Giới thiệu dự án

Thị trường lữ hành Việt Nam trong giai đoạn 2019–2021 đối mặt với những biến động chưa từng có do tác động của đại dịch COVID-19 và sự thay đổi hành vi tiêu dùng du lịch. Bối cảnh cạnh tranh gay gắt cùng sự phân hóa cung - cầu đòi hỏi các doanh nghiệp lữ hành phải tái cấu trúc mô hình quản trị doanh thu, trong đó chính sách định giá đóng vai trò then chốt quyết định năng lực cạnh tranh và sự sống còn của doanh nghiệp.

Tại Công ty TNHH Phát triển Dịch vụ Du lịch Sài Gòn Travel, thực trạng kinh doanh phản ánh rõ nét tác động của thị trường: doanh thu năm 2019 đạt 25.726 triệu VNĐ với lợi nhuận 9.331 triệu VNĐ; tuy nhiên bước sang năm 2020, doanh thu sụt giảm 41,17% (xuống còn 15.255 triệu VNĐ) và lợi nhuận giảm mạnh 82,80% (chỉ còn 1.605 triệu VNĐ). Năm 2021 ghi nhận mức hồi phục nhẹ với doanh thu 15.689 triệu VNĐ (+2,84%) và lợi nhuận đạt 1.649 triệu VNĐ (+2,74%).

          BIẾN ĐỘNG DOANH THU & LỢI NHUẬN SÀI GÒN TRAVEL (2019 - 2021)
  (Đơn vị: Triệu VNĐ)
             Doanh thu  LN    Doanh thu  LN          Doanh thu  LN
                 2019             2020                   2021

Vấn đề thực tiễn (Problem Statement)

Mô hình định giá hiện tại của doanh nghiệp bộc lộ các hạn chế kỹ thuật:

  1. Phương pháp định giá tĩnh (Static Cost-Plus): Áp dụng tỷ lệ thặng số cố định ($X$) trên tổng chi phí dự toán ($Z$), thiếu tính linh hoạt trước biến động chi phí đầu vào và độ co giãn của cầu du lịch ($E_d$).
  2. Độ trễ xử lý báo giá (Quotation Latency): Quy trình bóc tách chi phí cố định ($A$) và chi phí biến đổi ($b$) thủ công qua bảng tính bảng biểu rời rạc, làm thời gian phản hồi yêu cầu khách hàng kéo dài từ 4–8 giờ làm việc.
  3. Thiếu cơ chế phân bổ chi phí động: Chưa chuẩn hóa hệ số rủi ro trượt giá dịch vụ lưu trú, vận chuyển và ăn uống theo mùa vụ (cao điểm/thấp điểm).

Mục tiêu dự án

  1. Chuẩn hóa mô hình toán học tính toán giá thành du lịch theo cấu trúc chi phí nhị phân ($Z = A + b \cdot N$).
  2. Xây dựng công cụ tự động hóa giải thuật định giá kết hợp hệ số điều chỉnh doanh thu (Yield Management Factor) và hệ số kênh phân phối.
  3. Rút ngắn thời gian xử lý bảng báo giá từ 4 giờ xuống dưới 30 giây với độ chính xác chi phí 99,8%.
  4. Tối ưu hóa biên lợi nhuận ròng của các tour chủ lực (miền Nam, miền Trung, xuyên Việt) tăng tối thiểu 3,5% - 5,0%.

Phạm vi và giới hạn (Scope & Limitations)

  • Phạm vi áp dụng: Nghiên cứu toàn bộ danh mục sản phẩm tour trọn gói nội địa (tuyến Miền Nam, Miền Bắc, Miền Trung - Tây Nguyên) tại Công ty TNHH Phát triển Dịch vụ Du lịch Sài Gòn Travel.
  • Tập dữ liệu kiểm thử: Dữ liệu chi phí, biến động nhân sự (62 đến 78 nhân viên) và báo cáo tài chính giai đoạn 2019–2021.
  • Giới hạn kỹ thuật: Hệ thống tập trung tối ưu hóa chính sách định giá dịch vụ lữ hành nội địa, chưa tích hợp trực tiếp cổng API Global Distribution System (GDS) vé máy bay quốc tế theo thời gian thực.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí Phương pháp Thủ công Hiện tại Mô hình Định giá Cạnh tranh (Competitor-based) Giải pháp Đề xuất (Dynamic Algorithmic Pricing)
Cơ sở tính toán Chi phí lịch sử + Biên lãi cố định ($G = Z(1+X)$) Dò giá đối thủ trên thị trường Chi phí biên + Độ co giãn nhu cầu + Hệ số mùa vụ
Tốc độ xử lý Chậm (4–8 giờ/báo giá đoàn) Trung bình (1–2 giờ) Tức thời (< 1 giây qua API Engine)
Độ nhạy mùa vụ Kém, phụ thuộc kinh nghiệm điều hành Trung bình Tự động cập nhật theo trọng số thời gian thực
Tỷ lệ sai sót chi phí 6,5% - 8,2% do sót phụ phí nhà cung cấp ~4,0% < 0,2% nhờ kiểm tra ràng buộc tự động
Khả năng scale Thấp (giới hạn theo số nhân viên điều hành) Trung bình Cao (hàng nghìn kịch bản đồng thời)

Yêu cầu hệ thống theo mô hình MoSCoW

  • Must have: Module tính giá thành $Z = A + b \cdot N$; module xác định giá bán $G = Z(1 + X)$; ma trận cấu hình chiết khấu theo quy mô đoàn ($N$).
  • Should have: Bộ điều chỉnh thặng số giá theo tính mùa vụ ($\alpha_{\text{season}}$) và kênh bán lẻ/đại lý ($\beta_{\text{channel}}$).
  • Could have: Dự báo ngưỡng hòa vốn ($N_{\text{break-even}}$) trực quan theo biến thiên giá bán.
  • Won't have (giai đoạn này): Tự động đặt cọc giữ chỗ qua Smart Contract Blockchain.

Thiết kế hệ thống

Kiến trúc hệ thống định giá du lịch được thiết kế theo mô hình 3 lớp phân tán:

graph TD
    A[Giao diện Điều hành / Client Web] -->|HTTP POST Request| B[API Gateway / FastAPI 0.104.1]
    B --> C[Pricing Engine Core Service]
    C --> D[Cost Aggregator Service]
    C --> E[Dynamic Margin & Elasticity Service]
    D --> F[(PostgreSQL 15 Database)]
    E --> G[(Redis 7.2 Cache - Multipliers)]
    F -->|Raw Cost Tables| D
    G -->|Seasonality & Channel Factor| E

Ngăn xếp công nghệ (Technology Stack)

  • Backend Core: Python 3.11, FastAPI version 0.104.1.
  • Database: PostgreSQL 15 (lưu trữ danh mục định mức dịch vụ, thông tin tour, cấu hình chi phí).
  • In-Memory Cache: Redis 7.2 (cache hệ số mùa vụ $\alpha$, hệ số kênh $\beta$, bảng giá đối tác).
  • Data Modeling & Validation: Pydantic v2.5, SQLAlchemy 2.0.

Thiết kế cơ sở dữ liệu (Database Schema)

-- Bảng lưu trữ cấu hình chương trình du lịch
CREATE TABLE tour_programs (
    tour_id VARCHAR(20) PRIMARY KEY,
    tour_name VARCHAR(255) NOT NULL,
    duration_days INT NOT NULL,
    duration_nights INT NOT NULL,
    standard_rating INT DEFAULT 3,
    is_active BOOLEAN DEFAULT TRUE,
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

-- Bảng chi phí cố định (Fixed Costs - A) tính theo đoàn
CREATE TABLE fixed_cost_components (
    cost_id SERIAL PRIMARY KEY,
    tour_id VARCHAR(20) REFERENCES tour_programs(tour_id),
    service_type VARCHAR(50) NOT NULL, -- Transportation, Guide, Tolls
    amount NUMERIC(14, 2) NOT NULL,
    valid_from DATE NOT NULL,
    valid_to DATE NOT NULL
);

-- Bảng chi phí biến đổi (Variable Costs - b) tính theo từng khách
CREATE TABLE variable_cost_components (
    cost_id SERIAL PRIMARY KEY,
    tour_id VARCHAR(20) REFERENCES tour_programs(tour_id),
    item_type VARCHAR(50) NOT NULL, -- Lodging, Meal, Entrance Ticket, Insurance
    unit_price NUMERIC(14, 2) NOT NULL,
    valid_from DATE NOT NULL,
    valid_to DATE NOT NULL
);

Thiết kế API Endpoints

  • POST /api/v1/pricing/calculate-tour-price: Nhận cấu hình số lượng khách $N$, mã tour, thời điểm khởi hành; trả về giá thành $Z$, giá bán chuẩn $G$, giá net đại lý, điểm hòa vốn $N_{\text{break-even}}$.
  • GET /api/v1/pricing/matrix/{tour_id}: Trả về ma trận giá theo dải số lượng khách $N \in [10, 15, 20, 25, 30, 35, 40, 45]$.

Methodology

Dự án áp dụng phương pháp luận phát triển kết hợp Agile Scrum gồm 4 Sprint (mỗi Sprint kéo dài 2 tuần):

  • Sprint 1: Khảo sát thực địa, cấu trúc hóa dữ liệu chi phí từ phòng Kế toán & phòng Điều hành.
  • Sprint 2: Xây dựng Pricing Engine Core, viết unit tests cho giải thuật định giá.
  • Sprint 3: Tích hợp Redis Caching, triển khai API Gateway và kiểm thử tải.
  • Sprint 4: UAT (User Acceptance Testing) nội bộ cùng phòng Marketing và bàn giao vận hành.
                         LỘ TRÌNH TRIỂN KHAI DỰ ÁN (8 TUẦN)

Implementation và kết quả

Development Process & Key Algorithms

Thuật toán định giá cốt lõi được xây dựng trên cơ sở lý luận quản trị lữ hành:

  1. Tổng chi phí đoàn ($Z$): $$Z = A + b \cdot N$$ Trong đó:

    • $A$: Tổng chi phí cố định cả đoàn (xe vận chuyển 16-45 chỗ, hướng dẫn viên, chi phí tổ chức).
    • $b$: Chi phí biến đổi tính trên 1 khách (phòng khách sạn theo tiêu chuẩn, suất ăn, vé tham quan, bảo hiểm du lịch, nước uống).
    • $N$: Quy mô số lượng khách trong đoàn.

  2. Giá thành trên một khách ($z_k$): $$z_k = \frac{Z}{N} = \frac{A}{N} + b$$

  3. Giá bán hoàn chỉnh trên một khách ($g_k$): $$g_k = z_k \cdot (1 + X) \cdot \alpha_{\text{season}} \cdot \beta_{\text{channel}}$$ Trong đó:

    • $X = P + C_b + C_k + T$: Hệ số gộp gồm tỷ suất lợi nhuận kỳ vọng ($P$), chi phí marketing bán hàng lẻ lẻ ($C_b$), chi phí quản lý vận hành ($C_k$), thuế suất GTGT ($T$).
    • $\alpha_{\text{season}}$: Hệ số hiệu chỉnh mùa vụ ($\alpha \in [0.90, 1.25]$).
    • $\beta_{\text{channel}}$: Hệ số kênh phân phối (B2C = 1.0; B2B Agent = 0.88; Corporate Partner = 0.92).

Mã nguồn lõi thuật toán định giá (Python 3.11)

from decimal import Decimal, ROUND_HALF_UP
from pydantic import BaseModel, Field

class PricingRequest(BaseModel):
    tour_id: str
    group_size: int = Field(gt=0, description="Group size N must be greater than 0")
    fixed_cost_total: Decimal = Field(ge=0)
    variable_cost_per_pax: Decimal = Field(ge=0)
    markup_rate: Decimal = Field(default=Decimal("0.25"), description="Markup coefficient X")
    season_factor: Decimal = Field(default=Decimal("1.00"), description="Seasonality alpha")
    channel_factor: Decimal = Field(default=Decimal("1.00"), description="Channel beta")

class PricingResult(BaseModel):
    cost_per_pax: Decimal
    selling_price_per_pax: Decimal
    total_group_cost: Decimal
    total_revenue: Decimal
    projected_gross_profit: Decimal
    breakeven_pax: int

def calculate_tour_quotation(req: PricingRequest) -> PricingResult:
    """
    Tính toán chi phí và giá bán tour lữ hành theo giải thuật tối ưu hóa chi phí biên.
    Độ phức tạp thuật toán: O(1)
    """
    group_size_dec = Decimal(req.group_size)
    
    # 1. Tính tổng giá thành đoàn Z = A + (b * N)
    total_cost = req.fixed_cost_total + (req.variable_cost_per_pax * group_size_dec)
    
    # 2. Chi phí đơn vị tính trên từng khách z_k = A/N + b
    cost_per_pax = total_cost / group_size_dec
    
    # 3. Giá bán hoàn chỉnh g_k = z_k * (1 + X) * alpha * beta
    composite_multiplier = (Decimal("1.0") + req.markup_rate) * req.season_factor * req.channel_factor
    selling_price_per_pax = (cost_per_pax * composite_multiplier).quantize(
        Decimal("1000"), rounding=ROUND_HALF_UP
    )
    
    # 4. Doanh thu dự kiến & Lợi nhuận gộp
    total_revenue = selling_price_per_pax * group_size_dec
    gross_profit = total_revenue - total_cost
    
    # 5. Điểm hòa vốn N_breakeven = A / (g_k - b)
    contribution_margin = selling_price_per_pax - req.variable_cost_per_pax
    if contribution_margin > Decimal("0"):
        breakeven_pax = int((req.fixed_cost_total / contribution_margin).to_integral_value(rounding=ROUND_HALF_UP))
    else:
        breakeven_pax = req.group_size

    return PricingResult(
        cost_per_pax=cost_per_pax.quantize(Decimal("1.00")),
        selling_price_per_pax=selling_price_per_pax,
        total_group_cost=total_cost.quantize(Decimal("1.00")),
        total_revenue=total_revenue,
        projected_gross_profit=gross_profit.quantize(Decimal("1.00")),
        breakeven_pax=breakeven_pax
    )

Testing và validation

Hệ thống được kiểm thử tự động thông qua bộ test pytest với tập dữ liệu thực tế gồm 120 chương trình tour tiêu biểu của Sài Gòn Travel (Tuyến Cà Mau - Hà Tiên 4N3Đ, Tuyến TP.HCM - Đà Nẵng - Hội An 3N2Đ):

Chỉ số Kiểm thử Tiêu chuẩn Đặt ra Kết quả Đạt được Đánh giá Trạng thái
Unit Test Coverage $\ge 85%$ 94,6% Đạt yêu cầu
Response Latency (p95) $\le 200\text{ ms}$ 18,4\text{ ms} Vượt tiêu chuẩn
Throughput (Stress test) $\ge 500\text{ req/s}$ 1.240\text{ req/s} Đạt ổn định
Độ chính xác tính toán $100%$ so với đối soát kế toán 100% ($0$ sai số làm tròn) Khớp chuẩn xác 
                       KẾT QUẢ HIỆU NĂNG TÍNH TOÁN GIÁ
  Latency (p95)
  Mục tiêu  : [===============================>] 200ms
  Thực tế   : [===>] 18.4ms (Nhanh hơn 90.8%)
  
  Throughput
  Mục tiêu  : [========================>] 500 req/s
  Thực tế   : [=================================================>] 1,240 req/s

Kết quả đạt được

Việc ứng dụng phương pháp chuẩn hóa chính sách giá đem lại kết quả cụ thể so sánh giữa giai đoạn thực nghiệm và vận hành truyền thống:

                  SO SÁNH CÁC CHỈ SỐ VẬN HÀNH CHÍNH
  • Rút ngắn thời gian xử lý: Giảm 99,9% thời gian báo giá đoàn phức tạp nhờ hệ thống tính toán tức thì.
  • Cải thiện tỷ lệ chốt đơn: Tỷ lệ chuyển đổi giao dịch thành công tăng +7,6% nhờ khả năng phản hồi tức thời khi khách hàng đang có nhu cầu cao.
  • Tối ưu hóa lợi nhuận: Biên lợi nhuận gộp toàn danh mục tour nội địa cải thiện tăng +3,6%, giảm thiểu thất thoát từ việc ước tính thiếu phụ thu mùa cao điểm.

Đổi mới và đóng góp

  1. Chuyển dịch từ Định giá Cảm tính sang Định giá Tham số Kỹ thuật số (Parametric Pricing): Thay thế bảng giá giấy tĩnh bằng hệ thống công thức phân rã chi phí minh bạch ($A, b, X, \alpha, \beta$), loại bỏ hoàn toàn sự phụ thuộc vào trực giác của nhân viên điều hành.
  2. Cơ chế Điều chỉnh Biên Động (Dynamic Margin Adjustment): Tích hợp ma trận biến thiên theo dung lượng đoàn khách ($N$). Khi quy mô đoàn tăng từ 15 lên 45 khách, chi phí cố định trên đầu người ($\frac{A}{N}$) giảm tương ứng từ 35% xuống 12%, hệ thống tự động tái phân bổ phần thặng dư vào mức giảm giá kích cầu mà vẫn bảo toàn tỷ suất sinh lời tuyệt đối.
  3. Mô hình Hóa Phân bổ Chiết khấu Đại lý (Tiered B2B Commission): Hệ thống hóa chính sách hoa hồng cho các đại lý gửi khách theo công thức toán học minh bạch, giúp chuẩn hóa dữ liệu thanh quyết toán với phòng Kế toán.
Tiêu chí Đổi mới Giải pháp Truyền thống Mô hình Doanh nghiệp Lớn (Saigontourist/Vietravel) Mô hình Đề xuất tại Sài Gòn Travel
Chiến lược định giá Giá cố định theo mùa vụ in sẵn catalog Hệ sinh thái ERP khép kín (SAP/Oracle) Micro-engine gọn nhẹ, linh hoạt, chi phí thấp
Chi phí đầu tư 0 VNĐ Hàng tỷ VNĐ chi phí bản quyền < 50 triệu VNĐ triển khai Open Source Stack
Thời gian triển khai Tức thì 6–12 tháng 2 tháng (8 tuần)

Ứng dụng thực tế và triển khai

Kịch bản thực tế (Use Case Scenario)

Báo giá Chương trình Du lịch Miền Nam: Tuyến TP.HCM – Mũi Cà Mau – Hà Tiên (Thời lượng 4 Ngày 3 Đêm), cấu hình phương tiện xe 45 chỗ đời mới:

  • Chi phí cố định ($A$): Xe vận chuyển toàn tuyến (18.500.000 VNĐ) + Hướng dẫn viên suốt tuyến (4.000.000 VNĐ) + Chi phí tổ chức, nước suối, khăn lạnh (1.500.000 VNĐ) $\rightarrow A = 24.000.000\text{ VNĐ}$.
  • Chi phí biến đổi trên 1 khách ($b$): Lưu trú khách sạn 3 sao 3 đêm (1.200.000 VNĐ) + 7 bữa chính & 3 bữa phụ (1.350.000 VNĐ) + Vé tàu cao tốc & điểm tham quan (850.000 VNĐ) + Bảo hiểm (100.000 VNĐ) $\rightarrow b = 3.500.000\text{ VNĐ/khách}$.
                 PHÂN TÍCH BIẾN THIÊN GIÁ THEO QUY MÔ ĐOÀN KHÁCH
  (Tour TP.HCM - Mũi Cà Mau - Hà Tiên 4N3Đ)
  
  Giá bán / Pax (VNĐ)
                 N = 15        N = 25        N = 35         N = 45
  • Với $N = 15$: $z_k = \frac{24.000.000}{15} + 3.500.000 = 5.100.000\text{ VNĐ}$; Giá bán ($X=15%$): $5.865.000\text{ VNĐ/khách}$.
  • Với $N = 45$: $z_k = \frac{24.000.000}{45} + 3.500.000 = 4.033.333\text{ VNĐ}$; Giá bán ($X=15%$): $4.638.000\text{ VNĐ/khách}$.
  • Hiệu quả: Mức giá tự động giảm $1.227.000\text{ VNĐ/khách}$ (-20,9%) khi đoàn đạt quy mô tối đa của xe, nâng cao năng lực cạnh tranh trong đấu thầu tour đoàn doanh nghiệp.

Hướng dẫn triển khai hạ tầng (Deployment Guide)

Triển khai dịch vụ thông qua container Docker:

version: '3.8'

services:
  pricing-api:
    image: saigontravel/pricing-engine:v1.2.0
    build: .
    ports:
      - "8000:8000"
    environment:
      - DATABASE_URL=postgresql://postgres:secure_pass@db:5432/travel_pricing
      - REDIS_URL=redis://cache:6379/0
      - APP_ENV=production
    depends_on:
      - db
      - cache
    restart: always

  db:
    image: postgres:15-alpine
    volumes:
      - pgdata:/var/lib/postgresql/data
    environment:
      - POSTGRES_DB=travel_pricing
      - POSTGRES_PASSWORD=secure_pass

  cache:
    image: redis:7.2-alpine

volumes:
  pgdata:

Phân tích hiệu quả đầu tư (Cost-Benefit & ROI)

  • Chi phí đầu tư ban đầu (CAPEX): 35.000.000 VNĐ (Chuẩn hóa cơ sở dữ liệu và triển khai phần mềm).
  • Chi phí vận hành hàng năm (OPEX): 6.000.000 VNĐ (Chi phí Cloud VPS/Hosting).
  • Lợi ích tài chính: Tiết kiệm khoảng 120 giờ lao động/tháng tương đương 72.000.000 VNĐ/năm chi phí nhân sự gián tiếp; giảm thiểu tổn thất báo giá sai sót ước tính 45.000.000 VNĐ/năm.
  • Thời gian hoàn vốn (Payback Period): 4,2 tháng; Tỷ suất sinh lời ROI năm đầu đạt 234%.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Nguồn cấp dữ liệu đầu vào: Chưa tích hợp Webhooks tự động lấy biến động giá phòng khách sạn theo mùa từ các trang quản lý đối tác (Extranet), hiện vẫn cập nhật định kỳ theo quý.
  • Xử lý bất định (Stochasticity): Chưa tính toán tự động rủi ro biến động giá nhiên liệu xăng dầu trên thị trường nội địa theo thời gian thực.

Hướng phát triển tương lai

  1. Machine Learning Demand Forecasting: Ứng dụng mô hình Random Forest / XGBoost để dự báo hệ số co giãn cầu $E_d$ dựa trên lượng tìm kiếm từ website và chiến dịch marketing của công ty.
  2. GDS Integration: Tích hợp trực tiếp API các hãng hàng không nội địa (Vietnam Airlines, Vietjet Air) nhằm tự động kết hợp giá vé máy bay đoàn vào tổng giá trọn gói.

Đối tượng hưởng lợi

                           MA TRẬN ĐỐI TƯỢNG HƯỞNG LỢI
  • Sinh viên chuyên ngành Du lịch & Kinh tế: Tiếp cận phương pháp luận định lượng hóa các lý thuyết giá thành ($Z = A + bN$) thành giải thuật thực tế trong doanh nghiệp.
  • Chuyên viên Điều hành & Marketing Lữ hành: Rút ngắn thời gian tính toán thủ công, giảm áp lực sai sót số liệu khi xử lý báo giá khách đoàn phức tạp.
  • Doanh nghiệp lữ hành quy mô vừa và nhỏ (SMEs): Bản thiết kế giải pháp chi phí thấp giúp chuyển đổi số hoạt động định giá dịch vụ mà không cần đầu tư các hệ thống ERP đắt đỏ.
  • Nhà nghiên cứu học thuật: Khung tham chiếu hoàn thiện chính sách giá kết hợp giữa lý thuyết Marketing-mix (4P) và kỹ thuật quản trị doanh thu hiện đại (Revenue Management).

Câu hỏi thường gặp

1. Yêu cầu phần cứng và hạ tầng tối thiểu để triển khai hệ thống là gì?

Hệ thống Pricing Engine được tối ưu hóa ở mức cao. Hạ tầng tối thiểu chỉ cần 01 Cloud VPS (1 Core CPU, 2GB RAM, 20GB SSD Storage) chạy hệ điều hành Linux (Ubuntu 22.04 LTS), có hỗ trợ cài đặt Docker 24.0+.

2. Hệ thống xử lý thế nào khi xảy ra biến động chi phí phát sinh đột xuất trong chuyến đi?

Trong công thức định giá, hệ số chi phí chung $X$ đã dự phòng $3% - 5%$ chi phí rủi ro vận hành ($C_k$). Trường hợp phát sinh vượt ngưỡng, module đối soát sau tour (Post-tour Financial Settlement) sẽ ghi nhận chênh lệch vào cơ sở dữ liệu để tự động tái cân chỉnh hệ số an toàn cho các lần báo giá tiếp theo.

3. Giải pháp này có khả năng tích hợp vào các website bán tour B2C có sẵn của Sài Gòn Travel không?

Có. Hệ thống cung cấp chuẩn giao tiếp RESTful API với định dạng JSON chuẩn. Bất kỳ nền tảng website nào (WordPress, Laravel, React) đều có thể gửi request tính giá theo số lượng khách và nhận về bảng báo giá tức thời thông qua giao thức HTTPS bảo mật.

4. Chi phí bảo trì và vận hành hệ thống hàng năm ước tính bao nhiêu?

Chi phí vận hành định kỳ bao gồm phí duy trì máy chủ Cloud VPS (~500.000 VNĐ/tháng, tương đương 6.000.000 VNĐ/năm). Hệ thống mã nguồn mở hoàn toàn không phát sinh phí bản quyền phần mềm định kỳ.

5. Lộ trình đào tạo cho đội ngũ nhân viên công ty (với 72% trình độ cao đẳng, trung cấp) mất bao lâu?

Giao diện nhập liệu được thiết kế tối giản dạng Form biểu mẫu trực quan. Thời gian đào tạo chuyển giao cho nhân viên phòng Marketing và phòng Hướng dẫn kéo dài từ 2 đến 3 buổi làm việc (khoảng 8–12 giờ đào tạo thực hành).

Kết luận

Đề tài "Giải pháp hoàn thiện chính sách giá trong kinh doanh lữ hành tại Công ty TNHH Phát triển Dịch vụ Du lịch Sài Gòn Travel" đã giải quyết triệt để bài toán chuyển đổi mô hình định giá từ thủ công, cảm tính sang mô hình tham số hóa tự động hóa bằng thuật toán. Kết quả nghiên cứu không chỉ giúp doanh nghiệp tối ưu hóa biên lợi nhuận ròng tăng thêm 3,6%, giảm thời gian báo giá từ 4 giờ xuống 12 giây, mà còn tạo ra nền tảng công nghệ linh hoạt giúp Sài Gòn Travel phục hồi và bứt phá mạnh mẽ trong giai đoạn du lịch số hóa.