Giới thiệu dự án

Trong cấu trúc tài chính của hệ thống Ngân hàng Thương mại (NHTM), hoạt động huy động vốn (Capital Mobilization) đóng vai trò huyết mạch, quyết định quy mô hoạt động tín dụng, năng lực thanh khoản và biên lãi ròng (Net Interest Margin - NIM). Giai đoạn 2019–2021 ghi nhận những biến động kinh tế vĩ mô sâu sắc do ảnh hưởng của đại dịch COVID-19, tỷ lệ lạm phát biến động và Ngân hàng Nhà nước Việt Nam (NHNN) liên tục điều chỉnh các công cụ điều hành chính sách tiền tệ (dự trữ bắt buộc, lãi suất tái chiết khấu, hạn mức tăng trưởng tín dụng). Bối cảnh này thúc đẩy sự cạnh tranh gay gắt giữa hơn 20 chi nhánh/phòng giao dịch (PGD) của các ngân hàng thương mại trên địa bàn thành phố Huế, tỉnh Thừa Thiên Huế.

Nghiên cứu tập trung giải quyết bài toán: Đánh giá thực trạng và xác định các nhân tố định lượng tác động đến chất lượng dịch vụ huy động vốn tiền gửi từ phân khúc Khách hàng cá nhân (KHCN) tại Ngân hàng TMCP Á Châu (ACB) – Phòng giao dịch An Cựu – Chi nhánh Huế.

Điểm đau thực tế và vấn đề nghiên cứu cụ thể

  1. Sự sụt giảm nguồn vốn bán lẻ cục bộ: Dù tổng nguồn vốn huy động của ACB PGD An Cựu tăng nhẹ từ 301 tỷ đồng (năm 2019, 2020) lên 308 tỷ đồng (năm 2021), nguồn vốn huy động từ KHCN lại sụt giảm mạnh từ 277 tỷ đồng (chiếm 92,03% năm 2020) xuống còn 261 tỷ đồng (chiếm 84,74% năm 2021).
  2. Cơ cấu kỳ hạn kém linh hoạt: Áp lực chi phí trả lãi gia tăng trong khi tỷ trọng tiền gửi không kỳ hạn (CASA) thấp, làm giảm tỷ suất sinh lời ròng.
  3. Mô hình đánh giá định tính thiếu chuẩn hóa: Đơn vị chưa có mô hình kinh tế lượng đo lường độ thỏa mãn và các yếu tố kích thích hành vi gửi tiền của người dân địa phương.

Mục tiêu nghiên cứu

  1. Mục tiêu 1: Hệ thống hóa cơ sở lý luận về hiệu quả và chất lượng dịch vụ huy động vốn tiền gửi KHCN của NHTM.
  2. Mục tiêu 2: Phân tích kết quả kinh doanh và thực trạng huy động vốn tại ACB PGD An Cựu giai đoạn 2019–2021 thông qua các chỉ số tài chính (Quy mô, Tốc độ tăng trưởng, Hệ số sử dụng vốn).
  3. Mục tiêu 3: Xây dựng, kiểm định thang đo và mô hình hồi quy đa biến xác định mức độ tác động của các nhân tố: Lãi suất, Uy tín ngân hàng, Đội ngũ nhân viên, Chính sách sản phẩm dịch vụ, Cơ sở vật chất và Mạng lưới.
  4. Mục tiêu 4: Đề xuất hệ thống giải pháp nâng cao chất lượng dịch vụ huy động vốn giai đoạn 2023–2025.

Phạm vi và giới hạn nghiên cứu

  • Không gian: Ngân hàng TMCP Á Châu (ACB) – PGD An Cựu – Chi nhánh Huế (165 Hùng Vương, TP. Huế).
  • Thời gian: Số liệu thứ cấp thu thập giai đoạn 2019–2021; dữ liệu sơ cấp khảo sát từ 11/11/2022 đến 10/12/2022.
  • Đối tượng: Khách hàng cá nhân từ 18 tuổi trở lên đang gửi tiền tiết kiệm hoặc sử dụng tài khoản thanh toán tại PGD An Cựu.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí phân tích Phương pháp truyền thống (Báo cáo nội bộ) Mô hình SERVQUAL nguyên bản Phương pháp nghiên cứu định lượng kết hợp
Bản chất dữ liệu Chỉ thống kê số dư cuối kỳ, biến động số tuyệt đối/tương đối Đo lường khoảng cách kỳ vọng (Expectation) và cảm nhận (Perception) Đo lường hiệu năng thực tế (SERVPERF) kết hợp dữ liệu tài chính lịch sử
Khả năng dự báo Kém, mang tính chất hồi cứu Trung bình, bảng hỏi dài gây sai số phản hồi Cao, xác định trọng số hồi quy $\beta$ để phân bổ nguồn lực marketing
Độ phức tạp xử lý Thấp (Excel bảng biểu) Trung bình (T-test đơn biến) Chặt chẽ (Cronbach's Alpha, EFA, OLS, ANOVA)
Chi phí triển khai Thấp Trung bình Tối ưu, khả năng tái sử dụng định kỳ cao

Ma trận ưu tiên yêu cầu giải pháp (MoSCoW)

  • Must-have (Bắt buộc): Hệ thống hóa chỉ số tài chính giai đoạn 2019–2021; Xác định hệ số tin cậy thang đo Cronbach's Alpha $> 0.6$; Phân tích nhân tố khám phá EFA với Tổng phương sai trích (Total Variance Explained) $\ge 50%$.
  • Should-have (Nên có): Mô hình hồi quy tuyến tính bội không vi phạm hiện tượng đa cộng tuyến ($VIF < 10$) và tự tương quan ($1.5 < Durbin-Watson < 2.5$).
  • Could-have (Có thể có): Phân tích sâu phương sai One-way ANOVA và Independent Samples T-test theo nhân khẩu học (Độ tuổi, Thu nhập, Nghề nghiệp).
  • Won't-have (Chưa áp dụng): Mô hình phương trình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) hoặc thuật toán máy học phân loại khách hàng rời bỏ (Churn Prediction) do giới hạn cỡ mẫu.

Thiết kế hệ thống xử lý dữ liệu nghiên cứu

Công nghệ và công cụ sử dụng

  • IBM SPSS Statistics v26.0: Nền tảng phân tích thống kê chuyên sâu, tính toán EFA và hồi quy OLS.
  • Python 3.10 / Pandas / Statsmodels: Tự động hóa kiểm tra dữ liệu ngoại lai (Outliers) và kiểm định phân phối chuẩn.
  • Core Banking Platform (ACB): Trích xuất báo cáo doanh số cho vay, số dư huy động vốn phân loại theo kỳ hạn và nhóm khách hàng.

Phương pháp nghiên cứu định lượng

Kích thước mẫu khảo sát tối thiểu được xác định dựa trên nguyên tắc kinh tế lượng của Hair et al. (1998):

$$n \ge 5 \times m$$

Trong đó:

  • $n$: Cỡ mẫu tối thiểu.
  • $m$: Tổng số biến quan sát trong mô hình nghiên cứu ($m = 25$ biến quan sát).
  • Cỡ mẫu lý thuyết yêu cầu: $n_{min} = 5 \times 25 = 125$. Cỡ mẫu thu thập thực tế đạt $N = 150$ mẫu hợp lệ, đảm bảo độ tin cậy đại diện.

Thang đo sử dụng định dạng Likert 5 mức độ:

  1. Hoàn toàn không đồng ý
  2. Không đồng ý
  3. Bình thường / Trung lập
  4. Đồng ý
  5. Hoàn toàn đồng ý

Triển khai thực nghiệm và kết quả phân tích

Quy trình phân tích dữ liệu thực nghiệm

Toàn bộ quy trình phân tích định lượng được chuẩn hóa thông qua script xử lý số liệu (minh họa cấu trúc thuật toán bằng Python Statsmodels tương đương SPSS 26.0):

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

# 1. Load và chuẩn hóa tập dữ liệu khảo sát (N=150)
df = pd.read_csv("acb_ancuu_survey_data.csv")
features = ['LaiSuat', 'UyTin', 'NhanVien', 'SanPhamDV', 'CoSoVatChat']
X = df[features]
y = df['ChatLuongHuyDong']

# 2. Thêm hằng số vào mô hình hồi quy OLS
X_with_const = sm.add_constant(X)
model = sm.OLS(y, X_with_const).fit()

# 3. Tính toán hệ số phóng đại phương sai (VIF) kiểm tra đa cộng tuyến
vif_data = pd.DataFrame()
vif_data["Feature"] = features
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(len(features))]

# 4. Xuất kết quả kiểm định mô hình
print(model.summary())
print("\n--- Variance Inflation Factor ---")
print(vif_data)

Kết quả kiểm định thống kê và thang đo

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

  • Thang đo biến độc lập bao gồm 5 nhóm nhân tố với 21 biến quan sát:
    • Chính sách lãi suất ($LS$): $\alpha = 0.812$ (Tương quan biến - tổng nhỏ nhất $= 0.541 > 0.3$).
    • Uy tín ngân hàng ($UT$): $\alpha = 0.845$ (Tương quan biến - tổng nhỏ nhất $= 0.589 > 0.3$).
    • Đội ngũ nhân viên ($NV$): $\alpha = 0.887$ (Tương quan biến - tổng nhỏ nhất $= 0.623 > 0.3$).
    • Chính sách sản phẩm và dịch vụ ($SP$): $\alpha = 0.798$ (Tương quan biến - tổng nhỏ nhất $= 0.495 > 0.3$).
    • Cơ sở vật chất và Mạng lưới ($CS$): $\alpha = 0.831$ (Tương quan biến - tổng nhỏ nhất $= 0.512 > 0.3$).
  • Thang đo biến phụ thuộc (Chất lượng dịch vụ huy động vốn - $CL$): 4 biến quan sát đạt hệ số $\alpha = 0.862$.

2. Phân tích nhân tố khám phá (EFA)

  • Biến độc lập:
    • Hệ số Kaiser-Meyer-Olkin (KMO) $= 0.824$ ($0.5 < KMO < 1.0$), thỏa mãn tính thích hợp của phân tích nhân tố.
    • Kiểm định Bartlett's Test of Sphericity: $\chi^2 = 1428.56$, $Sig. = 0.000 < 0.05$ (các biến có tương quan tuyến tính trong tổng thể).
    • Giá trị Eigenvalue tại nhân tố thứ 5 $= 1.218 > 1.0$.
    • Tổng phương sai trích (Total Variance Explained) $= 64.38% > 50%$ (5 nhân tố giải thích được 64.38% độ biến thiên của dữ liệu gốc).
    • Hệ số tải nhân tố (Factor Loading) của tất cả các biến đều $> 0.55$.

3. Kết quả mô hình hồi quy tuyến tính bội (OLS Regression)

Phương trình hồi quy chuẩn hóa có dạng:

$$CL = \beta_0 + \beta_1 LS + \beta_2 UT + \beta_3 NV + \beta_4 SP + \beta_5 CS + e$$

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 ($Sig.$) Hệ số VIF
(Hằng số) $0.412$ $0.215$ $1.916$ $0.057$
Lãi suất ($LS$) $0.284$ $0.048$ $0.312$ $5.917$ $0.000$ $1.245$
Uy tín ngân hàng ($UT$) $0.231$ $0.051$ $0.248$ $4.529$ $0.000$ $1.312$
Đội ngũ nhân viên ($NV$) $0.198$ $0.044$ $0.221$ $4.500$ $0.000$ $1.189$
Sản phẩm & Dịch vụ ($SP$) $0.152$ $0.046$ $0.165$ $3.304$ $0.001$ $1.204$
Cơ sở vật chất ($CS$) $0.115$ $0.042$ $0.128$ $2.738$ $0.007$ $1.156$
  • Hệ số xác định mô hình: $R^2 = 0.618$; $R^2 \text{ hiệu chỉnh} = 0.605$ (Mô hình giải thích được 60.5% sự biến thiên của chất lượng dịch vụ huy động vốn).
  • Kiểm định ANOVA: Giá trị $F = 46.582$ với $Sig. = 0.000$, chứng minh mô hình có ý nghĩa thống kê ở mức độ tin cậy 99%.
  • Kiểm định khuyết tật: $VIF < 1.4$ (loại trừ hiện tượng đa cộng tuyến); Hệ số Durbin-Watson $= 1.874$ (loại trừ hiện tượng tự tương quan bậc nhất).

Kết quả tài chính và kinh doanh tại ACB PGD An Cựu (2019–2021)

Chỉ tiêu tài chính Năm 2019 Năm 2020 Năm 2021 Tăng trưởng 2020/2019 (%) Tăng trưởng 2021/2020 (%)
Tổng vốn huy động (Tỷ đồng) 301.0 301.0 308.0 0.00% +2.33%
- Vốn huy động KHCN (Tỷ đồng) 206.0 277.0 261.0 +34.47% -5.78%
- Vốn huy động KHDN (Tỷ đồng) 19.0 25.0 48.0 +31.58% +92.00%
Thu nhập thuần từ lãi (Tỷ đồng) 8.68 13.25 14.90 +52.65% +12.45%
- Thu nhập lãi cho vay 5.76 9.22 10.25 +60.07% +11.17%
- Thu nhập lãi huy động 2.66 3.76 4.31 +41.35% +14.63%
Thu nhập ngoài lãi (Tỷ đồng) 1.87 2.50 5.32 +33.69% +112.80%
Tổng chi phí hoạt động (Tỷ đồng) 5.90 7.40 11.59 +25.42% +56.62%
Lợi nhuận trước thuế (Tỷ đồng) 4.31 7.83 7.60 +81.67% -2.94%
Hệ số sử dụng vốn (Lần) 1.12 1.28 1.34

Đánh giá hiệu quả sử dụng vốn: Hệ số sử dụng vốn tăng đều từ $1.12$ (2019) lên $1.34$ (2021), nằm trong ngưỡng an toàn và hiệu quả tối ưu ($1.0 - 1.5$). Điều này phản ánh PGD An Cựu tận dụng tốt nguồn vốn huy động tại chỗ để tài trợ cho hoạt động tín dụng bán lẻ mà không để ứ đọng vốn thừa.


Đổi mới và đóng góp khoa học

  1. Chuẩn hóa khung đánh giá định lượng cho cấp PGD: Khắc phục hạn chế của các báo cáo hành chính thuần túy bằng mô hình kinh tế lượng có khả năng đo lường chính xác tác động cận biên ($\beta$) của từng thuộc tính dịch vụ.
  2. Xác định thứ tự ưu tiên can thiệp chính sách:
    • Nhân tố Lãi suất ($\beta = 0.312$) có tác động mạnh nhất, đòi hỏi chính sách phân cấp lãi suất linh hoạt theo kỳ hạn bậc thang.
    • Nhân tố Uy tín thương hiệu ($\beta = 0.248$) và Chất lượng đội ngũ nhân sự ($\beta = 0.221$) là hai trụ cột phi tài chính giữ chân khách hàng cá nhân trong dài hạn.
  3. Phát hiện sự dịch chuyển kênh tiền gửi: Phân tích thực nghiệm chứng minh rằng chuyển đổi địa điểm giao dịch (tháng 12/2020 sang 165 Hùng Vương) cùng việc nâng cao tỷ lệ nhân sự có trình độ đại học lên $90%$ đã tạo lực đẩy phục hồi thanh khoản, bù đắp áp lực cạnh tranh lãi suất từ các NHTM Nhà nước.

Ứng dụng thực tế và lộ trình triển khai

Kịch bản ứng dụng nghiệp vụ tại ACB PGD An Cựu

  1. Tối ưu hóa chính sách định giá lãi suất (Yield Management):
    • Áp dụng biểu lãi suất cộng biên độ tự động từ $0.15% - 0.3%$/năm cho các khoản tiền gửi trực tuyến (Online Savings) trên ứng dụng ACB ONE, kích thích dòng vốn nhàn rỗi chuyển dịch sang kênh số nhằm giảm chi phí vận hành tại quầy.
  2. Tái cấu trúc danh mục sản phẩm tiền gửi:
    • Thiết kế gói sản phẩm "Tiết kiệm tích lũy tương lai" kết hợp quyền lợi bảo hiểm liên kết (Bancassurance) cho nhóm khách hàng gia đình và trí thức tại Huế.
    • Triển khai gói "Tài khoản Thương gia" tích hợp hạn mức thấu chi cho tiểu thương khu vực chợ An Cựu và tuyến phố kinh doanh Hùng Vương.
  3. Nâng cao năng lực tư vấn tài chính cá nhân (PFC):
    • Chuẩn hóa quy trình chăm sóc khách hàng VIP; đào tạo định kỳ chứng chỉ tư vấn đầu tư tài chính cá nhân cho $100%$ giao dịch viên và chuyên viên quan hệ khách hàng cá nhân (QHKHCN).

Lộ trình triển khai chiến lược (2023 - 2024)

Giai đoạn Thời gian Hạng mục công việc chính Chỉ số đo lường hiệu quả (KPI)
Giai đoạn 1: Chuẩn hóa quy trình Quý 1/2023 Tinh gọn thủ tục giao dịch tại quầy; số hóa xác thực định danh điện tử (eKYC). Giảm thời gian mở sổ tiết kiệm xuống $< 5$ phút/giao dịch.
Giai đoạn 2: Tiếp thị số & Sản phẩm Quý 2 - Quý 3/2023 Triển khai chiến dịch truyền thông sản phẩm tiền gửi số trên địa bàn TP. Huế; ra mắt chương trình ưu đãi lãi suất bậc thang. Tăng trưởng quy mô vốn KHCN đạt tối thiểu $+10%$/năm.
Giai đoạn 3: Mở rộng mạng lưới liên kết Quý 4/2023 - Quý 2/2024 Ký kết hợp tác chi lương (Payroll) với các cơ sở giáo dục, bệnh viện và doanh nghiệp lân cận PGD An Cựu. Tăng tỷ lệ tiền gửi không kỳ hạn (CASA) lên mức $> 20%$ tổng nguồn vốn.
Giai đoạn 4: Đánh giá & Hiệu chỉnh Quý 3 - Quý 4/2024 Khảo sát định kỳ $N=300$ khách hàng; chạy lại mô hình OLS để cập nhật trọng số can thiệp. Điểm hài lòng khách hàng bình quân đạt $\ge 4.5/5.0$.

Hạn chế và hướng phát triển

Hạn chế nghiên cứu

  • Phương pháp chọn mẫu: Nghiên cứu sử dụng phương pháp chọn mẫu thuận tiện phi xác suất ($N=150$) do giới hạn thời gian thực tập và điều kiện giãn cách y tế, có thể làm giảm tính khái quát hóa cho toàn bộ địa bàn tỉnh Thừa Thiên Huế.
  • Biến thiên thời gian: Số liệu chuỗi thời gian 3 năm (2019–2021) chịu tác động dị biệt của dịch bệnh COVID-19, dẫn đến hiện tượng biến động cục bộ trong chi phí hoạt động và thu nhập dịch vụ.

Hướng phát triển tiếp theo

  • Mở rộng mô hình cấu trúc Covariance (CB-SEM / PLS-SEM): Đánh giá mối quan hệ trung gian của "Sự tin tưởng" (Trust) và "Lòng trung thành" (Customer Loyalty) đến quyết định duy trì số dư tiền gửi.
  • Tích hợp thuật toán Machine Learning vào Core Banking: Xây dựng mô hình Random Forest hoặc XGBoost dự báo rủi ro khách hàng rút tiền trước hạn dựa trên dữ liệu giao dịch lịch sử.

Đối tượng hưởng lợi từ nghiên cứu

  1. Sinh viên và học viên ngành Tài chính - Ngân hàng: Tiếp cận khung phương pháp luận kết hợp chặt chẽ giữa thống kê tài chính thực tế và mô hình định lượng SPSS tiêu chuẩn.
  2. Ban Giám đốc và cán bộ ACB PGD An Cựu: Sở hữu bộ bằng chứng thực nghiệm cụ thể ($\beta_1 = 0.312, \beta_2 = 0.248$) để ra quyết định phân bổ ngân sách marketing và chỉ tiêu kinh doanh cho từng phòng ban.
  3. Khách hàng cá nhân: Hưởng lợi trực tiếp từ các sản phẩm tiền gửi được thiết kế cá nhân hóa, biểu lãi suất cạnh tranh và thời gian xử lý giao dịch nhanh chóng.
  4. Nhà nghiên cứu kinh tế ứng dụng: Tài liệu tham khảo có giá trị về tác động của đại dịch lên hành vi tài chính vi mô tại thị trường đô thị loại 1 trực thuộc tỉnh.

Câu hỏi thường gặp

1. Tại sao nghiên cứu sử dụng cỡ mẫu N=150 và phương pháp hồi quy OLS?

Theo Hair et al. (1998), tỷ lệ quan sát trên một biến phân tích cần đạt tối thiểu $5:1$. Mô hình gồm 25 biến quan sát đòi hỏi cỡ mẫu tối thiểu 125. Cỡ mẫu 150 đảm bảo độ tin cậy thống kê, kiểm soát sai số loại I và loại II, phù hợp với điều kiện nghiên cứu thực nghiệm tại một PGD ngân hàng.

2. Làm thế nào để xử lý hiện tượng đa cộng tuyến nếu hệ số VIF vượt ngưỡng?

Nếu $VIF > 10$ (hoặc thận trọng hơn là $> 5$), cần tiến hành: (1) Loại bỏ biến có tương quan cao nhất thông qua ma trận tương quan Pearson; (2) Sử dụng phân tích thành phần chính (PCA) để trích xuất các nhân tố trực giao; hoặc (3) Chuyển sang mô hình hồi quy Ridge/Lasso. Trong nghiên cứu này, tất cả $VIF < 1.4$, đảm bảo mô hình không vi phạm đa cộng tuyến.

3. ACB PGD An Cựu cần làm gì để giải quyết việc sụt giảm tiền gửi KHCN năm 2021?

Tập trung cải thiện 2 nhân tố có trọng số cao nhất: Tinh chỉnh chính sách lãi suất tiết kiệm trực tuyến cạnh tranh ($\beta = 0.312$) và nâng cao năng lực tư vấn của đội ngũ nhân sự ($\beta = 0.221$) nhằm chuyển đổi nhóm khách hàng gửi kỳ hạn ngắn sang các gói tiết kiệm tích lũy trung - dài hạn.

4. Kết quả nghiên cứu có áp dụng được cho các chi nhánh ngân hàng khác không?

Khung mô hình 5 nhân tố và bộ công cụ khảo sát hoàn toàn có thể tái sử dụng cho các chi nhánh NHTM khác trên địa bàn miền Trung. Tuy nhiên, trọng số $\beta$ cần được ước lượng lại theo dữ liệu thực tế của từng địa bàn dân cư.

5. Ý nghĩa của chỉ số hệ số sử dụng vốn tại ACB An Cựu (1.34 lần vào năm 2021) là gì?

Hệ số này nằm trong ngưỡng khuyến nghị tối ưu ($1.0 - 1.5$), chứng tỏ toàn bộ nguồn vốn huy động tại chỗ được chuyển hóa hiệu quả thành dư nợ tín dụng sinh lời, tạo ra thu nhập thuần từ lãi đạt 14.90 tỷ đồng trong năm 2021 mà vẫn đảm bảo tính an toàn thanh khoản.


Kết luận

Nghiên cứu đã giải quyết bài toán thực tiễn về hiệu quả và chất lượng dịch vụ huy động vốn tại Ngân hàng TMCP Á Châu – PGD An Cựu – Chi nhánh Huế giai đoạn 2019–2021. Bằng việc kết hợp phương pháp phân tích tài chính doanh nghiệp với kinh tế lượng ứng dụng (Cronbach's Alpha, EFA, OLS Regression trên mẫu $N=150$), đề tài đã chứng minh một cách khoa học:

  1. Hoạt động kinh doanh của PGD An Cựu duy trì mức tăng trưởng thu nhập thuần từ lãi ổn định ($+52.65%$ năm 2020 và $+12.45%$ năm 2021), hệ số sử dụng vốn đạt ngưỡng an toàn $1.34$ lần.
  2. Mô hình hồi quy ($R^2 \text{ hiệu chỉnh} = 0.605, F = 46.582, p < 0.001$) xác định chính xác 5 nhân tố chi phối chất lượng huy động vốn theo thứ tự mức độ tác động: Lãi suất ($\beta = 0.312$) $>$ Uy tín ngân hàng ($\beta = 0.248$) $>$ Đội ngũ nhân viên ($\beta = 0.221$) $>$ Sản phẩm & Dịch vụ ($\beta = 0.165$) $>$ Cơ sở vật chất & Mạng lưới ($\beta = 0.128$).
  3. Hệ thống 4 nhóm giải pháp chiến lược về định giá lãi suất số, cá nhân hóa sản phẩm, chuẩn hóa chất lượng nhân sự và mở rộng liên kết thanh toán số cung cấp lộ trình thực thi rõ ràng cho ngân hàng giai đoạn 2023–2025.