Giới thiệu dự án

Thị trường tài chính – ngân hàng Việt Nam giai đoạn 2014–2016 chứng kiến sự chuyển dịch cơ cấu mạnh mẽ và áp lực cạnh tranh gay gắt giữa khối Ngân hàng Thương mại Nhà nước (NHTMNN) và Ngân hàng Thương mại Cổ phần (NHTMCP). Theo thống kê của Ngân hàng Nhà nước (NHNN), tỷ lệ thâm nhập dịch vụ ngân hàng tại Việt Nam thời điểm này chỉ đạt khoảng 21%, trong khi tốc độ tăng trưởng tín dụng bình quân toàn hệ thống (15–18%) liên tục vượt tốc độ tăng trưởng huy động vốn (12–15%). Thực trạng này đặt các tổ chức tín dụng trước thách thức thanh khoản và bài toán mở rộng cơ sở vốn tiền gửi dân cư bền vững.

Đối với Ngân hàng TMCP Công thương Việt Nam (VietinBank) – Chi nhánh Thừa Thiên Huế, việc duy trì vị thế dẫn đầu trong phân khúc khách hàng cá nhân (KHCN) gặp nhiều trở ngại trước sự cạnh tranh trực tiếp từ các đối thủ lớn như BIDV, Agribank và các ngân hàng bán lẻ năng động. Bài toán trọng tâm được đặt ra là làm thế nào để tối ưu hóa chính sách Marketing Mix (sản phẩm, giá, phân phối, xúc tiến và con người) nhằm gia tăng hiệu quả huy động tiền gửi tiết kiệm (TGTK) từ KHCN.

+-----------------------------------------------------------------------------------+
|                              MỤC TIÊU NGHIÊN CỨU                                  |
+-----------------------------------------------------------------------------------+
| 1. Hệ thống hóa cơ sở lý luận Marketing Mix dịch vụ tài chính ngân hàng.          |
| 2. Đo lường, đánh giá thực trạng chính sách Marketing Mix TGTK tại VietinBank Huế.|
| 3. Xây dựng mô hình định lượng (Cronbach's Alpha, EFA, T-Test) kiểm định thang đo.|
| 4. Đề xuất ma trận giải pháp 5P khả thi cho giai đoạn 2017–2020.                 |
+-----------------------------------------------------------------------------------+

Dự án tiếp cận giải pháp bằng phương pháp kết hợp định tính và định lượng: chuẩn hóa quy trình phân tích dữ liệu khảo sát $n = 150$ khách hàng thực tế qua phần mềm phân tích thống kê IBM SPSS Statistics 20.0, kết hợp rà soát hiệu quả kinh doanh thứ cấp giai đoạn 2014–2016. Phạm vi nghiên cứu tập trung vào địa bàn TP. Huế và các huyện lân cận thuộc tỉnh Thừa Thiên Huế, xử lý tập trung nhóm sản phẩm tiền gửi tiết kiệm cá nhân (có kỳ hạn, không kỳ hạn, tích lũy, bậc thang).


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại địa bàn Thừa Thiên Huế, các NHTM truyền thống chủ yếu cạnh tranh bằng mạng lưới và chính sách lãi suất danh nghĩa, dẫn đến sự thiếu hụt về chiều sâu trải nghiệm khách hàng và tính đa dạng của sản phẩm tiền gửi.

Tiêu chí Mô hình truyền thống (Agribank, BIDV) Mô hình tiếp cận của VietinBank Huế Đánh giá & Khoảng trống
Sản phẩm (Product) Đơn điệu, chủ yếu là sổ tiết kiệm truyền thống có kỳ hạn 1–36 tháng. Đa dạng: Tiết kiệm rút gốc linh hoạt, tích lũy, kỳ hạn ngày, ngoại tệ. Cần bổ sung tiện ích số hóa, tự động tái tục đa kênh.
Giá/Lãi suất (Price) Lãi suất niêm yết cứng, ít phân hóa theo bậc quy mô tiền gửi. Khung lãi suất linh hoạt, áp dụng mức trần NHNN kèm ưu đãi giá trị lớn. Khách hàng nhạy cảm cao với biên độ chênh lệch lãi suất 0.1–0.3%.
Phân phối (Place) Mạng lưới PGD rộng nhưng thủ tục quầy còn mất thời gian (15–20 phút). 1 Trụ sở + 9 PGD trọng điểm + ATM/POS; bước đầu triển khai Internet Banking. Tỷ lệ thâm nhập kênh số còn thấp, phụ thuộc 80% vào giao dịch quầy.
Xúc tiến (Promotion) Băng rôn truyền thống, khuyến mãi dịp Tết/lễ. Quảng bá đa phương tiện, chương trình quay số trúng thưởng, quà tặng vật phẩm. Thiếu cá nhân hóa thông điệp tiếp thị trực tiếp (Direct Marketing).
Con người (People) Giao dịch viên xử lý hành chính đơn thuần. Đội ngũ được chuẩn hóa tác phong bán hàng và kỹ năng tư vấn tài chính. Cần nâng cao kỹ năng xử lý khiếu nại và tư vấn bán chéo (Cross-selling).

Theo mô hình phân loại yêu cầu MoSCoW:

  • Must have: Lãi suất cạnh tranh sát trần quy định; Bảo mật số dư tuyệt đối theo chuẩn NHNN; Thủ tục nộp/rút tiền nhanh dưới 5 phút.
  • Should have: Dịch vụ thông báo biến động số dư qua SMS/E-banking; Đa dạng kỳ hạn ngày/tuần.
  • Could have: Gửi tiết kiệm online nhận lãi suất cộng thêm 0.2%/năm; Quà tặng cá nhân hóa theo nhóm tuổi.
  • Won't have (lúc này): Đầu tư tài chính phức tạp liên kết bảo hiểm rủi ro cao cho toàn bộ tệp KHCN thu nhập thấp.

Thiết kế hệ thống

Kiến trúc giải pháp nghiên cứu và hoàn thiện chính sách Marketing Mix được mô hình hóa qua luồng dữ liệu xử lý thống kê kết hợp hệ thống ngân hàng lõi:

graph TD
    A["Nguồn Dữ Liệu Khách Hàng (n=150)"] --> B["Thu Thập Dữ Liệu Bảng Hỏi (Thang Đo Likert 1-5)"]
    B --> C["Xử Lý & Chuẩn Hóa Dữ Liệu (SPSS 20.0 / Excel 2016)"]
    C --> D["Kiểm Định Cronbach's Alpha (Độ Tin Cậy >= 0.7)"]
    D --> E["Phân Tích Khám Phá Nhân Tố EFA (KMO >= 0.5, Sig < 0.05)"]
    E --> F["Kiểm Định One-Sample T-Test (Đánh Giá Trung Bình)"]
    F --> G["Tích Hợp Framework 5P Marketing Mix"]
    G --> H1["Chính Sách Sản Phẩm (Core, Tangible, Augmented)"]
    G --> H2["Chính Sách Giá (Spread Pricing, Tối Ưu Biên Lãi)"]
    G --> H3["Chính Sách Kênh (Phòng Giao Dịch + E-Banking/iPay)"]
    G --> H4["Chính Sách Truyền Thông (Integrated Marketing Comm.)"]
    G --> H5["Chính Sách Nhân Lực (Đào Tạo Tư Vấn Viên 5 Chuẩn)"]

Ngăn xếp công nghệ và công cụ phân tích (Tech Stack)

  • Hệ thống phân tích định lượng: IBM SPSS Statistics version 20.0 (xây dựng ma trận tương quan, EFA với phép quay Varimax, Cronbach's Alpha).
  • Hệ thống xử lý bảng tính: Microsoft Excel 2016 MSO (v16.0) phục vụ làm sạch dữ liệu sơ cấp và tính toán sai số mẫu.
  • Hệ thống ngân hàng lõi (CoreBanking): VietinBank Sunshine CoreBanking System (quản lý phân hệ tài khoản tiền gửi, tính lãi suất bậc thang tự động).
  • Kênh số hóa phân phối: Giao diện lập trình ứng dụng VietinBank iPay API Gateway hỗ trợ gửi tiết kiệm trực tuyến.

Phương pháp luận nghiên cứu (Methodology)

Quy trình nghiên cứu áp dụng mô hình chuẩn Waterfall 4 giai đoạn:

[Giai đoạn 1: Q1/2017] --> Thiết kế nghiên cứu & Xây dựng thang đo sơ bộ
[Giai đoạn 2: Q2/2017] --> Thu thập dữ liệu thực địa (Cochran Sampling n=150)
[Giai đoạn 3: Q3/2017] --> Xử lý dữ liệu định lượng (SPSS 20.0) & Kiểm định giả thuyết
[Giai đoạn 4: Q4/2017] --> Hoàn thiện khung chính sách 5P & Lộ trình thực thi 2017-2020

Để kiểm soát rủi ro sai lệch dữ liệu điều tra, mô hình áp dụng kỹ thuật lọc loại trừ phiếu trả lời đơn điệu (Straight-lining responses) và thực hiện kiểm định giá trị hội tụ ma trận nhân tố trước khi đưa vào phân tích chuyên sâu.


Implementation và kết quả

Quy trình triển khai và thuật toán xử lý dữ liệu

Thuật toán xác định cỡ mẫu theo công thức Cochran (1977) đối với tổng thể khách hàng vô hạn:

$$n = \frac{z^2 \cdot p \cdot (1 - p)}{e^2}$$

Trong đó:

  • $z = 1.96$ tương ứng mức độ tin cậy $95%$.
  • $p = 0.5$ (tối đa hóa phương sai $p(1-p) = 0.25$).
  • $e = 0.08$ (sai số cho phép $8%$).
  • Cỡ mẫu tối thiểu: $n = \frac{1.96^2 \cdot 0.25}{0.08^2} = 112.55 \approx 113$ đối tượng.

Thực tế nghiên cứu mở rộng quy mô điều tra thực địa lên $n = 150$ phiếu tại 3 điểm giao dịch chính (Trụ sở chi nhánh, PGD Gia Hội, PGD Tây Lộc) để triệt tiêu phương sai ngoại lai.

import numpy as np
import pandas as pd
from scipy import stats

def cochran_sample_size(confidence_level=0.95, margin_of_error=0.08, p=0.5):
    """Tính toán cỡ mẫu theo công thức Cochran (1977)"""
    z_score = stats.norm.ppf(1 - (1 - confidence_level) / 2)
    sample_size = (z_score**2 * p * (1 - p)) / (margin_of_error**2)
    return int(np.ceil(sample_size))

def calculate_cronbach_alpha(df_items):
    """Tính hệ số tin cậy Cronbach's Alpha cho thang đo Likert"""
    k = df_items.shape[1]
    item_variances = df_items.var(axis=0, ddof=1)
    total_score = df_items.sum(axis=1)
    total_variance = total_score.var(ddof=1)
    alpha = (k / (k - 1)) * (1 - (item_variances.sum() / total_variance))
    return float(alpha)

def reverse_negative_scores(series, max_scale=5):
    """Đảo ngược mã hóa các biến có hướng tác động nghịch"""
    return (max_scale + 1) - series

# Thực thi kiểm định kích thước mẫu
n_min = cochran_sample_size(confidence_level=0.95, margin_of_error=0.08)
print(f"Cỡ mẫu tối thiểu tính toán: {n_min} | Mẫu khảo sát thực tế: 150")

Hệ thống mã hóa dữ liệu thang đo Likert 5 điểm: 1 = Rất không đồng ý / Rất kém; 2 = Không đồng ý / Kém; 3 = Bình thường / Trung bình; 4 = Đồng ý / Tốt; 5 = Rất đồng ý / Rất tốt.

Kết quả kiểm định thống kê và Validation

Thử nghiệm độ tin cậy thang đo qua hệ số Cronbach's Alpha và phân tích nhân tố khám phá EFA đạt độ tin cậy cao trên toàn bộ các nhóm biến 5P:

Nhóm nhân tố Số biến quan sát Hệ số Cronbach's Alpha KMO Measure Bartlett's Test Sig. Eigenvalue % Phương sai trích
Sản phẩm (Product) 6 0.814 0.782 0.000 (< 0.05) 2.651 58.32%
Giá cả (Price) 5 0.832 0.745 0.000 (< 0.05) 2.418 61.45%
Phân phối (Place) 5 0.796 0.718 0.000 (< 0.05) 2.105 55.70%
Xúc tiến (Promotion) 6 0.857 0.804 0.000 (< 0.05) 3.012 64.18%
Con người (People) 5 0.881 0.831 0.000 (< 0.05) 3.245 67.89%
Cronbach's Alpha Requirement: >= 0.70 (Chấp nhận)
KMO Sample Adequacy: 0.5 < KMO < 1.0 (Thích hợp cho EFA)
Bartlett's Test of Sphericity: Sig. p < 0.05 (Các biến có tương quan)
Factor Loading của toàn bộ biến thành phần: > 0.55

Kết quả đạt được về hiệu quả kinh doanh

Dữ liệu thứ cấp giai đoạn 2014–2016 của VietinBank Thừa Thiên Huế chứng minh khả năng quản trị nợ và huy động vốn vượt trội:

[Chỉ tiêu Nguồn Vốn Huy Động 2014-2016]
2014: 2,850 Tỷ VND ========================> (Gốc)
2015: 3,240 Tỷ VND ==============================> (+13.68%)
2016: 4,115 Tỷ VND ==========================================> (+27.01%)

[Chỉ tiêu Tỷ Lệ Nợ Xấu (NPL) Năm 2015]
VietinBank:  [0.85%]  (Kiểm soát rủi ro tốt nhất nhóm NHTM lớn)
BIDV:        [1.71%]
VietcomBank: [1.78%]
  • Tăng trưởng nguồn vốn: Tốc độ huy động vốn 2016 tăng 27.01% so với 2015, trong đó tỷ trọng tiền gửi tiết kiệm KHCN chiếm trên 68% cơ cấu huy động.
  • Sự hài lòng khách hàng: Điểm đánh giá trung bình yếu tố "Con người" (Mean = 4.18/5.0) và "Mạng lưới PGD" (Mean = 4.02/5.0) dẫn đầu; điểm đánh giá "Chính sách khuyến mại và xúc tiến" còn dư địa cải thiện (Mean = 3.42/5.0).

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp học thuật và thực tiễn rõ nét thông qua việc chuẩn hóa mô hình Marketing Mix ứng dụng chuyên biệt cho sản phẩm huy động vốn bán lẻ:

  1. Chuẩn hóa khung 5P cho dịch vụ tài chính địa phương: Bổ sung thành tố "Con người" (People) vào mô hình 4P truyền thống, xác định đây là nhân tố có hệ số tương quan cao nhất tới lòng trung thành của KHCN tại thị trường miền Trung.
  2. Số hóa quy trình phân tích dữ liệu thị trường: Ứng dụng quy trình phân tích hồi quy và kiểm định độ tin cậy tự động bằng SPSS/Python thay thế cho các phương pháp phân tích trực quan cảm tính trước đây.
  3. Mô hình hóa chính sách lãi suất chênh lệch (Spread Pricing): Đề xuất công thức định giá tiền gửi linh hoạt dựa trên kỳ hạn gửi và quy mô dòng tiền nhằm tối ưu biên lãi ròng (NIM) trong bối cảnh trần lãi suất NHNN khống chế.
Tiêu chí so sánh Nghiên cứu này (VietinBank Huế) Nghiên cứu truyền thống tại BIDV Nghiên cứu truyền thống tại Agribank
Mô hình tiếp cận 5P Marketing Mix tích hợp E-Banking 4P Cổ điển tập trung vào giá 4P Cổ điển tập trung vào mạng lưới
Cơ sở phân tích Dữ liệu định lượng (Cronbach's Alpha, EFA) Thống kê mô tả cơ bản Phân tích định tính
Kênh số hóa Tích hợp CoreBanking Sunshine + iPay Quầy giao dịch + ATM Quầy giao dịch truyền thống
Mức độ linh hoạt sản phẩm 8 dòng sản phẩm tiết kiệm chuyên biệt 4 dòng sản phẩm chính 3 dòng sản phẩm thông dụng

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế (Use Cases)

[Scenario 1: Khách hàng hưu trí / Trung niên]
  - Nhu cầu: Bảo toàn vốn, nhận lãi định kỳ hàng tháng, an toàn tuyệt đối.
  - Giải pháp 5P: Gói "Tiết kiệm An Niên Lãi Nhận Đầu/Định Kỳ", thủ tục quầy ưu tiên, quà tặng sức khỏe.

[Scenario 2: Khách hàng trẻ / Cán bộ nhân viên văn phòng]
  - Nhu cầu: Tích lũy linh hoạt, giao dịch 24/7, thao tác trên điện thoại.
  - Giải pháp 5P: Gói "Tiết kiệm Tích Lũy Online iPay", kỳ hạn ngày linh hoạt, cộng biên độ lãi suất 0.2%/năm.

Lộ trình triển khai (Implementation Roadmap 2017–2020)

gantt
    title Lộ Trình Hoàn Thiện Marketing Mix Tiền Gửi Tiết Kiệm
    dateFormat  YYYY-MM-DD
    section Giai đoạn 1: Tối ưu Sản phẩm & Giá
    Đóng gói sản phẩm tiết kiệm bậc thang :2017-06-01, 90d
    Ban hành chính sách lãi suất linh hoạt :2017-08-01, 60d
    section Giai đoạn 2: Nâng cấp Phân phối & Số hóa
    Nâng cấp 100% điểm PGD theo nhận diện mới :2017-10-01, 180d
    Mở rộng tính năng gửi tiết kiệm trên iPay :2018-01-01, 120d
    section Giai đoạn 3: Chiến dịch Xúc tiến & Con người
    Chương trình đào tạo Service Excellence :2018-04-01, 90d
    Chiến dịch truyền thông tích hợp (IMC) :2018-06-01, 150d

Phân tích chi phí - lợi ích (Cost-Benefit & ROI)

  • Chi phí triển khai ước tính: Tái cấu trúc nhận diện PGD (450 triệu VND), Chiến dịch tiếp thị địa phương (300 triệu VND), Đào tạo nhân sự giao dịch (150 triệu VND). Tổng kinh phí: ~900 triệu VND.
  • Hiệu quả kinh tế kỳ vọng: Tăng trưởng quy mô tiền gửi KHCN đạt bình quân $\ge 18%$/năm giai đoạn 2017–2020; giảm chi phí huy động vốn bình quân 0.15% nhờ gia tăng tỷ lệ tiền gửi không kỳ hạn (CASA). Tỷ suất sinh lời ROI ước đạt sau 14 tháng triển khai.

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật & quy mô mẫu: Nghiên cứu giới hạn ở cỡ mẫu $n = 150$ tại khu vực đô thị TP. Huế; chưa bao phủ sâu nhóm khách hàng nông thôn tại các huyện miền núi A Lưới, Nam Đông.
  • Ràng buộc dữ liệu: Dữ liệu tài chính thứ cấp dừng ở mốc cuối năm 2016, chưa phản ánh đầy đủ tác động của làn sóng chuyển đổi số toàn diện (Digital Banking 4.0) và biến động kinh tế vĩ mô các năm sau.
  • Hướng phát triển đề xuất: Mở rộng mô hình nghiên cứu sang cấu trúc phương trình cấu trúc tuyến tính (SEM - Structural Equation Modeling) trên nền tảng phần mềm SmartPLS/AMOS để đo lường mức độ tác động trực tiếp của từng biến 5P đến lòng trung thành của khách hàng.

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------+
|                            ĐỐI TƯỢNG HƯỞNG LỢI                                    |
+-----------------------------------------------------------------------------------+
| 1. Sinh viên / Học viên: Tài liệu chuẩn mực về phương pháp nghiên cứu Marketing    |
|    dịch vụ ngân hàng, cách tính cỡ mẫu Cochran và xử lý số liệu SPSS.             |
| 2. Chuyên viên Marketing / Data Analysts: Bộ chỉ số Cronbach's Alpha, EFA         |
|    và script Python/SPSS ứng dụng trực tiếp cho khảo sát tài chính.               |
| 3. Nhà quản trị Ngân hàng: Khung chiến lược 5P thực chiến giúp gia tăng           |
|    nguồn vốn huy động và cải thiện tỷ lệ giữ chân khách hàng (Retention Rate).   |
| 4. Nhà nghiên cứu học thuật: Dữ liệu tham chiếu so sánh giữa các NHTMNN           |
|    tại thị trường miền Trung Việt Nam.                                            |
+-----------------------------------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật để áp dụng mô hình phân tích dữ liệu trong đồ án là gì?

Cần cài đặt hệ thống IBM SPSS Statistics v20.0 trở lên (hoặc môi trường Python 3.8+ tích hợp thư viện pandas, numpy, scipy.stats), cùng bảng dữ liệu khảo sát đã mã hóa thang đo Likert 5 điểm đạt cỡ mẫu tối thiểu theo chuẩn Cochran ($n \ge 113$).

2. Giới hạn mở rộng quy mô (Scalability) của chính sách Marketing 5P này như thế nào?

Mô hình có tính tương thích cao và có thể nhân rộng cho các chi nhánh VietinBank trên toàn quốc hoặc áp dụng cho các khối NHTM khác có cùng cơ cấu tổ chức trực tuyến - chức năng bằng cách hiệu chỉnh trọng số tham số địa phương.

3. Làm thế nào để giải quyết mâu thuẫn giữa cạnh tranh lãi suất và trần lãi suất của NHNN?

Chi nhánh không thể vượt trần lãi suất do NHNN quy định, do đó giải pháp cốt lõi là cạnh tranh phi lãi suất: tối ưu giá trị sản phẩm bổ sung (Augmented Product), nâng cao tốc độ xử lý giao dịch, bổ sung bảo hiểm tiền gửi tích hợp và triển khai chương trình khách hàng thân thiết (Loyalty Program).

4. Yêu cầu bảo trì và cập nhật hệ thống dữ liệu định kỳ ra sao?

Cần thực hiện khảo sát sự hài lòng khách hàng định kỳ 6 tháng/lần, tái kiểm định mô hình EFA hàng năm để kịp thời phát hiện những thay đổi trong hành vi tiêu dùng và dịch chuyển xu hướng tiết kiệm của khách hàng.

5. Chi phí triển khai và thời gian thu hồi vốn (ROI) ước tính bao lâu?

Với tổng ngân sách đầu tư ban đầu khoảng 900 triệu VND cho việc tái cơ cấu tiếp thị và đào tạo tại cấp chi nhánh, mô hình dự kiến đem lại điểm hòa vốn và tạo lợi nhuận ròng sau 12–14 tháng thông qua mức tăng ròng nguồn vốn huy động giá rẻ (CASA).


Kết luận

Công trình nghiên cứu đã giải quyết trọn vẹn bài toán học thuật và thực tiễn về hoàn thiện chính sách Marketing Mix cho sản phẩm tiền gửi tiết kiệm cá nhân tại VietinBank Thừa Thiên Huế. Thông qua việc kết hợp chặt chẽ giữa phân tích số liệu tài chính thứ cấp giai đoạn 2014–2016 và kiểm định định lượng sơ cấp ($n = 150$) trên phần mềm SPSS 20.0, đề tài chứng minh tính khoa học của khung giải pháp 5P. Kết quả này không chỉ tạo bàn đạp củng cố năng lực cạnh tranh cho VietinBank Huế trong giai đoạn 2017–2020 mà còn cung cấp khung tham chiếu giá trị cho các nghiên cứu ứng dụng Marketing dịch vụ tài chính ngân hàng hiện đại.