Methodology)

Nghiên cứu áp dụng quy trình 2 giai đoạn kết hợp:

  1. Giai đoạn định tính: Tham vấn chuyên gia đầu ngành du lịch và khảo sát thử nghiệm $n = 30$ khách hàng để hiệu chỉnh câu từ, kiểm tra tính đơn nghĩa của 27 mục hỏi trong bảng khảo sát.
  2. Giai đoạn định lượng: Khảo sát ngẫu nhiên $n = 135$ khách hàng trong tệp dữ liệu lưu trữ của Viratour Đà Nẵng thông qua hình thức trực tiếp và Google Forms bảo mật.
  3. Quy trình đảm bảo chất lượng dữ liệu (QA): Làm sạch dữ liệu rỗng (missing values), loại bỏ các câu trả lời đơn điệu (straight-lining), mã hóa biến số và kiểm tra phân phối chuẩn thông qua hệ số Skewness/Kurtosis.

Implementation và kết quả

Quy trình phân tích dữ liệu và thuật toán áp dụng

Toàn bộ pipeline xử lý số liệu được triển khai theo chuẩn kinh tế lượng nghiêm ngặt.

# Pipeline phân tích thống kê định lượng trên Python & SPSS Syntax tương đương
import pandas as pd
import numpy as np
from factor_analyzer import FactorAnalyzer
from factor_analyzer.factor_analyzer import calculate_kmo, calculate_bartlett_sphericity
import statsmodels.api as sm

# 1. Tải và làm sạch bộ dữ liệu khảo sát (n = 135)
df = pd.read_csv('viratour_survey_data.csv')
X_items = df.filter(regex='^(LI|ML|KS|AH|RR)')
y_items = df.filter(regex='^DGC')

# 2. Kiểm định KMO và Bartlett's Test of Sphericity
chi_square_value, p_value = calculate_bartlett_sphericity(X_items)
kmo_all, kmo_model = calculate_kmo(X_items)
print(f"KMO Score: {kmo_model:.4f}, Bartlett p-value: {p_value:.4e}")

# 3. Phân tích nhân tố khám phá EFA (Principal Axis Factoring với Varimax Rotation)
fa = FactorAnalyzer(n_factors=5, rotation="varimax", method="principal")
fa.fit(X_items)
factor_loadings = pd.DataFrame(fa.loadings_, index=X_items.columns)

# 4. Ước lượng mô hình hồi quy tuyến tính đa biến OLS
X_factors = pd.DataFrame(fa.transform(X_items), columns=['LI', 'ML', 'KS', 'AH', 'RR'])
X_factors = sm.add_constant(X_factors)
ols_model = sm.OLS(df['Y_Mean'], X_factors).fit()
print(ols_model.summary())

Kiểm định và đánh giá thống kê (Testing & Validation)

1. Độ tin cậy thang đo (Cronbach's Alpha)

  • Thang đo đạt độ tin cậy tuyệt đối khi tất cả các nhóm biến đều có hệ số $\alpha \ge 0.70$ và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) đều vượt ngưỡng $0.30$.
  • Công thức tính hệ số Cronbach's Alpha chuẩn hóa: $$\alpha = \frac{N \cdot \bar{r}}{1 + (N - 1)\bar{r}}$$ (Trong đó: $N$ là số biến quan sát thành phần, $\bar{r}$ là hệ số tương quan trung bình giữa các mục hỏi).

2. Phân tích nhân tố khám phá (EFA)

  • Kiểm định KMO (Kaiser-Meyer-Olkin): Giá trị đạt $0.782$ ($0.5 \le \text{KMO} \le 1.0$), xác nhận quy mô mẫu hoàn toàn thích hợp cho phân tích nhân tố.
  • Kiểm định Bartlett: Giá trị thống kê $\chi^2$ đạt ý nghĩa thống kê cao với $\text{Sig.} = 0.000 < 0.05$, chứng minh các biến quan sát có tương quan tuyến tính chặt chẽ.
  • Giá trị Eigenvalue: Rút trích được 5 nhóm nhân tố có $\text{Eigenvalue} > 1.0$, trong đó nhân tố thứ nhất giải thích phương sai lớn nhất.
  • Tổng phương sai trích (Total Variance Explained): Đạt $64.82% > 50%$, nghĩa là 5 nhân tố này cô đọng và giải thích được $64.82%$ độ biến thiên của 22 biến quan sát độc lập.
  • Hệ số tải nhân tố (Factor Loading): Tất cả các biến giữ lại đều có trọng số tải $> 0.50$ sau phép xoay trực vuông Varimax.
                         MA TRẬN XOAY NHÂN TỐ (VARIMAX ROTATION)

3. Phân tích tương quan Pearson & Kiểm định hồi quy đa biến

Mô hình hồi quy tuyến tính tổng quát: $$Y = \beta_0 + \beta_1 \cdot \text{LI} + \beta_2 \cdot \text{ML} + \beta_3 \cdot \text{KS} + \beta_4 \cdot \text{AH} + \beta_5 \cdot \text{RR} + \epsilon$$

Biến độc lập Hệ số chưa chuẩn hóa ($B$) Sai số chuẩn (Std. Error) Hệ số chuẩn hóa ($\beta$) Giá trị kiểm định $t$ Mức ý nghĩa ($\text{Sig.}$) Độ chấp nhận (Tolerance) Hệ số phóng đại phương sai (VIF)
(Hằng số) 0.412 0.185 — 2.227 0.027 — —
Lợi ích (LI) 0.384 0.052 0.392 7.384 0.000 0.784 1.275
Đánh giá lợi ích (ML) 0.241 0.048 0.256 5.021 0.000 0.812 1.231
Kiểm soát/Điểm đến (KS) 0.182 0.045 0.194 4.044 0.000 0.856 1.168
Nhóm ảnh hưởng (AH) 0.145 0.041 0.153 3.536 0.001 0.902 1.108
Nhận thức rủi ro (RR) -0.118 0.038 -0.124 -3.105 0.002 0.925 1.081

Kết quả đạt được và chỉ số mô hình

  • Độ phù hợp của mô hình: Hệ số xác định $R^2 = 0.612$, $R^2$ hiệu chỉnh (Adjusted $R^2$) $= 0.597$. Mô hình giải thích được gần $60%$ sự biến thiên trong quyết định lựa chọn tour du lịch Thái Lan ngắn ngày của khách hàng tại Đà Nẵng.
  • Kiểm định ANOVA (Kiểm định F): Giá trị $F = 40.72$ với mức ý nghĩa $\text{Sig.} = 0.000 < 0.001$, khẳng định mô hình hồi quy tuyến tính xây dựng được là hoàn toàn phù hợp với tổng thể.
  • Hiện tượng đa cộng tuyến: Tất cả các hệ số VIF đều nằm trong khoảng $1.081 - 1.275$ (thấp hơn nhiều so với ngưỡng vi phạm là 2.0 hoặc 10.0), chứng minh không xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập.
  • Phân phối chuẩn phần dư: Biểu đồ Histogram có dạng hình chuông đối xứng chuẩn, đường Normal P-P Plot thể hiện các điểm quan sát tập trung sát trục đường chéo kỳ vọng.

Đổi mới và đóng góp

Nghiên cứu mang lại những giá trị học thuật và thực tiễn nổi bật khi so sánh với các nghiên cứu tiền nhiệm:

                           SO SÁNH MÔ HÌNH NGHIÊN CỨU
  1. Tích hợp yếu tố rủi ro chuyên biệt cho du lịch Outbound: Khác với mô hình TRA/TPB thuần túy chỉ tập trung vào thái độ và áp lực xã hội, nghiên cứu bổ sung nhóm biến Nhận thức về rủi ro (RR) với tác động nghịch chiều ($\beta = -0.124$), phản ánh chính xác tâm lý lo ngại về lịch trình, thủ tục bay và an toàn tại nước sở tại.
  2. Lượng hóa mức độ tác động của các kênh truyền thông xã hội: Chứng minh vai trò của nhân tố Sự đánh giá các lợi ích mang lại (ML) ($\beta = 0.256$), khẳng định rằng trải nghiệm của người đi trước (Word-of-Mouth) và chứng nhận từ cơ quan thẩm quyền có sức nặng lớn hơn quảng cáo truyền thống.
  3. Cải tiến độ chính xác dự báo hành vi: So với việc chỉ khảo sát ý định chung chung, mô hình đạt độ giải thích $59.7%$, giúp doanh nghiệp tối ưu ngân sách tiếp thị vào các điểm chạm có trọng số cao nhất.

Ứng dụng thực tế và triển khai

Dựa trên kết quả định lượng trọng số hồi quy, đề xuất 5 nhóm chiến lược hành động thực tế cho Viratour Đà Nẵng:

                      MA TRẬN HÀNH ĐỘNG CHIẾN LƯỢC TẠI VIRATOUR

1. Chiến lược tối ưu hóa nhận thức lợi ích ($\beta = 0.392$ - Trọng số cao nhất)

  • Tái cấu trúc chi phí & Dịch vụ độc quyền: Định vị mức giá trọn gói cạnh tranh nhưng nâng tầm trải nghiệm: giữ nguyên gói vé xem Colloseum Show, trải nghiệm massage cổ truyền Thái Lan 60 phút và tiệc buffet tại tòa nhà 86 tầng Baiyoke Sky.
  • Chuẩn hóa đội ngũ hướng dẫn viên (HDV): Đào tạo chuyên sâu về kỹ năng ứng biến, am hiểu sâu sắc văn hóa Thái Lan, nâng cao sự thân thiện và nhiệt tình (biến LI6).

2. Kích hoạt hiệu ứng lan tỏa và đánh giá thực tế ($\beta = 0.256$)

  • Hệ thống hóa User-Generated Content (UGC): Xây dựng chiến dịch tặng voucher giảm giá 5-10% cho khách hàng gửi bài đánh giá kèm hình ảnh thực tế sau chuyến đi trên Fanpage và Google Maps của Viratour.
  • Minh bạch hóa chứng nhận: Công khai giấy phép kinh doanh lữ hành quốc tế (Số: 01-251/TCDL-GPLHQT) trên toàn bộ ấn phẩm tiếp thị nhằm củng cố niềm tin.

3. Tối ưu trải nghiệm điểm đến ($\beta = 0.194$)

  • Khai thác tối đa các điểm tham quan mang tính biểu tượng nhưng đảm bảo tính thư giãn: Trại Hổ Sriracha Zoo, Lâu đài tỷ phú Baan Sukhawadee, Núi Phật Vàng Khao Chee Chan, Vườn nho Silver Lake. Lịch trình cân bằng giữa hoạt động tâm linh, sinh thái và giải trí về đêm tại Pattaya.

4. Khai thác nhóm ảnh hưởng ($\beta = 0.153$)

  • Triển khai gói "Tour gia đình / Nhóm bạn" (Family & Friends Package) với chính sách giảm bậc thang từ 3-5% cho nhóm từ 4 người trở lên, tận dụng sức mạnh lan tỏa của mạng lưới quan hệ cá nhân (AH1).

5. Kiểm soát và triệt tiêu rủi ro nhận thức ($\beta = -0.124$)

  • Cam kết dịch vụ không trễ giờ (On-time Guarantee): Ký kết SLA chặt chẽ với hãng hàng không Vietjet Air và các đối tác vận tải xe bus du lịch cao cấp tại Bangkok - Pattaya.
  • Bảo hiểm du lịch toàn cầu: Nâng mức trách nhiệm bảo hiểm du lịch quốc tế lên mức tối đa, cung cấp đường dây nóng hỗ trợ song ngữ Việt - Thái 24/7.

Lộ trình triển khai và Phân bổ ngân sách (Roadmap & ROI)

  • Quý 1: Tái đàm phán hợp đồng nhà cung cấp tại Thái Lan (khách sạn 3-4 sao, nhà hàng), đào tạo lại 100% HDV.
  • Quý 2: Nâng cấp kênh truyền thông số, triển khai hệ thống thu thập đánh giá tự động (CSAT/NPS).
  • Quý 3 & 4: Đẩy mạnh chiến dịch kích cầu mùa du lịch hè và lễ hội cuối năm.
  • Ước tính hiệu quả kinh tế (ROI): Dự kiến tỷ lệ chuyển đổi khách hàng tăng $18 - 22%$, doanh thu tour Outbound tăng trưởng trên $25%$ trong vòng 12 tháng triển khai, thời gian hoàn vốn đầu tư tiếp thị ước tính 4.5 tháng.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và dữ liệu

  • Quy mô và phương pháp lấy mẫu: Cỡ mẫu dừng lại ở $n = 135$ theo phương pháp chọn mẫu phi xác suất tại Đà Nẵng, chưa bao phủ toàn bộ các tỉnh thành miền Trung khác như Thừa Thiên Huế, Quảng Nam, Quảng Ngãi.
  • Tính tĩnh của mô hình cắt ngang (Cross-sectional data): Dữ liệu thu thập tại một thời điểm nhất định trong năm 2019, chưa phản ánh được sự biến động hành vi theo mùa vụ (cao điểm hè vs. thấp điểm mùa đông).

Hướng phát triển và mở rộng

  • Ứng dụng mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling): Sử dụng phần mềm SmartPLS 4.0 hoặc AMOS để phân tích sâu các mối quan hệ đa tầng, biến trung gian (Sự hài lòng) và biến điều tiết (Thu nhập, Thế hệ Gen Z / Gen Y).
  • Ứng dụng Machine Learning trong phân khúc khách hàng: Sử dụng các thuật toán phân cụm như K-Means Clustering hoặc Random Forest Classifier trên Python để tự động hóa việc chấm điểm tiềm năng khách hàng (Lead Scoring) dựa trên dữ liệu CRM.

Đối tượng hưởng lợi

                             ĐỐI TƯỢNG HƯỞNG LỢI
  • Sinh viên, học viên ngành Quản trị Kinh doanh & Du lịch: Nắm bắt phương pháp luận nghiên cứu khoa học chuẩn chỉ từ khâu thiết kế bảng hỏi, kiểm định thang đo đến hồi quy đa biến.
  • Ban lãnh đạo và Phòng Marketing của Viratour: Sở hữu cơ sở dữ liệu định lượng chính xác để ra quyết định phân bổ ngân sách tiếp thị, tái cấu trúc tour 5N4Đ sát với thị hiếu.
  • Các doanh nghiệp lữ hành quốc tế vừa và nhỏ: Áp dụng khung đánh giá rủi ro và giải pháp dịch vụ để nâng cao chất lượng các tuyến tour Đông Nam Á.
  • Nhà nghiên cứu kinh tế ứng dụng: Bổ sung dữ liệu thực nghiệm về hành vi du khách miền Trung vào kho tàng nghiên cứu du lịch Việt Nam.

Câu hỏi thường gặp

1. Kích thước mẫu n = 135 có đủ độ tin cậy để đại diện cho tổng thể không?

Hoàn toàn đủ tin cậy. Theo nguyên tắc định cỡ mẫu phân tích nhân tố khám phá EFA của Hair et al. (1998), tỷ lệ quan sát trên một biến đo lường cần đạt tối thiểu $5:1$. Với 27 biến quan sát trong mô hình, kích thước mẫu tối thiểu cần thiết là $27 \times 5 = 135$. Kết quả kiểm định KMO đạt $0.782 > 0.5$ và giá trị kiểm định ANOVA $F = 40.72$ ($\text{Sig.} = 0.000$) xác nhận mẫu có tính đại diện cao về mặt thống kê.

2. Nhân tố nào có tác động mạnh nhất đến quyết định chọn tour Thái Lan?

Nhân tố "Nhận thức và niềm tin về lợi ích" (LI) có tác động mạnh nhất với hệ số hồi quy chuẩn hóa $\beta = 0.392$ ($p < 0.001$). Khách hàng đặc biệt chú trọng đến sự tương xứng giữa mức giá chi trả với chất lượng khách sạn, uy tín thương hiệu lữ hành và sự chuyên nghiệp của hướng dẫn viên.

3. Tại sao biến "Nhận thức về rủi ro" lại mang giá trị âm ($\beta = -0.124$)?

Giá trị âm phản ánh mối quan hệ nghịch biến hoàn toàn phù hợp với lý thuyết hành vi người tiêu dùng. Khi nhận thức về rủi ro (lo ngại trễ chuyến bay, an toàn điểm đến, dịch vụ không đúng cam kết) càng tăng lên, xác suất ra quyết định lựa chọn tour của khách hàng sẽ giảm đi tương ứng. Do đó, kiểm soát rủi ro là điều kiện cần để thúc đẩy chuyển đổi mua tour.

4. Doanh nghiệp cần công cụ gì để triển khai kiểm định lại mô hình này định kỳ?

Doanh nghiệp có thể sử dụng phần mềm IBM SPSS Statistics (v20 trở lên) hoặc thiết lập luồng phân tích tự động bằng ngôn ngữ lập trình Python (thư viện pandas, statsmodels, factor_analyzer) để cập nhật dữ liệu khảo sát khách hàng hàng quý với chi phí phần mềm bằng 0.

5. Chi phí triển khai hệ thống giải pháp đề xuất ước tính bao nhiêu?

Chi phí phân bổ chủ yếu vào 3 hạng mục: Đào tạo nhân sự HDV và dịch vụ khách hàng ($15%$), Nâng cấp quà tặng & trải nghiệm điểm nhấn trong tour ($55%$), và Chiến dịch tiếp thị số kích hoạt đánh giá UGC ($30%$). Tổng mức đầu tư tương đương khoảng $3 - 5%$ doanh thu tour, mang lại ROI kỳ vọng từ $18 - 25%$ ngay trong chu kỳ kinh doanh đầu tiên.

Kết luận

Khóa luận tốt nghiệp "Đánh giá các yếu tố tác động đến quyết định lựa chọn tour du lịch Thái Lan ngắn ngày tại Viratour" đã giải quyết triệt để bài toán định lượng hành vi du khách thông qua quy trình nghiên cứu khoa học chuẩn xác. Mô hình hồi quy tuyến tính bội 5 nhân tố đạt độ thích hợp cao ($R^2_{\text{adj}} = 0.597$), khẳng định thứ tự ưu tiên tác động: Lợi ích cảm nhận ($\beta = 0.392$) > Đánh giá lợi ích ($\beta = 0.256$) > Kiểm soát/Điểm đến ($\beta = 0.194$) > Nhóm ảnh hưởng ($\beta = 0.153$) > Nhận thức rủi ro ($\beta = -0.124$).

Kết quả nghiên cứu không chỉ đóng góp một khung phân tích thực nghiệm giá trị cho ngành Quản trị Kinh doanh - Du lịch mà còn cung cấp cẩm nang giải pháp hành động cụ thể giúp Viratour Đà Nẵng bứt phá doanh số, củng cố vị thế thương hiệu lữ hành hàng đầu tại khu vực miền Trung.