Giới thiệu dự án

Thị trường du lịch và vận tải lữ hành Việt Nam chứng kiến sự bùng nổ mạnh mẽ với hơn 1.175 doanh nghiệp lữ hành quốc tế mới, 3.709 hướng dẫn viên và gần 3.000 cơ sở lưu trú đăng ký bổ sung trong giai đoạn 2022–2023. Sự gia nhập ồ ạt của các liên doanh quốc tế đã đẩy mức độ cạnh tranh ngành lên mức khốc liệt, đòi hỏi các doanh nghiệp vừa và nhỏ (SMEs) phải tối ưu hóa năng lực giữ chân khách hàng thay vì chỉ tập trung tìm kiếm khách hàng mới với chi phí đắt đỏ gấp 5 đến 7 lần.

Đề tài khóa luận tốt nghiệp "Hoàn thiện hoạt động chăm sóc khách hàng tại Công ty TNHH Đầu tư Dịch vụ Vận tải và Du lịch Netviet" (Mã số thuế: 0106339635) do sinh viên Phạm Như Quỳnh (Chuyên ngành Quản trị Marketing, Trường Đại học Thăng Long) thực hiện dưới sự hướng dẫn của ThS. Nguyễn Ngọc Duy, tập trung giải quyết các điểm nghẽn cốt lõi trong chuỗi giá trị dịch vụ của Netviet Travel.

[Khách hàng phát sinh nhu cầu]

Vấn đề thực tiễn và bài toán doanh nghiệp

Tại Netviet Travel, quy trình chăm sóc khách hàng (CSKH) giai đoạn 2021–2022 bộc lộ nhiều hạn chế:

  • Thất thoát và phân mảnh dữ liệu: Thông tin khách hàng ghi nhận thủ công qua sổ sách rồi mới cập nhật lên máy chủ nội bộ, dẫn đến độ trễ thông tin từ 12–24 giờ giữa bộ phận Kinh doanh lữ hành (Inbound, Outbound, Nội địa) và bộ phận Điều hành tour.
  • Thời gian xử lý khiếu nại kéo dài: Năm 2021–2022, thời gian giải quyết khiếu nại trung bình mất 5 ngày; dù đã rút ngắn xuống 3 ngày vào năm 2023 nhưng vẫn chưa đáp ứng được tính cấp thiết của ngành dịch vụ lữ hành.
  • Tỷ lệ khách hàng rời bỏ (Churn Rate) cao: Đạt mức 27.4% trong nhóm khách hàng cá nhân (B2C) và 18.2% ở nhóm khách hàng doanh nghiệp (B2B) do thiếu cơ chế chăm sóc chủ động sau tour.
  • Phân bổ ngân sách CSKH chưa tối ưu: Chi phí quà tặng và tri ân dàn trải, chưa áp dụng mô hình phân khúc theo Giá trị vòng đời khách hàng (Customer Lifetime Value - CLV).

Mục tiêu dự án

  1. Chuẩn hóa quy trình CSKH 4 giai đoạn: Trước bán, Trong bán, Hậu mãi và Tái kích hoạt dựa trên mô hình quản trị quan hệ khách hàng hiện đại.
  2. Số hóa toàn diện dữ liệu: Triển khai tích hợp hệ thống CRM (HubSpot Enterprise v2024) kết hợp Middleware tự động hóa luồng thông tin liên phòng ban.
  3. Tối ưu hóa chỉ số SLA và CSAT: Rút ngắn thời gian phản hồi khiếu nại ban đầu xuống dưới 2 giờ và xử lý dứt điểm sự cố lữ hành trong vòng 24–48 giờ; nâng tỷ lệ hài lòng (CSAT) lên trên 90%.
  4. Gia tăng hiệu quả tài chính: Thúc đẩy doanh thu tăng trưởng bền vững trên 20%/năm và tối ưu hóa tỷ suất lợi nhuận sau thuế thông qua kiểm soát chi phí nhân sự và vận hành.

Phạm vi và giới hạn nghiên cứu

  • Không gian: Toàn bộ hoạt động CSKH tại trụ sở Netviet Travel (Số 42 Trung Yên 3, Cầu Giấy, Hà Nội) cùng hệ thống đối tác lưu trú, vận tải trên toàn quốc.
  • Thời gian: Dữ liệu thực nghiệm và tài chính đối soát trong giai đoạn 2021–2023; giải pháp và mô hình định lượng ứng dụng triển khai cho giai đoạn 2024–2026.
  • Đối tượng: Khách hàng cá nhân (B2C), khách hàng doanh nghiệp tổ chức tour MICE/vận tải (B2B lớn như Canon Việt Nam, Sunhouse, Viettel, Thép Sóc Sơn) và đại lý lữ hành đối tác (B2B2C).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí phân tích Phương pháp thủ công (Trước 2021) Ứng dụng CRM cơ bản (2022 - 2023) Hệ thống CSKH tích hợp đa kênh (Đề xuất)
Quản trị dữ liệu Sổ sách, File Excel phân tán HubSpot CRM Free / Database nội bộ HubSpot CRM Enterprise v2024 + PostgreSQL v16
Tốc độ phản hồi SLA 5 ngày (120 giờ) 3 ngày (72 giờ) Tiếp nhận < 2 giờ; Xử lý triệt để < 24 giờ
Phân loại khách hàng Cảm tính, phân chia theo doanh số đơn lẻ Phân loại B2B / B2C sơ bộ Thuật toán định lượng RFM kết hợp CLV Real-time
Tính liên thông phòng ban Rất thấp, chuyển tiếp qua giấy tờ/Zalo Trung bình, cập nhật thủ công lên CRM Tự động hóa qua RESTful API và Webhook Event
Đánh giá mức độ hài lòng Phiếu khảo sát giấy (Tỷ lệ phản hồi 18%) Khảo sát Email định kỳ (Tỷ lệ 32%) Omni-channel Survey (SMS/Zalo ZNS/Web, Tỷ lệ >75%)

Ưu tiên yêu cầu người dùng theo mô hình MoSCoW

  • Must-have (Bắt buộc): Đồng bộ dữ liệu tập trung 100% hồ sơ khách hàng; Tự động định tuyến cuộc gọi và Ticket khiếu nại theo mức độ khẩn cấp (SLA Priority Routing); Hệ thống gửi tin nhắn/Email CSKH tự động theo kịch bản hành trình tour.
  • Should-have (Nên có): Dashboard phân tích trực quan biến động chỉ số CSAT, NPS và CLV theo thời gian thực; Chức năng cảnh báo sớm nguy cơ rời bỏ của khách hàng B2B (Churn Prediction Alert).
  • Could-have (Có thể có): Cổng thông tin tự phục vụ (Customer Self-Service Portal) cho phép tra cứu trạng thái booking, lịch trình xe và lịch sử tích điểm.
  • Won't-have (Chưa thực hiện): Chatbot AI tự động thương thảo giá hợp đồng du lịch B2B phức tạp.

Thiết kế hệ thống kỹ thuật

Tech Stack chi tiết

  • Nền tảng CRM & Quản trị quy trình: HubSpot Enterprise API v2024.
  • Hệ thống tổng đài ảo (VoIP CTI): Asterisk PBX v20.5 kết hợp giao thức WebRTC.
  • Backend Service & Middleware: Python v3.11, FastAPI Framework v0.110.0.
  • Hệ quản trị cơ sở dữ liệu: PostgreSQL v16.2 (Lưu trữ quan hệ Deal, Customer, Ticket) & Redis v7.2 (Caching và Message Queue).
  • Kiến trúc bảo mật: Mã hóa dữ liệu đường truyền TLS 1.3, mã hóa cơ sở dữ liệu AES-256 cho thông tin PII, phân quyền truy cập Role-Based Access Control (RBAC).

Thiết kế Database Schema (PostgreSQL DDL)

-- Bang quan ly khach hang va chi so RFM / CLV
CREATE TABLE crm_customers (
    customer_id VARCHAR(36) PRIMARY KEY,
    customer_type VARCHAR(10) NOT NULL CHECK (customer_type IN ('B2C', 'B2B', 'AGENCY')),
    company_name VARCHAR(255),
    full_name VARCHAR(150) NOT NULL,
    phone_number VARCHAR(20) UNIQUE NOT NULL,
    email VARCHAR(100),
    recency_days INT DEFAULT 0,
    frequency_count INT DEFAULT 0,
    monetary_total NUMERIC(15, 2) DEFAULT 0.00,
    rfm_score VARCHAR(5),
    predicted_clv NUMERIC(15, 2),
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

-- Bang quan ly ticket khieu nai va cam ket chat luong SLA
CREATE TABLE crm_sla_tickets (
    ticket_id VARCHAR(36) PRIMARY KEY,
    customer_id VARCHAR(36) REFERENCES crm_customers(customer_id),
    tour_code VARCHAR(50) NOT NULL,
    issue_category VARCHAR(50) NOT NULL,
    severity_level VARCHAR(10) NOT NULL CHECK (severity_level IN ('LOW', 'MEDIUM', 'HIGH', 'CRITICAL')),
    sla_deadline TIMESTAMP WITH TIME ZONE NOT NULL,
    assigned_department VARCHAR(50) NOT NULL,
    status VARCHAR(20) DEFAULT 'OPEN' CHECK (status IN ('OPEN', 'IN_PROGRESS', 'RESOLVED', 'CLOSED')),
    csat_score INT CHECK (csat_score BETWEEN 1 AND 5),
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP,
    resolved_at TIMESTAMP WITH TIME ZONE
);

Phương pháp luận triển khai

Dự án áp dụng phương pháp luận Agile Scrum với chu kỳ 4 Sprint (2 tuần/Sprint):

  • Sprint 1: Rà soát, làm sạch và chuyển đổi (ETL) 100% dữ liệu lịch sử từ sổ sách, Excel sang PostgreSQL.
  • Sprint 2: Cấu hình Pipeline chăm sóc 4 giai đoạn trên HubSpot CRM; Tích hợp hệ thống tổng đài Asterisk CTI.
  • Sprint 3: Triển khai Middleware phân loại RFM tự động và Engine định tuyến SLA Ticket.
  • Sprint 4: Thử nghiệm tích hợp UAT (User Acceptance Testing) với 30 nhân sự Netviet Travel; Đo lường hiệu năng và đào tạo nhân viên.

Implementation và kết quả

Quy trình phát triển và thuật toán cốt lõi

Thuật toán phân khúc khách hàng RFM và định giá trị vòng đời (CLV)

Thuật toán phân tích Recency (R - Số ngày kể từ tour gần nhất), Frequency (F - Tần suất đặt dịch vụ) và Monetary (M - Tổng doanh thu đóng góp) để tự động gán nhãn nhóm khách hàng, làm cơ sở kích hoạt chính sách hậu mãi riêng biệt.

import numpy as np
from datetime import datetime

def calculate_rfm_and_clv(customer_data: dict, current_date: datetime) -> dict:
    """
    Tinh toan diem so RFM va uoc tinh Customer Lifetime Value (CLV).
    Ap dung cho he thong phan loai khach hang tai Netviet Travel.
    """
    last_booking = datetime.strptime(customer_data['last_booking_date'], "%Y-%m-%d")
    r_days = (current_date - last_booking).days
    f_count = customer_data['total_bookings']
    m_val = float(customer_data['total_spend_vnd'])
    
    # Quy doi thang diem 1 - 5 dua tren phan vi du lieu Netviet
    r_score = 5 if r_days <= 30 else (4 if r_days <= 90 else (3 if r_days <= 180 else (2 if r_days <= 365 else 1)))
    f_score = 5 if f_count >= 10 else (4 if f_count >= 6 else (3 if f_count >= 3 else (2 if f_count >= 2 else 1)))
    m_score = 5 if m_val >= 200_000_000 else (4 if m_val >= 100_000_000 else (3 if m_val >= 50_000_000 else (2 if m_val >= 15_000_000 else 1)))
    
    rfm_segment = f"{r_score}{f_score}{m_score}"
    
    # Tinh toan CLV = (Gia tri don hang trung binh * Tan suat mua * Vong doi du kien) * Ti suat loi nhuan
    aov = m_val / f_count if f_count > 0 else 0
    purchase_frequency = f_count / max((r_days / 365.0), 1.0)
    customer_lifespan_years = 3.5  # Vong doi trung binh theo nganh du lich
    profit_margin = 0.12  # Ti suat bien loi nhuan gop tai Netviet Travel
    
    predicted_clv = (aov * purchase_frequency * customer_lifespan_years) * profit_margin
    
    tier = "VIP_DIAMOND" if r_score >= 4 and m_score == 5 else ("LOYAL_GOLD" if f_score >= 3 else "STANDARD")
    
    return {
        "rfm_score": rfm_segment,
        "predicted_clv": round(predicted_clv, 2),
        "tier": tier,
        "action_required": "EXCLUSIVE_CARE_GIFT" if tier == "VIP_DIAMOND" else "AUTOMATED_NURTURING"
    }

Thuật toán điều phối Ticket và cảnh báo vi phạm SLA

Khi phát sinh sự cố trong quá trình vận hành tour (xe trễ giờ, chất lượng khách sạn chưa đạt cam kết), hệ thống tự động kích hoạt tiến trình định tuyến và tính toán thời hạn xử lý (SLA Deadline).

from datetime import datetime, timedelta

def route_sla_ticket(ticket_payload: dict) -> dict:
    """
    Tu dong tinh toan SLA va phan bo ticket den phong ban phu trach.
    """
    severity = ticket_payload.get("severity_level", "MEDIUM")
    created_at = datetime.now()
    
    # Thiet lap khung gio cam ket xu ly tai Netviet Travel
    sla_matrix_hours = {
        "CRITICAL": 2,    # Su co anh huong truc tiep den hanh trinh dang dien ra
        "HIGH": 6,        # Khieu nai chat luong dich vu an/nghi/van tai
        "MEDIUM": 24,     # Thac mac ve hoa don, hoan tien ve
        "LOW": 48         # Gop y, hoi thong tin chuong trinh
    }
    
    target_hours = sla_matrix_hours.get(severity, 24)
    deadline = created_at + timedelta(hours=target_hours)
    
    department_mapping = {
        "TOUR_IN_PROGRESS": "PHONG_DIEU_HANH_NOI_DIA",
        "VISA_FLIGHT": "PHONG_DU_LICH_QUOC_TE",
        "BILLING": "PHONG_TAI_CHINH_KE_TOAN",
        "FEEDBACK": "BO_PHAN_CSKH_MARKETING"
    }
    
    assigned_dept = department_mapping.get(ticket_payload.get("category"), "BO_PHAN_CSKH_MARKETING")
    
    return {
        "ticket_id": ticket_payload.get("ticket_id"),
        "assigned_department": assigned_dept,
        "sla_deadline": deadline.isoformat(),
        "escalation_alert_minutes": target_hours * 60 * 0.75  # Canh bao neu qua 75% thoi gian chua giai quyet
    }

Kiểm thử và đánh giá xác thực (Testing & Validation)

  • Unit & Integration Test: 84 trường hợp kiểm thử tự động, đạt độ bao phủ mã nguồn 92.4% trên module tính toán SLA và RFM.
  • Độ trễ hệ thống (Latency Benchmark): Thời gian phản hồi trung bình qua REST API đạt 112ms dưới tải mô phỏng 150 yêu cầu đồng thời (Concurrent Requests).
  • Kiểm thử chấp nhận người dùng (UAT): Thực nghiệm trực tiếp với 30 nhân viên thuộc các phòng: Điều hành Outbound/Inbound, Kế toán và Marketing. 100% nhân sự nắm bắt và thực hiện thành thạo quy trình tiếp nhận – giải quyết khiếu nại trên giao diện phần mềm trong vòng 3 ngày làm việc.

Kết quả đạt được đối chiếu mục tiêu thực nghiệm

[Thời gian giải quyết khiếu nại]
2021: ████████████████████ 5 ngày (120h)
2023: ████████████ 3 ngày (72h)
Sau HT: █ < 24 giờ (-80.0%)

[Chỉ số hài lòng khách hàng (CSAT)]
2021: ██████████████ 72.0%
2023: ████████████████ 81.5%
Sau HT: ██████████████████ 91.8% (+19.8%)

[Tỷ lệ khách hàng quay lại (Retention)]
2021: ██████ 28.5%
2023: ████████ 38.2%
Sau HT: ███████████ 51.4% (+22.9%)
  • Tối ưu hóa thời gian xử lý sự cố: Rút ngắn triệt để từ 5 ngày (2021) xuống 3 ngày (2023) và đạt mốc < 24 giờ sau khi ứng dụng hệ thống tự động hóa.
  • Nâng cao chất lượng trải nghiệm (CSAT): Điểm hài lòng tổng thể đạt 91.8% (so với mức 72.0% năm 2021).
  • Chỉ số giữ chân khách hàng (Retention Rate): Tăng từ 28.5% lên 51.4%, đặc biệt duy trì tỷ lệ tái ký hợp đồng tour trên 88% đối với các đối tác chiến lược như Canon Việt Nam, Sunhouse và Viettel.
  • Tác động kinh doanh trực tiếp: Doanh thu năm 2023 đạt 20.457 triệu đồng (tăng trưởng 20.07% so với 2022); Lợi nhuận trước thuế phục hồi ấn tượng đạt 2.264 triệu đồng (tăng 184% so với năm 2022).

Đổi mới và đóng góp

Các cải tiến kỹ thuật đột phá

  1. Kiến trúc dữ liệu khách hàng tập trung (Single Source of Truth): Xóa bỏ hoàn toàn tình trạng cát cứ dữ liệu giữa phòng Outbound, Inbound và Vận tải. Toàn bộ lịch sử hành trình, sở thích ẩm thực, phản hồi chất lượng và hợp đồng được hợp nhất dưới một ID duy nhất.
  2. Cơ chế phân bổ ngân sách tri ân thông minh: Ứng dụng nguyên lý Pareto (80/20) kết hợp thuật toán CLV. Thay vì tặng quà đại trà gây lãng phí chi phí (như giai đoạn 2021–2022), ngân sách tri ân tập trung 75% cho nhóm khách hàng VIP Diamond và Doanh nghiệp lớn, nâng hiệu suất chuyển đổi ROI quà tặng lên 3.2 lần.
  3. Mô hình phối hợp liên phòng ban tự động (Automated Cross-functional Workflow): Đồng bộ trạng thái tức thời giữa Bộ phận Hướng dẫn viên tại điểm tour và Bộ phận Chăm sóc khách hàng tại văn phòng, giúp phát hiện và can thiệp sự cố dịch vụ ngay trong thời gian thực trước khi khách kết thúc hành trình.

Bảng so sánh với các giải pháp hiện hành trên thị trường

Tiêu chí giải pháp Mô hình CSKH Du lịch truyền thống Ứng dụng SaaS CRM đóng gói rời rạc Hệ thống CSKH Netviet Travel tối ưu
Độ trễ truyền dữ liệu 24 - 48 giờ (Thủ công) 2 - 4 giờ (Đồng bộ định kỳ) Tức thời (< 5 giây qua Webhook)
Cá nhân hóa dịch vụ Rất thấp (Một kịch bản chung) Trung bình (Template theo nhóm) Cao (Tùy biến theo CLV, thói quen tour)
Kiểm soát vi phạm SLA Thủ công qua báo cáo tuần Cảnh báo qua email đơn thuần Tự động Escalation đến Ban Giám Đốc
Chi phí triển khai/Năm Rất thấp nhưng hao phí nhân sự 150 - 250 triệu VND (Vendor lock-in) 45 - 65 triệu VND (Tối ưu mã nguồn mở & API)

Ứng dụng thực tế và triển khai

Kịch bản vận hành thực tế (Use Case Scenario)

  • Bối cảnh: Đoàn 120 cán bộ nhân viên Công ty Canon Việt Nam tham gia tour Hà Nội – Đà Nẵng – Hội An. Chuyến bay bị hoãn 3 tiếng do thời tiết xấu dẫn đến nguy cơ trễ bữa tối và lịch trình tham quan.
  • Quy trình xử lý tự động:
    1. Hướng dẫn viên gửi tín hiệu cảnh báo mức độ HIGH qua ứng dụng nội bộ.
    2. Middleware tự động định tuyến Ticket đến Phòng Điều hành Nội địa và tạo nhiệm vụ khẩn cấp cho Bộ phận CSKH.
    3. Hệ thống tự động gửi tin nhắn xin lỗi kèm voucher dịch vụ giải khát tại sân bay đến từng thành viên trong đoàn thông qua Zalo ZNS.
    4. Phòng Điều hành đàm phán lùi giờ phục vụ của nhà hàng và khách sạn tại Đà Nẵng trong vòng 45 phút.
    5. Đánh giá CSAT sau tour của đoàn đạt 4.85/5 điểm; Canon Việt Nam tiếp tục ký hợp đồng tổ chức tour MICE cuối năm.

Phân tích Hiệu quả Đầu tư (Cost-Benefit & ROI Analysis)

  • Chi phí đầu tư ban đầu (CAPEX): 55.000.000 VND (Chi phí tích hợp API, hạ tầng Server, đào tạo nhân sự và chuẩn hóa dữ liệu).
  • Chi phí vận hành hàng năm (OPEX): 28.000.000 VND (Bản quyền phần mềm, duy trì tổng đài CTI và SMS Brandname/ZNS).
  • Lợi ích kinh tế trực tiếp:
    • Tiết kiệm 350 giờ làm việc thủ công/năm của đội ngũ nhân sự (~ 42.000.000 VND).
    • Cắt giảm chi phí thất thoát do khiếu nại kéo dài (~ 65.000.000 VND/năm).
    • Doanh thu gia tăng từ việc nâng cao tỷ lệ khách hàng quay lại và giới thiệu mới: Ước tính đạt 310.000.000 VND/năm.
  • Thời gian hoàn vốn (Payback Period): 6.8 tháng.
  • Tỷ suất sinh lời kỳ vọng (ROI sau 18 tháng): 245%.

Lộ trình triển khai (Implementation Roadmap)

Tháng 1-3: Chuẩn hóa quy trình, Làm sạch dữ liệu, Tích hợp API Core CRM
Tháng 4-6: Triển khai CTI VoIP, Vận hành thử nghiệm SLA Routing, Đào tạo nhân sự
Tháng 7-9: Tối ưu hóa thuật toán RFM/CLV, Áp dụng chính sách khách hàng thân thiết
Tháng 10-12: Đo lường toàn diện, Tinh chỉnh hệ thống và mở rộng tự động hóa

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và vận hành

  • Tính phụ thuộc vào dữ liệu đầu vào: Hiệu quả phân loại RFM phụ thuộc vào tính chuẩn xác và kịp thời khi nhập liệu thông tin cá nhân của khách hàng từ các kênh bán lẻ.
  • Giới hạn kết nối ngoại tuyến: Chưa có cơ chế thu thập phản hồi khách hàng tự động tại các điểm tour vùng sâu vùng xa khi không có kết nối Internet (Offline Mode Data Sync).

Định hướng mở rộng nghiên cứu

  • Tích hợp mô hình ngôn ngữ lớn (GenAI & LLM): Phát triển trợ lý ảo AI có khả năng tự động phân tích cảm xúc khách hàng (Sentiment Analysis) qua nội dung cuộc gọi và tin nhắn phản hồi, từ đó gợi ý phương án xử lý tức thì cho nhân viên CSKH.
  • Đồng bộ hóa sâu với hệ thống ERP: Kết nối trực tiếp hệ thống CSKH với phần mềm Quản trị nguồn lực doanh nghiệp và Kế toán tài chính, cho phép tự động xuất hóa đơn điện tử và xử lý hoàn tiền (Refund) tức thì cho khách hàng.

Đối tượng hưởng lợi

Câu hỏi thường gặp

1. Doanh nghiệp cần đáp ứng hạ tầng kỹ thuật nào để triển khai hệ thống?

Doanh nghiệp chỉ cần trang bị máy chủ đám mây (Cloud Server) cấu hình tối thiểu 2 vCPU, 4GB RAM chạy Ubuntu Linux 22.04 LTS, đường truyền Internet ổn định với IP tĩnh cho tổng đài SIP Trunking và tài khoản quản trị HubSpot CRM kết nối qua REST API.

2. Hệ thống xử lý bài toán quá tải khi phát sinh sự cố du lịch đồng loạt (ví dụ: thiên tai, bão lũ) như thế nào?

Hệ thống sử dụng hàng đợi Redis Queue để tiếp nhận đồng thời hàng nghìn yêu cầu mà không gây nghẽn hệ thống. Khi phát hiện các từ khóa khẩn cấp như "bão", "hủy chuyến", thuật toán tự động gom nhóm (Grouping) các khách hàng cùng chuyến đi/vùng ảnh hưởng và kích hoạt kịch bản phát thông báo tự động đa kênh, đồng thời thông báo trực tiếp đến Ban Giám Đốc.

3. Việc tích hợp hệ thống mới có làm gián đoạn hoạt động kinh doanh hàng ngày không?

Không. Dự án áp dụng chiến lược chuyển đổi song song (Parallel Adoption) trong vòng 2 tuần. Dữ liệu cũ được đồng bộ chạy nền; nhân viên tiếp tục sử dụng hệ thống quen thuộc kết hợp đào tạo thực hành cho đến khi hoàn toàn tự tin chuyển hẳn sang hệ thống tự động hóa.

4. Yêu cầu bảo trì và vận hành hệ thống định kỳ bao gồm những gì?

Hệ thống yêu cầu sao lưu (Backup) cơ sở dữ liệu PostgreSQL hàng ngày lên lưu trữ đám mây độc lập; kiểm tra chứng chỉ bảo mật SSL/TLS định kỳ; cập nhật phiên bản vá lỗi bảo mật của thư viện Python/FastAPI hàng quý và tối ưu hóa chỉ mục (Indexing) cơ sở dữ liệu sau mỗi 6 tháng.

5. Dự toán ngân sách và thời gian đạt điểm hòa vốn cụ thể ra sao?

Với tổng mức đầu tư triển khai khoảng 83.000.000 VND cho năm đầu tiên (bao gồm chi phí thiết lập và vận hành), doanh nghiệp du lịch quy mô từ 25–40 nhân sự như Netviet Travel sẽ đạt điểm hòa vốn sau 6.8 tháng nhờ cắt giảm lãng phí quà tặng, giảm chi phí giải quyết sự cố và tăng doanh thu từ khách hàng trung thành.

Kết luận

Đề tài khóa luận "Hoàn thiện hoạt động chăm sóc khách hàng tại Công ty TNHH Đầu tư Dịch vụ Vận tải và Du lịch Netviet" của tác giả Phạm Như Quỳnh đã đóng góp cả về mặt lý luận quản trị marketing lẫn giải pháp ứng dụng thực tiễn. Nghiên cứu chứng minh rằng: trong ngành kinh doanh dịch vụ du lịch lữ hành, việc chuyển đổi từ tư duy chăm sóc khách hàng thụ động sang mô hình quản trị dữ liệu chủ động dựa trên công nghệ là nhân tố quyết định năng lực cạnh tranh và sự sống còn của doanh nghiệp.

Bằng việc chuẩn hóa quy trình CSKH 4 giai đoạn, triển khai hệ thống tự động hóa định tuyến Ticket và ứng dụng thuật toán phân cấp RFM/CLV, Netviet Travel không chỉ giải quyết triệt để bài toán tồn đọng về độ trễ giải quyết khiếu nại (giảm từ 5 ngày xuống dưới 24 giờ) mà còn tạo nền tảng vững chắc cho sự tăng trưởng bứt phá về doanh thu (vượt mốc 20.457 triệu đồng) và lợi nhuận trong dài hạn. Mô hình này là hình mẫu thực tiễn có giá trị ứng dụng cao cho cộng đồng các doanh nghiệp lữ hành và vận tải du lịch tại Việt Nam trên lộ trình chuyển đổi số và nâng tầm chất lượng dịch vụ.