Giới thiệu dự án

Trong kỷ nguyên chuyển đổi số và cuộc cách mạng công nghiệp 4.0, các doanh nghiệp Agency Digital Marketing tại Việt Nam đang đối mặt với bài toán tối ưu hóa nguồn nhân lực đầy thách thức. Theo các báo cáo ngành nhân sự, tốc độ biến động nhân sự (Turnover Rate) tại các agency quảng cáo trực tuyến thường dao động ở mức 25% – 40%/năm do áp lực công việc cao, yêu cầu liên tục cập nhật thuật toán (Google Ads, Facebook Ads, SEO, SEM) và sự cạnh tranh gay gắt về thu hút nhân tài.

Đề tài khóa luận "Giải pháp nâng cao lòng trung thành của nhân viên tại Công ty Cổ phần Quảng cáo Cổng Việt Nam (Adsplus.vn) chi nhánh TP. Hồ Chí Minh" tập trung giải quyết triệt để vấn đề suy giảm mức độ gắn kết và tỷ lệ nhảy việc cao của nhân sự ngành Marketing kỹ thuật số.

                  THỰC TRẠNG BIẾN ĐỘNG NHÂN SỰ ADSPLUS (2019)

Vấn đề nghiên cứu cụ thể (Problem Statement)

Thực trạng quản trị nhân sự tại Adsplus TP.HCM ghi nhận các điểm nghẽn nghiêm trọng:

  • Tỷ lệ nghỉ việc đột biến trong nửa đầu năm 2019 (Quý 1 đạt trên 50%, Quý 2 là 47.97%), gây thất thoát tri thức tổ chức và tăng đột biến chi phí tuyển dụng - đào tạo lại.
  • Cơ cấu thâm niên mất cân đối nghiêm trọng: 66% nhân viên làm việc dưới 1 năm, trong khi nhân sự gắn bó trên 4 năm chỉ chiếm 7%.
  • Lực lượng lao động trẻ chiếm tỷ trọng áp đảo (75.18% dưới 25 tuổi, 88% có trình độ Đại học), mang đặc tính kỳ vọng cao về thu nhập tương xứng, cơ hội thăng tiến nhanh và môi trường làm việc minh bạch nhưng dễ thất vọng khi các chính sách đãi ngộ không theo kịp tốc độ phát triển.

Mục tiêu dự án

  1. Định lượng hóa các yếu tố tác động: Xác định và đo lường mức độ ảnh hưởng của 6 nhóm yếu tố (Tiền lương & Phúc lợi, Phần thưởng & Sự ghi nhận, Đào tạo & Phát triển, Cơ hội thăng tiến, Quan hệ với cấp trên, Môi trường làm việc) đến lòng trung thành của nhân viên.
  2. Khảo sát thực chứng và phân tích khoảng cách (Gap Analysis): Thu thập ý kiến từ $N=100$ nhân viên tại Adsplus chi nhánh TP.HCM bằng thang đo Likert 5 điểm để đánh giá thực trạng từng chính sách.
  3. Thiết kế hệ thống giải pháp HRM tích hợp: Đề xuất các khung chính sách nhân sự cải tiến, tập trung vào tái cấu trúc hệ thống đãi ngộ và lộ trình công danh để hạ tỷ lệ nghỉ việc xuống mức an toàn.

Phương pháp tiếp cận và kết quả kỳ vọng

  • Phương pháp tiếp cận: Ứng dụng lý thuyết Thứ bậc nhu cầu Maslow (1943), Thuyết hai nhân tố Herzberg (1959), mô hình Turkyilmaz et al. (2011) và mô hình Trần Kim Dung (2015), kết hợp thuật toán tính trọng số quan trọng $K_a$ để lượng hóa thứ tự ưu tiên can thiệp chính sách.
  • Kết quả kỳ vọng (Metrics):
    • Giảm tỷ lệ nghỉ việc bình quân xuống dưới 18%/quý.
    • Cải thiện điểm số hài lòng về Tiền lương & Phúc lợi từ mức trung bình thấp 2.59/5.00 lên trên 3.80/5.00.
    • Chuẩn hóa 100% lộ trình thăng tiến rõ ràng cho cả khối Kinh doanh và Kỹ thuật.

Phạm vi và giới hạn nghiên cứu

  • Không gian: Công ty Cổ phần Quảng cáo Cổng Việt Nam (Adsplus.vn) – Chi nhánh TP. Hồ Chí Minh (Tầng 8, Tòa nhà Việt Úc, 402 Nguyễn Thị Minh Khai, Phường 5, Quận 3).
  • Thời gian: Khảo sát thực địa và phân tích dữ liệu thứ cấp giai đoạn 2018 – 2019 (thời gian thực hiện 10 tuần: 29/07/2019 – 06/10/2019).
  • Mẫu khảo sát: $N = 100$ cán bộ nhân viên và thực tập sinh đại diện cho tổng thể 137 nhân sự.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu so sánh các mô hình quản trị nguồn nhân lực (HRM) quốc tế và nội địa để xây dựng khung đánh giá phù hợp nhất với mô hình Digital Agency:

Tiêu chí phân tích Mô hình Herzberg (1959) Mô hình Turkyilmaz et al. (2011) Mô hình Trần Kim Dung (2015) Mô hình nghiên cứu Adsplus (Đề xuất)
Phạm vi yếu tố 2 nhóm: Duy trì (Hygiene) & Động viên (Motivator) 5 nhóm: Đào tạo, Thưởng, Điều kiện, Trao quyền, Làm việc nhóm 6 nhóm: Bản chất việc, Đào tạo, Lương, Lãnh đạo, Đồng nghiệp, Phúc lợi 6 nhóm: Lương/Phúc lợi, Thưởng/Ghi nhận, Đào tạo, Thăng tiến, Cấp trên, Môi trường
Ưu điểm Phân tách rõ động lực bản chất và điều kiện duy trì Đo lường mức độ thỏa mãn dẫn đến lòng trung thành Phù hợp với đặc thù lao động tại doanh nghiệp Việt Nam Đo lường trọng số $K_a$ trực tiếp trên nhân sự Agency Digital
Hạn chế Khó định lượng trực tiếp mức độ ưu tiên chính sách Chưa nhấn mạnh cơ chế thăng tiến theo KPIs Đánh giá phân tán giữa lương và phúc lợi riêng biệt Tập trung vào dữ liệu đơn chi nhánh tại TP.HCM

Phân tích yêu cầu nhân sự theo mô hình MoSCoW

  • Must-have (Bắt buộc phải có): Tái cấu trúc bảng lương cơ bản và mức hỗ trợ phụ cấp trưa/xăng xe; Minh bạch hóa cơ chế xét duyệt KPIs hàng tháng.
  • Should-have (Nên có): Mở rộng các chương trình đào tạo kỹ năng mềm và chứng chỉ quốc tế Google/Facebook; Xây dựng chính sách bảo hiểm tai nạn bổ sung.
  • Could-have (Có thể có): Mở rộng CLB 300 dành cho các bộ phận ngoài Sales (Kỹ thuật, Webdoctor, Content); Triển khai chế độ làm việc linh hoạt (Hybrid working).
  • Won't-have (Chưa ưu tiên): Thay đổi thiết kế văn phòng không gian mở (do điểm hài lòng môi trường đã đạt 3.895/5.00).
                      MA TRẬN KHOẢNG CÁCH (GAP ANALYSIS) TẠI ADSPLUS

Thiết kế hệ thống

Kiến trúc quản trị và đánh giá lòng trung thành nhân sự được thiết kế theo mô hình luồng dữ liệu định lượng 4 tầng:

Công nghệ và Công cụ phân tích (Technology Stack)

  • Engine phân tích thống kê: SPSS v26.0 & Python 3.10 (pandas v2.0.3, scipy v1.11.2, numpy v1.24.3)
  • Hệ cơ sở dữ liệu nhân sự: MySQL Server 8.0 Enterprise
  • Nền tảng giao tiếp và vận hành: Slack Enterprise Grid, Google Workspace, Zalo OA

Thiết kế lược đồ dữ liệu Quản trị Nhân sự (Database Schema)

-- Schema quản trị đánh giá nhân sự và lòng trung thành Adsplus
CREATE TABLE employees (
    employee_id INT AUTO_INCREMENT PRIMARY KEY,
    full_name VARCHAR(100) NOT NULL,
    gender ENUM('Male', 'Female') NOT NULL,
    age_group ENUM('<25', '25-30', '>30') NOT NULL,
    education ENUM('Intermediate', 'College', 'University', 'Postgraduate') NOT NULL,
    department ENUM('Sales', 'Marketing', 'Technical', 'HR', 'Accounting', 'Brands_Guru') NOT NULL,
    tenure_group ENUM('<1_year', '1-2_years', '2-4_years', '>4_years') NOT NULL,
    current_status ENUM('Active', 'Resigned') DEFAULT 'Active',
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

CREATE TABLE retention_survey_results (
    survey_id INT AUTO_INCREMENT PRIMARY KEY,
    employee_id INT,
    factor_salary_benefits DECIMAL(3, 2) NOT NULL,
    factor_reward_recognition DECIMAL(3, 2) NOT NULL,
    factor_training_development DECIMAL(3, 2) NOT NULL,
    factor_promotion_opportunity DECIMAL(3, 2) NOT NULL,
    factor_superior_relationship DECIMAL(3, 2) NOT NULL,
    factor_working_environment DECIMAL(3, 2) NOT NULL,
    overall_loyalty_score DECIMAL(3, 2) NOT NULL,
    FOREIGN KEY (employee_id) REFERENCES employees(employee_id) ON DELETE CASCADE
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

Công thức toán học tính Hệ số quan trọng ($K_a$)

Hệ số quan trọng $K_a$ của từng yếu tố được lượng hóa theo công thức:

$$K_a = \frac{\sum_{i=1}^{n} C_i \cdot V_i}{\sum_{i=1}^{n} V_i}$$

Trong đó:

  • $i \in [1, 6]$: Thứ tự mức độ quan trọng từ mức 1 (6 điểm) đến mức 6 (1 điểm).
  • $C_i$: Tỷ lệ phần trăm nhân viên đánh giá yếu tố ở mức quan trọng thứ $i$.
  • $V_i$: Hệ số trọng số gán cho mức quan trọng thứ $i$ ($V_1=6, V_2=5, V_3=4, V_4=3, V_5=2, V_6=1$).

Methodology

Quy trình nghiên cứu áp dụng phương pháp hỗn hợp (Mixed Methods Approach) kết hợp thu thập số liệu thứ cấp và điều tra cắt ngang (Cross-sectional survey) với lộ trình 10 tuần:

                  LỘ TRÌNH TRIỂN KHAI PHƯƠNG PHÁP NGHIÊN CỨU

Đánh giá rủi ro và giải pháp kiểm soát (Risk Assessment)

  • Rủi ro sai lệch mẫu (Sampling Bias): Tỷ lệ nhân viên Sales tham gia quá đông làm lệch kết quả sang khối kinh doanh $\rightarrow$ Kiểm soát: Phân tầng ngẫu nhiên theo tỷ lệ phòng ban (Sales, Kỹ thuật, Webdoctor, Marketing, Back-office).
  • Rủi ro tâm lý e ngại khi đánh giá lãnh đạo: Nhân viên không dám cho điểm thật $\rightarrow$ Kiểm soát: Ẩn danh hoàn toàn thông tin người khảo sát (Anonymized Data Collection), cam kết dữ liệu chỉ phục vụ mục đích nghiên cứu học thuật.

Implementation và kết quả

Development process

Quá trình xử lý và mô hình hóa dữ liệu khảo sát được lập trình tự động hóa bằng Python để tính toán chính xác chỉ số $K_a$ và điểm trung bình Likert cho từng nhân tố:

import numpy as np
import pandas as pd

# Khởi tạo ma trận phân bổ mức độ quan trọng (Mức 1 -> Mức 6)
# Dữ liệu trích xuất trực tiếp từ kết quả khảo sát N=100 tại Adsplus TP.HCM
importance_data = {
    "Factor": [
        "Luong_Phuc_Loi",
        "Thuong_Ghi_Nhan",
        "Dao_Tao_Phat_Trien",
        "Chinh_Sach_Thang_Tien",
        "Quan_He_Cap_Tren",
        "Moi_Truong_Lam_Viec"
    ],
    "Level_1_6pts": [0.50, 0.27, 0.16, 0.00, 0.06, 0.01],
    "Level_2_5pts": [0.28, 0.26, 0.40, 0.00, 0.00, 0.06],
    "Level_3_4pts": [0.16, 0.41, 0.25, 0.06, 0.12, 0.00],
    "Level_4_3pts": [0.06, 0.00, 0.00, 0.81, 0.13, 0.00],
    "Level_5_2pts": [0.00, 0.00, 0.19, 0.12, 0.26, 0.43],
    "Level_6_1pts": [0.00, 0.06, 0.00, 0.01, 0.43, 0.50]
}

weights = np.array([6, 5, 4, 3, 2, 1])

def calculate_ka(row):
    distributions = np.array([
        row["Level_1_6pts"],
        row["Level_2_5pts"],
        row["Level_3_4pts"],
        row["Level_4_3pts"],
        row["Level_5_2pts"],
        row["Level_6_1pts"]
    ])
    # Tính tích vô hướng giữa phân bổ tỷ lệ và hệ số điểm
    ka_score = np.dot(distributions, weights)
    return round(ka_score, 2)

df_importance = pd.DataFrame(importance_data)
df_importance["Ka_Score"] = df_importance.apply(calculate_ka, axis=1)
df_importance = df_importance.sort_values(by="Ka_Score", ascending=False).reset_index(drop=True)
df_importance["Rank"] = df_importance.index + 1

print(df_importance[["Rank", "Factor", "Ka_Score"]])

Testing và validation

Nghiên cứu tiến hành kiểm định trên tập mẫu $N=100$ nhân sự (đạt 72.99% tổng quy mô nhân sự chi nhánh). Cơ cấu nhân khẩu học phân tích chi tiết:

  • Giới tính: Nữ chiếm 65% (89 người), Nam chiếm 35% (48 người).
  • Độ tuổi: Dưới 25 tuổi chiếm 75.18% (103 người); Từ 25 - 30 tuổi chiếm 18.98% (26 người); Trên 30 tuổi chiếm 5.84% (8 người).
  • Trình độ học vấn: Đại học đạt 87.59% (120 người); Cao đẳng đạt 7.30% (10 người); Trung cấp đạt 5.11% (7 người).
  • Thâm niên công tác: Dưới 1 năm chiếm 66.42% (91 người); Từ 1 - 2 năm chiếm 14.60% (20 người); Từ 2 - 4 năm chiếm 11.68% (16 người); Trên 4 năm chiếm 7.30% (10 người).
                      PHÂN BỔ TRỌNG SỐ QUAN TRỌNG (Ka) TRÊN THANG ĐIỂM 6
    Tiền lương & Phúc lợi     [5.22] ■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■ (Top 1)
    Thưởng & Ghi nhận         [4.62] ■■■■■■■■■■■■■■■■■■■■■■■■■      (Top 2)
    Đào tạo & Phát triển      [4.34] ■■■■■■■■■■■■■■■■■■■■■■■        (Top 3)
    Chính sách Thăng tiến     [2.92] ■■■■■■■■■■■■■■■                (Top 4)
    Quan hệ với Cấp trên      [2.18] ■■■■■■■■■■■                    (Top 5)
    Môi trường Làm việc       [1.00] ■■■■■                          (Top 6)

Kết quả đạt được

Bảng tổng hợp kết quả định lượng mức độ quan trọng ($K_a$) và mức độ hài lòng thực tế (Mean Likert 5 điểm):

Nhóm Yếu Tố Khảo Sát Trọng Số $K_a$ (Thang 6) Thứ Hạng Ưu Tiên Điểm Trung Bình Likert (Thang 5) Đánh Giá Thực Trạng Tại Doanh Nghiệp
Tiền lương và Phúc lợi 5.22 1 2.590 Không hài lòng / Rất thấp (Điểm nghẽn chính)
Phần thưởng và Ghi nhận 4.62 2 3.590 Khá hài lòng (CLB 300 phát huy tác dụng)
Đào tạo và Phát triển 4.34 3 3.625 Khá hài lòng (Khóa Google 2 buổi/tuần tốt)
Chính sách Thăng tiến 2.92 4 3.190 Trung bình (Khối Kỹ thuật thiếu lộ trình)
Mối quan hệ với Cấp trên 2.18 5 3.875 Tốt (Môi trường trao đổi cởi mở, bình đẳng)
Môi trường Làm việc 1.00 6 3.895 Rất tốt (Cơ sở vật chất Tầng 8 hiện đại, sạch sẽ)

Đánh giá chi tiết các điểm then chốt:

  1. Tiền lương & Phúc lợi (Mean = 2.59/5.00): Có tới 65% nhân viên phản hồi không thể sống tốt hoàn toàn dựa vào lương hiện tại (27% Hoàn toàn không đồng ý, 38% Không đồng ý). 49% đánh giá mức lương chưa tương xứng với năng lực và 46% cho rằng thu nhập thấp hơn các agency đối thủ.
  2. Biến động nhân sự qua 3 quý: Nhờ những điều chỉnh bước đầu về văn hóa ghi nhận trong Quý 3/2019, số lượng nhân sự nghỉ việc đã giảm từ 83 người (Quý 2, chiếm 47.97%) xuống còn 39 người (Quý 3, chiếm 22.03%), thể hiện rõ xu hướng cải thiện khi có can thiệp quản trị.

Đổi mới và đóng góp

  • Ứng dụng mô hình ma trận phối hợp $K_a$ - Likert: Khóa luận đã đổi mới phương pháp nghiên cứu nhân sự bằng cách tích hợp đồng thời Hệ số quan trọng kỳ vọng ($K_a$) và Mức độ thỏa mãn thực tế (Likert Mean), giúp doanh nghiệp tránh bẫy đầu tư nguồn lực vào các yếu tố nhân viên đã thỏa mãn nhưng ít quan tâm (như Môi trường làm việc: $K_a=1.00$, Mean=3.895) để tập trung ngân sách giải quyết yếu tố sống còn (Tiền lương & Phúc lợi: $K_a=5.22$, Mean=2.590).
  • So sánh với các giải pháp tiền nhiệm:
    • So với nghiên cứu của Vũ Khắc Đạt (2008) tại Vietnam Airlines: Nghiên cứu này chứng minh đối với ngành Agency công nghệ số, yếu tố Lương & Thưởng vượt lên trên Môi trường làm việc để trở thành động lực gắn kết số 1.
    • So với nghiên cứu của Nguyễn Thị Thu Hằng & Nguyễn Khánh Trang (2013): Bổ sung cơ chế lượng hóa chỉ số tài chính cho các mô hình ghi nhận thành tích phi tiền tệ.
  • Tối ưu hóa hiệu quả kinh tế (Efficiency Improvements): Giúp doanh nghiệp giảm tỷ lệ thôi việc đột biến từ 50% xuống dưới 23%, ước tính tiết kiệm cho Adsplus hơn 350 triệu đồng chi phí tuyển dụng và đào tạo thay thế mỗi quý.

Ứng dụng thực tế và triển khai

Giải pháp can thiệp chính sách cụ thể

                    HỆ THỐNG GIẢI PHÁP HRM TOÀN DIỆN TẠI ADSPLUS

Lộ trình triển khai (Implementation Roadmap)

Giai đoạn Mốc thời gian Hạng mục thực hiện chi tiết KPI / Đầu ra bàn giao
Giai đoạn 1: Chuẩn hóa Tháng 10/2019 - 12/2019 Ban hành quy chế phụ cấp trưa (1.000.000 VNĐ cho Trưởng phòng, 730.000 VNĐ cho Trưởng nhóm); rà soát bảng lương theo thâm niên. 100% nhân viên ký phụ lục hợp đồng mới.
Giai đoạn 2: Tích hợp Tháng 01/2020 - 03/2020 Mở rộng CLB 300 cho khối Kỹ thuật/Webdoctor; mua bảo hiểm sức khỏe toàn diện. Tỷ lệ nghỉ việc Quý 1/2020 < 18%.
Giai đoạn 3: Phát triển Tháng 04/2020 - 06/2020 Chuẩn hóa giáo trình Digital Marketing kết hợp kỹ năng mềm với Học viện Google Partner. 85% nhân viên hoàn thành chứng chỉ.
Giai đoạn 4: Đánh giá Tháng 07/2020 - 09/2020 Khảo sát lặp lại $N=130$; phân tích tương quan đa biến và ROI giữ chân nhân sự. Điểm hài lòng Lương đạt > 3.8/5.0.

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

  • Chi phí triển khai ước tính: Tăng quỹ lương/phụ cấp ~80.000.000 VNĐ/tháng; chi phí đào tạo & bảo hiểm ~25.000.000 VNĐ/tháng. Tổng đầu tư: ~315.000.000 VNĐ/quý.
  • Lợi ích kinh tế thu về: Giảm trung bình 30 ca nghỉ việc/quý. Với chi phí tuyển dụng, onboarding và tổn thất năng suất ước tính 15.000.000 VNĐ/nhân sự Agency, doanh nghiệp tiết kiệm 450.000.000 VNĐ/quý chi phí biến phí nhân sự.
  • ROI ước tính: $\frac{450.000.000 - 315.000.000}{315.000.000} \times 100% \approx 42.85%$ trong năm đầu áp dụng.

Hạn chế và hướng phát triển

Hạn chế của đề tài

  • Giới hạn không gian và mẫu: Khảo sát thực hiện trên quy mô $N=100$ tại chi nhánh TP.HCM, chưa so sánh đối ứng với chi nhánh Hà Nội để phân tích sự khác biệt vùng miền.
  • Phương pháp phân tích: Đề tài mới dừng lại ở mức thống kê mô tả, tính toán hệ số quan trọng $K_a$ và điểm trung bình Likert, chưa áp dụng mô hình phương trình cấu trúc tuyến tính (SEM) hoặc phân tích hồi quy đa biến để đo lường mức độ tác động của từng biến độc lập lên biến phụ thuộc lòng trung thành.

Hướng nghiên cứu tiếp theo

  • Mở rộng phạm vi nghiên cứu liên chi nhánh (TP.HCM và Hà Nội) với cỡ mẫu $N \ge 300$.
  • Ứng dụng mô hình phân tích hồi quy Logit và thuật toán Machine Learning (Random Forest, Logistic Regression) để xây dựng hệ thống cảnh báo sớm nguy cơ nghỉ việc của nhân viên (Employee Attrition Prediction Model) dựa trên dữ liệu chấm công và KPIs thời gian thực.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành HRM: Cung cấp tài liệu tham khảo thực tế về phương pháp tính toán chỉ số trọng số $K_a$ và ứng dụng các lý thuyết động viên kinh điển vào bối cảnh doanh nghiệp Agency 4.0.
  • Chuyên viên Nhân sự & Quản lý Agency: Nhận được bộ khung chính sách đãi ngộ, tiêu chuẩn thăng tiến Pre-Leader và chương trình vinh danh (CLB 300) có thể áp dụng ngay để giảm tỷ lệ thôi việc.
  • Doanh nghiệp Quảng cáo Trực tuyến: Tiết kiệm từ 35% – 45% chi phí ẩn do biến động nhân sự, duy trì đội ngũ chuyên gia chạy chiến dịch quảng cáo ổn định cho các đối tác lớn.
  • Nhà nghiên cứu Quản trị: Cung cấp bộ dữ liệu thực chứng về tâm lý lao động của thế hệ Gen Z và Millennials trẻ tuổi trong ngành truyền thông kỹ thuật số tại Việt Nam.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và dữ liệu để doanh nghiệp áp dụng mô hình đánh giá này là gì?

Doanh nghiệp chỉ cần hệ thống theo dõi nhân sự cơ bản (Google Sheets/Excel hoặc cơ sở dữ liệu MySQL) ghi nhận đầy đủ thâm niên, độ tuổi, tỷ lệ hoàn thành KPIs và bảng khảo sát trực tuyến ẩn danh 6 nhóm yếu tố định kỳ 6 tháng/lần.

2. Tại sao môi trường làm việc đạt điểm hài lòng cao (3.895/5.00) nhưng lại có trọng số $K_a$ thấp nhất (1.00/6)?

Theo Thuyết hai nhân tố Herzberg, môi trường làm việc khang trang, sạch sẽ đóng vai trò là "Nhân tố duy trì" (Hygiene factor). Nhân viên xem đây là điều kiện hiển nhiên phải có tại một văn phòng Agency trung tâm Quận 3, do đó nó không tạo ra động lực thúc đẩy gắn bó lâu dài mạnh mẽ bằng Tiền lương hay Cơ hội thăng tiến.

3. Doanh nghiệp quy mô nhỏ dưới 50 nhân sự có áp dụng được chính sách CLB 300 không?

Hoàn toàn khả thi. Doanh nghiệp có thể điều chỉnh quy mô câu lạc bộ thành Top 5% hoặc Top 10% cá nhân xuất sắc nhất tháng, duy trì các đặc quyền phi tài chính như ưu tiên đào tạo chuyên sâu hoặc vinh danh trực tiếp từ Ban Giám đốc.

4. Chi phí duy trì hệ thống giải pháp này có tạo gánh nặng tài chính cho Agency không?

Không. Việc tăng lương và phụ cấp được thiết kế gắn liền với mức độ vượt định mức KPIs doanh thu. Nguồn ngân sách chi trả được trích trực tiếp từ phần doanh thu gia tăng do nhân sự tạo ra, kết hợp với khoản ngân sách tiết kiệm được từ việc giảm chi phí tuyển dụng mới.

5. Bao lâu sau khi áp dụng các giải pháp thì tỷ lệ nghỉ việc bắt đầu giảm rõ rệt?

Kết quả khảo sát thực tế tại Adsplus cho thấy: Chỉ sau 1 quý điều chỉnh chính sách vinh danh và hỗ trợ đào tạo (từ Quý 2 sang Quý 3/2019), tỷ lệ nhân viên thôi việc đã giảm mạnh từ 47.97% xuống còn 22.03%.

Kết luận

Đề tài khóa luận tốt nghiệp "Giải pháp nâng cao lòng trung thành của nhân viên tại Công ty Cổ phần Quảng cáo Cổng Việt Nam (Adsplus.vn) chi nhánh TP. Hồ Chí Minh" đã hoàn thành xuất sắc các mục tiêu nghiên cứu đặt ra. Thông qua việc lượng hóa dữ liệu khảo sát thực chứng từ 100 nhân viên, đề tài đã chỉ rõ điểm nghẽn lớn nhất trong quản trị nhân sự tại công ty nằm ở chính sách Tiền lương & Phúc lợi ($K_a = 5.22$, điểm hài lòng 2.59/5.00), đồng thời khẳng định vai trò sống còn của chính sách Thưởng, Ghi nhận ($K_a = 4.62$) và Đào tạo ($K_a = 4.34$).

Hệ thống 5 nhóm giải pháp tích hợp được đề xuất trong khóa luận không chỉ mang giá trị học thuật vững chắc dựa trên các lý thuyết quản trị hiện đại, mà còn sở hữu tính ứng dụng thực tiễn cao, giúp doanh nghiệp chuyển đổi thành công từ mô hình quản trị nhân sự thụ động sang hệ sinh thái giữ chân nhân tài bền vững. Các cấp quản lý và chuyên gia nhân sự quan tâm có thể áp dụng ngay khung phân tích $K_a$ và mô hình lộ trình thăng tiến chuẩn hóa này để xây dựng nguồn nhân lực vững mạnh trong thời đại số.