Giới thiệu dự án

Trong bối cảnh thị trường dệt may Việt Nam phục hồi mạnh mẽ sau đại dịch COVID-19 với kim ngạch xuất khẩu vượt mốc 39 tỷ USD (năm 2021) và quy mô tiêu dùng nội địa ước đạt 68 tỷ USD/năm, các thương hiệu bán lẻ thời trang trong nước đang phải đối mặt với áp lực cạnh tranh khốc liệt. Hơn 200 thương hiệu thời trang quốc tế (như Zara, H&M, Uniqlo) cùng làn sóng hàng may mặc giá rẻ từ Trung Quốc và Thái Lan đã chiếm lĩnh thị phần lớn tại các đô thị trọng điểm. Để xây dựng lợi thế cạnh tranh bền vững, doanh nghiệp không thể chỉ dựa vào chiến lược cạnh tranh về giá mà bắt buộc phải tối ưu hóa giá trị cảm nhận của khách hàng (Customer Perceived Value - CPV) trên toàn bộ chuỗi điểm chạm bán lẻ.

+-------------------------------------------------------------------------------+
|                             BỐI CẢNH VÀ ĐỘNG LỰC NGHIÊN CỨU                   |
+-------------------------------------------------------------------------------+
|  Thị trường nội địa $68B/năm  <--->  Cạnh tranh >200 thương hiệu quốc tế      |
|  Xu hướng chuyển dịch O2O     <--->  Chiến lược giá không còn là lợi thế duy nhất|
+-------------------------------------------------------------------------------+
                                       |
                                       v
+-------------------------------------------------------------------------------+
|          VẤN ĐỀ CỐT LÕI: Nâng cao Giá trị cảm nhận (CPV) tại YODY Đà Nẵng     |
+-------------------------------------------------------------------------------+

Công ty Cổ phần Thời trang YODY với định vị "Look good - Feel good" và hệ thống hơn 100 cửa hàng toàn quốc đang đẩy mạnh mở rộng quy mô tại khu vực miền Trung, đặc biệt là thành phố Đà Nẵng. Tuy nhiên, doanh nghiệp đối mặt với bài toán tối ưu hóa chi phí vận hành (tổng chi phí tăng 44,34% trong năm 2021) đi đôi với việc nâng cao trải nghiệm khách hàng tại điểm bán. Đề tài nghiên cứu ứng dụng "Đo lường giá trị cảm nhận của khách hàng tại hệ thống cửa hàng thời trang YODY khu vực Đà Nẵng" được thực hiện nhằm giải quyết các điểm nghẽn trong vận hành dịch vụ bán lẻ thông qua phân tích định lượng chuyên sâu.

Mục tiêu nghiên cứu cụ thể

  1. Hệ thống hóa cơ sở lý luận và thực tiễn về giá trị cảm nhận trong ngành bán lẻ thời trang chuỗi.
  2. Xác định các nhân tố cấu thành ảnh hưởng đến giá trị cảm nhận của khách hàng đối với YODY Đà Nẵng.
  3. Đo lường mức độ tác động của từng nhân tố đến giá trị cảm nhận thông qua mô hình kinh tế lượng.
  4. Đề xuất hệ thống giải pháp thực thi dựa trên dữ liệu nhằm nâng cao năng lực cạnh tranh cho hệ thống cửa hàng.

Phương pháp tiếp cận và phạm vi nghiên cứu

  • Phương pháp tiếp cận: Kết hợp mô hình đo lường đa hướng SERVPERVAL (Petrick, 2002) và GLOVAL (Sanchez & cộng sự, 2006), hiệu chỉnh bổ sung biến "Tính chuyên nghiệp của nhân viên" để phản ánh mô hình phân phối trực tiếp không qua trung gian (D2C) của YODY.
  • Phạm vi không gian & thời gian: Khảo sát trực tiếp nhóm khách hàng cá nhân từ 18 tuổi trở lên tại địa bàn TP. Đà Nẵng; dữ liệu kinh doanh thứ cấp thu thập giai đoạn 2019–2021, dữ liệu sơ cấp thu thập từ tháng 09/2022 đến tháng 12/2022.
  • Chỉ số kỳ vọng: Xác lập mô hình hồi quy tuyến tính với hệ số xác định $R^2 \ge 0.5$, loại bỏ hiện tượng đa cộng tuyến (VIF < 2) và tự tương quan, cung cấp thang đo chuẩn hóa đạt độ tin cậy Cronbach's Alpha $\ge 0.7$.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu giá trị cảm nhận trong bán lẻ đòi hỏi sự phân biệt rõ ràng giữa các trường phái lý thuyết. Dưới đây là bảng so sánh các mô hình đo lường kinh điển:

Mô hình nghiên cứu Tác giả & Năm Ưu điểm cốt lõi Nhược điểm / Hạn chế Mức độ phù hợp với YODY
SERVQUAL Parasuraman et al. (1988) Đánh giá khoảng cách kỳ vọng - cảm nhận (Gap Model) Cấu trúc câu hỏi dài (44 biến), dễ gây mệt mỏi cho người trả lời Thấp (thiếu biến chi phí hành vi)
SERVPERF Cronin & Taylor (1992) Rút gọn, chỉ đo lường mức độ cảm nhận thực tế Tập trung vào chất lượng dịch vụ đơn thuần, bỏ qua giá trị tiền tệ Trung bình
PERVAL Sweeney & Soutar (2001) Tách biệt giá trị chất lượng, cảm xúc, xã hội, giá cả Chủ yếu áp dụng cho hàng hóa hữu hình, thiếu khía cạnh giao dịch Khá
SERVPERVAL Petrick (2002) Tích hợp 5 thành phần: Cảm xúc, Chất lượng, Danh tiếng, Chi phí tiền, Chi phí giao dịch Chưa phản ánh sâu vai trò chuyên môn của nhân viên tư vấn Cao (được chọn làm khung gốc)
GLOVAL Sanchez et al. (2006) Bổ sung giá trị chức năng của đội ngũ nhân sự tiếp xúc Thang đo ban đầu thiết kế cho ngành du lịch (24 biến) Cao (chắt lọc biến nhân viên)

Ưu tiên hóa yêu cầu nghiên cứu theo ma trận MoSCoW

  • Must-have: Đo lường tác động của 6 nhân tố (Phản ứng cảm xúc, Chất lượng sản phẩm, Danh tiếng, Chi phí bằng tiền, Chi phí giao dịch, Tính chuyên nghiệp của nhân viên) đến Giá trị cảm nhận tổng thể.
  • Should-have: Đánh giá kiểm định khác biệt nhân khẩu học (One-Way ANOVA / Independent Samples T-Test) theo độ tuổi, thu nhập, học vấn.
  • Could-have: Phân tích ma trận tầm quan trọng - mức độ thực hiện (IPA) để tối ưu ngân sách marketing.
  • Won't-have: Phân tích chuỗi cung ứng thượng nguồn và chi phí logistics nội bộ.

Thiết kế hệ thống đo lường

Hệ thống đo lường được chuẩn hóa qua 27 biến quan sát (24 biến độc lập thuộc 6 nhóm nhân tố và 3 biến phụ thuộc) sử dụng thang đo khoảng Likert 5 điểm (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý).

graph TD
    subgraph "Nhân tố Độc lập (X)"
        PUCX["Phản ứng cảm xúc (PUCX: 4 biến)"]
        CLSP["Chất lượng sản phẩm (CLSP: 4 biến)"]
        DT["Danh tiếng thương hiệu (DT: 4 biến)"]
        CPBT["Chi phí bằng tiền (CPBT: 4 biến)"]
        CPGD["Chi phí giao dịch / Phi tiền tệ (CPGD: 4 biến)"]
        NV["Tính chuyên nghiệp của nhân viên (NV: 4 biến)"]
    end

    subgraph "Biến Phụ thuộc (Y)"
        GTCN["Giá trị cảm nhận của khách hàng (GTCN: 3 biến)"]
    end

    PUCX -->|H1 (+)| GTCN
    CLSP -->|H2 (+)| GTCN
    DT -->|H3 (+)| GTCN
    CPBT -->|H4 (+)| GTCN
    CPGD -->|H5 (+)| GTCN
    NV -->|H6 (+)| GTCN

Công nghệ và tiêu chuẩn kỹ thuật phân tích

  • Phần mềm: IBM SPSS Statistics v26.0, kết hợp môi trường Python 3.10 (statsmodels, scikit-learn, factor_analyzer) phục vụ tự động hóa kiểm định mô hình.
  • Quy chuẩn mẫu: $N_{min} = k \times 5 = 27 \times 5 = 135$ mẫu (theo Hair et al., 2006). Kích thước mẫu thực tế thu thập: $N = 142$ mẫu hợp lệ (trên 145 phiếu phát ra, tỷ lệ hiệu dụng 97,93%).
  • Tiêu chuẩn kiểm định thống kê:
    • Cronbach's Alpha $\ge 0.6$; Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0.3$.
    • Kiểm định KMO $\in [0.5, 1.0]$; Bartlett's Test of Sphericity có giá trị $Sig. < 0.05$.
    • Trích xuất nhân tố (EFA): Principal Component Analysis, phép xoay Varimax, Eigenvalue $\ge 1.0$, Tổng phương sai trích (Cumulative Variance Explained) $\ge 50%$, Factor Loading $\ge 0.50$.
    • Mô hình hồi quy OLS: Kiểm định hiện tượng đa cộng tuyến qua hệ số phóng đại phương sai (VIF < 2.0), tự tương quan qua thống kê Durbin-Watson ($1.5 < d < 2.5$).

Phương pháp luận (Methodology)

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

  1. Nghiên cứu định tính: Phỏng vấn sâu ($n = 10$) cán bộ quản lý và chuyên viên kinh doanh YODY Đà Nẵng để hiệu chỉnh câu chữ, xác lập tính giá trị nội dung (Content Validity) của bảng hỏi.
  2. Nghiên cứu định lượng: Khảo sát ngẫu nhiên thuận tiện thông qua nền tảng trực tuyến Google Forms kết hợp QR Code tại điểm bán từ 09/2022 đến 12/2022.

Implementation và kết quả

Quy trình xử lý dữ liệu và thuật toán phân tích

Dưới đây là kịch bản xử lý dữ liệu chuẩn hóa được thực thi trên môi trường phân tích dữ liệu ứng dụng:

import numpy as np
import pandas as pd
from factor_analyzer import FactorAnalyzer
from factor_analyzer.factor_analyzer import calculate_bartlett_sphericity, calculate_kmo
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

# 1. Tải và tiền xử lý dữ liệu khảo sát YODY (N = 142)
df = pd.read_csv("yody_danang_survey_data.csv")
independent_cols = [f"PUCX{i}" for i in range(1, 5)] + \
                    [f"CLSP{i}" for i in range(1, 5)] + \
                    [f"DT{i}" for i in range(1, 5)] + \
                    [f"CPBT{i}" for i in range(1, 5)] + \
                    [f"CPGD{i}" for i in range(1, 5)] + \
                    [f"NV{i}" for i in range(1, 5)]
dependent_cols = [f"GTCN{i}" for i in range(1, 4)]

# 2. Kiểm định KMO và Bartlett's Test
chi_square_value, p_value = calculate_bartlett_sphericity(df[independent_cols])
kmo_all, kmo_model = calculate_kmo(df[independent_cols])
print(f"KMO Measure: {kmo_model:.3f} | Bartlett's p-value: {p_value:.5e}")

# 3. Phân tích nhân tố khám phá EFA (Principal Component Extraction + Varimax Rotation)
fa = FactorAnalyzer(n_factors=6, rotation="varimax", method="principal")
fa.fit(df[independent_cols])
loadings = pd.DataFrame(fa.loadings_, index=independent_cols)

# 4. Ước lượng mô hình hồi quy tuyến tính OLS
X = df[['PUCX', 'CLSP', 'DT', 'CPBT', 'CPGD', 'NV']] # Mean construct scores
X = sm.add_constant(X)
y = df['GTCN'] # Dependent variable mean score
ols_model = sm.OLS(y, X).fit()

# 5. Kiểm định đa cộng tuyến (VIF)
vif_data = pd.DataFrame()
vif_data["Feature"] = X.columns
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
print(ols_model.summary())
print(vif_data)

Kết quả kiểm định thang đo và phân tích nhân tố (EFA)

Tất cả các thang đo thành phần đều vượt qua ngưỡng kiểm định độ tin cậy Cronbach's Alpha và trích xuất nhân tố EFA:

Nhóm biến Số biến quan sát Cronbach's Alpha KMO Bartlett's Sig. Tổng phương sai trích (%) Eigenvalue nhỏ nhất
Phản ứng cảm xúc (PUCX) 4 0.842 0.812 0.000 68.42% 2.737
Chất lượng sản phẩm (CLSP) 4 0.819 0.795 0.000 64.88% 2.595
Danh tiếng (DT) 4 0.856 0.824 0.000 70.15% 2.806
Chi phí bằng tiền (CPBT) 4 0.804 0.771 0.000 62.91% 2.516
Chi phí giao dịch (CPGD) 4 0.831 0.803 0.000 66.35% 2.654
Tính chuyên nghiệp NV (NV) 4 0.873 0.849 0.000 72.80% 2.912
Giá trị cảm nhận (GTCN - Y) 3 0.827 0.735 0.000 74.22% 2.227

Ghi chú: Toàn bộ hệ số tải nhân tố (Factor Loading) của các biến quan sát đều dao động từ 0.628 đến 0.865, đạt yêu cầu phân tích.

Kết quả ước lượng mô hình hồi quy OLS

Phương trình hồi quy tuyến tính bội chuẩn hóa phản ánh mức độ tác động của các yếu tố đến Giá trị cảm nhận của khách hàng ($N = 142$):

$$\text{GTCN} = 0.284 \times \text{DT} + 0.246 \times \text{NV} + 0.218 \times \text{CLSP} + 0.175 \times \text{PUCX} + 0.142 \times \text{CPGD} + 0.119 \times \text{CPBT}$$

+-------------------------------------------------------------------------------+
|                      TRỌNG SỐ TÁC ĐỘNG CHUẨN HÓA (BETA)                       |
+-------------------------------------------------------------------------------+
|  Danh tiếng (DT)                 [====================] 0.284 (Sig = 0.000)   |
|  Chuyên nghiệp nhân viên (NV)     [=================]   0.246 (Sig = 0.000)   |
|  Chất lượng sản phẩm (CLSP)      [===============]     0.218 (Sig = 0.002)   |
|  Phản ứng cảm xúc (PUCX)         [============]        0.175 (Sig = 0.011)   |
|  Chi phí giao dịch (CPGD)        [==========]          0.142 (Sig = 0.034)   |
|  Chi phí bằng tiền (CPBT)        [========]            0.119 (Sig = 0.048)   |
+-------------------------------------------------------------------------------+
|  Chỉ số kiểm định: R² = 0.612 | R² điều chỉnh = 0.595 | F = 35.48 (p < 0.001)  |
|  Kiểm định VIF: Max VIF = 1.432 (< 2.0) | Durbin-Watson d = 1.942             |
+-------------------------------------------------------------------------------+

Đánh giá thực nghiệm qua kiểm định One-Sample T-Test

Kiểm định giá trị trung bình tổng thể với giá trị kiểm định trung lập $Test\ Value = 3.0$ ($p < 0.001$):

  • Khách hàng đánh giá cao nhất ở yếu tố Danh tiếng thương hiệu ($\bar{X} = 3.91 \pm 0.62$) và Tính chuyên nghiệp của nhân viên ($\bar{X} = 3.84 \pm 0.68$).
  • Yếu tố Chi phí bằng tiền có điểm trung bình thấp nhất ($\bar{X} = 3.48 \pm 0.71$), phản ánh sự nhạy cảm về mức giá của phân khúc khách hàng mục tiêu có thu nhập 5–10 triệu đồng/tháng.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp khoa học và thực tiễn mang tính hệ thống cho ngành marketing bán lẻ:

  1. Hiệu chỉnh lý thuyết thang đo phù hợp với mô hình D2C: Tích hợp thành công nhân tố "Tính chuyên nghiệp của nhân viên" từ mô hình GLOVAL vào khung SERVPERVAL của Petrick (2002). Kết quả chứng minh nhân tố nhân viên đứng thứ 2 về mức độ tác động ($\beta = 0.246$), khẳng định tầm quan trọng của nhân sự trong chuỗi bán lẻ thời trang tự vận hành.
  2. So sánh tương quan với các công trình nghiên cứu tiền nhiệm:
Tiêu chí so sánh Nghiên cứu YODY Đà Nẵng (2022) Nghiên cứu Đan Châu (Đào Huỳnh Quyên, 2015) Nghiên cứu Metro Nha Trang (Võ Thị Thúy Lợi, 2014)
Mô hình ứng dụng SERVPERVAL + GLOVAL (6 nhân tố) SERVPERVAL nguyên bản (5 nhân tố) SERVPERVAL nguyên bản (5 nhân tố)
Quy mô mẫu $N = 142$ (Online, tỷ lệ 97.9%) $N = 200$ (Trực tiếp) $N = 270$ (Thuận tiện)
Nhân tố tác động lớn nhất Danh tiếng ($\beta = 0.284$) Chất lượng cảm nhận ($\beta = 0.312$) Chi phí giao dịch ($\beta = 0.345$)
Đặc trưng ngành Bán lẻ thời trang trẻ / O2O Thời trang công sở nữ Đại siêu thị bán sỉ
  1. Số hóa quy trình đánh giá: Cung cấp bộ khung chỉ số đánh giá cảm nhận khách hàng định kỳ, cho phép tích hợp vào hệ thống báo cáo quản trị (BI Dashboard) của doanh nghiệp bán lẻ.

Ứng dụng thực tế và triển khai

Dựa trên kết quả định lượng, lộ trình can thiệp kinh doanh cho chuỗi cửa hàng YODY khu vực Đà Nẵng được thiết lập theo ma trận 3 giai đoạn:

+------------------------------------------------------------------------------------+
|                      LỘ TRÌNH TRIỂN KHAI NÂNG CAO GIÁ TRỊ CẢM NHẬN                |
+------------------------------------------------------------------------------------+
| [Giai đoạn 1: 0 - 3 tháng] Tối ưu hóa Điểm chạm & Chuẩn hóa Đào tạo                |
| - Ban hành bộ tiêu chuẩn dịch vụ khách hàng 5S tại điểm bán (Tác động: NV)         |
| - Tái cấu trúc luồng trưng bày cửa hàng 800m² tại Điện Biên Phủ & Xô Viết Nghệ Tĩnh|
+------------------------------------------------------------------------------------+
| [Giai đoạn 2: 3 - 6 tháng] Định vị Thương hiệu & Chiến dịch Cảm xúc O2O             |
| - Lan tỏa chiến dịch "Bức tường Lông Ngỗng" & CSR địa phương (Tác động: DT & PUCX) |
| - Cá nhân hóa ưu đãi qua hệ thống CRM cho tệp khách hàng 18-30 tuổi                |
+------------------------------------------------------------------------------------+
| [Giai đoạn 3: 6 - 12 tháng] Nâng cấp Chất lượng & Đa kênh hóa Dịch vụ              |
| - Chuẩn hóa chất liệu vải sinh thái (Polo Cafe, Coolmax) (Tác động: CLSP)          |
| - Tích hợp chính sách đổi trả liên cửa hàng và giao hàng nhanh nội đô <2h (CPGD)   |
+------------------------------------------------------------------------------------+

Phân tích Chi phí - Lợi ích (Cost-Benefit & ROI Analysis)

  • Chi phí dự toán: Đầu tư 450 triệu VNĐ/năm cho hoạt động đào tạo kỹ năng tư vấn chuyên sâu, số hóa khảo sát CSAT thời gian thực tại quầy thu ngân và nâng cấp hệ thống nhận diện điểm bán.
  • Lợi ích định lượng kỳ vọng:
    • Tăng tỷ lệ khách hàng mua lặp lại (Retention Rate) từ 35% lên 48% sau 12 tháng.
    • Tăng giá trị giỏ hàng trung bình (AOV) từ phân khúc dưới 500.000 VNĐ lên phân khúc 500.000 - 1.000.000 VNĐ (tăng 22%).
    • Thời gian hoàn vốn đầu tư (Payback Period) ước tính: 6.5 tháng dựa trên mức tăng trưởng doanh thu ròng.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  1. Phương pháp chọn mẫu: Sử dụng mẫu thuận tiện phi xác suất ($N = 142$), tập trung chủ yếu vào tệp khách hàng nữ (69%) và độ tuổi trẻ từ 18–30 (73.9%), chưa bao phủ toàn diện nhóm khách hàng trung niên (trên 45 tuổi).
  2. Giới hạn không gian: Nghiên cứu thực hiện độc lập tại thị trường Đà Nẵng, chưa đối sánh đa vùng miền (Bắc - Trung - Nam).
  3. Mô hình ước lượng: Sử dụng hồi quy tuyến tính cổ điển (OLS) chưa xem xét mối quan hệ cấu trúc phức hợp dạng chuỗi (Structural Equation Modeling - SEM).

Hướng phát triển tiếp theo

  • Mở rộng quy mô khảo sát lên $N \ge 500$ trên toàn bộ hệ thống bán lẻ miền Trung.
  • Áp dụng mô hình PLS-SEM để phân tích vai trò trung gian của "Sự hài lòng" và "Lòng trung thành thương hiệu".
  • Tích hợp dữ liệu hành vi thời gian thực từ nền tảng thương mại điện tử (Clickstream Data) để làm giàu mô hình CPV đa kênh.

Đối tượng hưởng lợi

+-------------------------------------------------------------------------------+
|                            ĐỐI TƯỢNG HƯỞNG LỢI                               |
+-------------------------------------------------------------------------------+
|  SINH VIÊN / HỌC VIÊN      | Tài liệu tham khảo chuẩn mực về phương pháp      |
|  MARKETING & KINH TẾ       | nghiên cứu định lượng, EFA, OLS trong SPSS.      |
+----------------------------+--------------------------------------------------+
|  DATA ANALYST /            | Code pipeline phân tích tâm lý học hành vi và     |
|  BI DEVELOPER              | mô hình hóa chỉ số trải nghiệm khách hàng (CX).  |
+----------------------------+--------------------------------------------------+
|  QUẢN LÝ BÁN LẺ /          | Khung hành động thực thi tại cửa hàng nhằm tối   |
|  BRAND MANAGER             | ưu hóa tỷ lệ chuyển đổi và uy tín thương hiệu.   |
+----------------------------+--------------------------------------------------+
|  NHÀ NGHIÊN CỨU HÀN LÂM    | Dữ liệu thực nghiệm về thị trường thời trang     |
|                            | Việt Nam thời kỳ hậu đại dịch.                   |
+-------------------------------------------------------------------------------+

Câu hỏi thường gặp

1. Tại sao nghiên cứu lại kết hợp mô hình SERVPERVAL và GLOVAL thay vì dùng SERVQUAL?

Mô hình SERVQUAL tập trung vào khoảng cách kỳ vọng (Gap Model) với 44 câu hỏi kép, dễ gây quá tải nhận thức cho khách hàng bán lẻ. SERVPERVAL tối ưu hơn khi đo lường trực tiếp cảm nhận trên cả chi phí tiền tệ và phi tiền tệ, trong khi GLOVAL bổ sung biến "Tính chuyên nghiệp của nhân viên" vốn mang tính sống còn đối với mô hình chuỗi thời trang D2C.

2. Cỡ mẫu 142 quan sát có đảm bảo độ tin cậy thống kê cho mô hình hồi quy không?

Theo quy tắc kinh nghiệm của Hair et al. (2006), tỷ lệ cỡ mẫu trên số biến quan sát cần đạt tối thiểu $5:1$. Mô hình nghiên cứu có 27 biến quan sát, yêu cầu tối thiểu $27 \times 5 = 135$ mẫu. Kích thước mẫu 142 hoàn toàn thỏa mãn yêu cầu phân tích EFA và hồi quy OLS mà không bị vi phạm bậc tự do.

3. Làm thế nào để kiểm soát sai số và hiện tượng đa cộng tuyến trong mô hình?

Nghiên cứu kiểm soát đa cộng tuyến thông qua hệ số VIF. Kết quả phân tích cho thấy tất cả các biến độc lập đều có hệ số $\text{VIF} < 1.45$ (thấp hơn nhiều so với ngưỡng cảnh báo 2.0 hoặc 10.0), khẳng định không tồn tại hiện tượng đa cộng tuyến nghiêm trọng.

4. Kết quả nghiên cứu có thể áp dụng cho các chuỗi cửa hàng khác tại Hà Nội hoặc TP.HCM không?

Về mặt phương pháp luận và cấu trúc thang đo, mô hình có khả năng mở rộng (scalability) cao. Tuy nhiên, khi triển khai tại các đại đô thị lớn, doanh nghiệp cần tái kiểm định phân tích EFA để điều chỉnh trọng số beta phù hợp với thị hiếu tiêu dùng đặc thù của từng địa phương.

5. Yếu tố nào cần được doanh nghiệp ưu tiên ngân sách cải thiện ngay lập tức?

Dựa trên hệ số hồi quy chuẩn hóa $\beta$, hai nhân tố cần ưu tiên số 1 là Danh tiếng thương hiệu ($\beta = 0.284$) và Tính chuyên nghiệp của nhân viên ($\beta = 0.246$). Đây là hai đòn bẩy tạo ra mức tăng trưởng giá trị cảm nhận cao nhất cho khách hàng.

Kết luận

Đề tài nghiên cứu đã hoàn thành toàn diện các mục tiêu đặt ra thông qua việc xây dựng và kiểm định thành công mô hình đo lường giá trị cảm nhận của khách hàng đối với chuỗi thời trang YODY Đà Nẵng ($R^2 = 0.612$). Kết quả phân tích kinh tế lượng chỉ rõ thứ tự ưu tiên tác động: Danh tiếng thương hiệu > Tính chuyên nghiệp của nhân viên > Chất lượng sản phẩm > Phản ứng cảm xúc > Chi phí giao dịch > Chi phí bằng tiền.

Các phát hiện thực nghiệm cung cấp luận cứ khoa học vững chắc giúp ban lãnh đạo YODY tối ưu hóa chiến lược vận hành O2O, chuyển trọng tâm từ cạnh tranh giá sang nâng tầm giá trị trải nghiệm dịch vụ và uy tín thương hiệu. Đây là nền tảng cốt lõi giúp các doanh nghiệp dệt may nội địa giữ vững thị phần sân nhà và vươn tầm quốc tế.