Giới thiệu dự án

Nghiên cứu thị trường đóng vai trò huyết mạch trong hoạch định chiến lược kinh doanh dịch vụ hàng không – một ngành kinh tế kỹ thuật đặc thù đòi hỏi sự thích ứng liên tục với biến động cung cầu. Tại Việt Nam, lưu lượng hành khách qua Cảng hàng không quốc tế Nội Bài tăng trưởng vượt bậc với dự báo chạm mốc 25 triệu lượt khách vào năm 2020, tạo ra cả áp lực hạ tầng lẫn cơ hội thương mại khổng lồ cho các đơn vị nhượng quyền dịch vụ mặt đất.

Công ty Cổ phần Dịch vụ Hàng không sân bay Nội Bài (NASCO) – đơn vị thành viên hạch toán độc lập thuộc Tổng công ty Hàng không Việt Nam (Vietnam Airlines) – đối mặt với điểm nghẽn nghiêm trọng trong công tác quản trị dữ liệu thị trường giai đoạn 2015–2016:

  • Doanh thu và lợi nhuận suy giảm: Năm 2016, tổng doanh thu của NASCO giảm 47.685 triệu VNĐ (tương ứng giảm 7,64% so với năm 2015); lợi nhuận trước thuế (LNTT) giảm mạnh 18,14%, chỉ đạt 24.112 triệu VNĐ (giảm 5.345 triệu VNĐ); lợi nhuận sau thuế (LNST) giảm 4.994 triệu VNĐ.
  • Chi phí và nhân sự tăng cơ học: Tổng vốn kinh doanh năm 2016 tăng 31.592 triệu VNĐ (+21,27%), tổng lao động tăng 117 người (+11,81%, đạt 1.108 người), song hiệu quả khai thác trên mỗi lao động và mỗi đồng vốn sụt giảm.
  • Hoạt động nghiên cứu thị trường gián đoạn: Nghiên cứu thị trường chính thức chỉ được triển khai 3 lần trong toàn bộ lịch sử hoạt động vào các năm 2002, 2007 và 2012; các năm còn lại chủ yếu vận hành dựa trên kinh nghiệm định tính và dữ liệu thứ cấp cũ.
  • Công cụ thu thập dữ liệu sơ cấp lạc hậu: Phương pháp đo lường chủ yếu dựa vào hòm phiếu đánh giá đặt tại quầy dịch vụ ăn uống, tỷ lệ phản hồi tự nguyện thấp, không đại diện cho tổng thể mẫu.

Đề tài "Hoàn thiện hoạt động nghiên cứu thị trường của Công ty Cổ phần Dịch vụ Hàng không sân bay Nội Bài" xác định các mục tiêu trọng tâm:

  1. Hệ thống hóa cơ sở lý luận về nghiên cứu thị trường dịch vụ hàng không trong điều kiện kinh tế thị trường.
  2. Phân tích thực trạng tổ chức, nội dung, phương pháp và quy trình nghiên cứu thị trường của NASCO thông qua số liệu tài chính 2015–2016 và dữ liệu phỏng vấn chuyên sâu nhà quản trị.
  3. Thiết lập hệ thống giải pháp toàn diện chuẩn hóa quy trình, tối ưu hóa công cụ phân tích và hiện đại hóa hạ tầng thu thập dữ liệu định hướng đến năm 2020.

Nghiên cứu tập trung vào phạm vi dịch vụ phi hàng không (trọng tâm là dịch vụ ăn uống tại Nhà ga hành khách T1 và T2 Cảng HKQT Nội Bài), sử dụng kết quả phỏng vấn các nhà quản trị cấp cao: Ông Tạ Thiên Long (Tổng Giám đốc), Ông Nguyễn Cao Quỳnh (Giám đốc Trung tâm Dịch vụ Hàng không) và Ông Vũ Đức Hạnh (Trưởng phòng Kế hoạch thị trường).


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại Cảng HKQT Nội Bài, áp lực cạnh tranh trực tiếp diễn ra gay gắt giữa NASCO và các đối thủ lớn như Công ty Cổ phần Dịch vụ Hàng không Thăng Long (TASECO), Công ty TNHH Ngọc Sương, chuỗi nhượng quyền quốc tế (Burger King, Popeyes) và các quầy thương mại thuộc Cảng vụ Hàng không miền Bắc.

Tiêu chí phân tích Phương thức truyền thống (NASCO 2012–2016) Đối thủ cạnh tranh (TASECO, Ngọc Sương) Giải pháp tối ưu hóa đề xuất
Công cụ thu thập sơ cấp Hòm phiếu tự nguyện tại quầy ăn uống; khảo sát giấy gián đoạn. Quan sát điểm bán, thăm dò giá trực tiếp, digital checklist. Khảo sát số hóa đa kênh (Captive Wi-Fi, QR, Tablet) + Focus Group định kỳ.
Tần suất thực hiện Chu kỳ 5 năm/lần (2002, 2007, 2012); không thường xuyên. Cập nhật định kỳ quý/tháng theo từng line hàng. Khảo sát liên tục (Real-time CSAT) kết hợp báo cáo phân tích theo quý.
Phân khúc khách hàng Tiếp cận chung chung: khách đoàn, khách gia đình, công vụ. Phân nhóm sâu theo chặng bay, hạng vé, thời gian chờ (dwell time). Phân tầng nhân khẩu học, sức mua, hành vi chi tiêu theo ma trận RFM.
Xử lý & Khai thác dữ liệu Thủ công tại phòng KHTT; thiếu phần mềm chuyên dụng. Ứng dụng POS kết hợp ERP quản lý tồn kho và doanh thu món. Pipeline ETL tự động, chuẩn hóa dữ liệu tập trung qua SQL & BI Dashboard.

Phân tích yêu cầu hệ thống nghiên cứu thị trường theo mô hình MoSCoW:

  • Must have (Bắt buộc): Quy trình 5 bước chuẩn hóa; mẫu khảo sát số hóa tinh gọn cho hành khách khu cách ly; bảng chỉ số đánh giá mức độ hài lòng khách hàng (CSAT, NPS).
  • Should have (Nên có): Bộ phận nghiên cứu thị trường chuyên trách thuộc phòng Kế hoạch thị trường; hệ thống cơ sở dữ liệu lưu trữ lịch sử phản hồi hành khách.
  • Could have (Có thể có): Cơ chế chia sẻ dữ liệu liên kết với Vietnam Airlines và các nhà mạng viễn thông.
  • Won't have (Chưa thực hiện): Hệ thống nhận diện khuôn mặt phân tích cảm xúc thời gian thực (do rào cản chi phí và an ninh sân bay).

Thiết kế hệ thống

Kiến trúc luồng dữ liệu nghiên cứu thị trường được mô hình hóa theo 4 tầng xử lý đảm bảo tính toàn vẹn và độ trễ thấp:

flowchart TD
    subgraph DataSources["Tầng thu thập dữ liệu (Ingestion Layer)"]
        DS1["Hành khách tại Nhà ga T1/T2 (QR Code / Wi-Fi Portal)"]
        DS2["Dữ liệu thứ cấp (Cảng vụ, Niên giám, Vietnam Airlines)"]
        DS3["Biên bản phỏng vấn chuyên sâu & Họp nhóm trọng điểm"]
        DS4["Hệ thống POS / Quầy dịch vụ ăn uống NASCO"]
    end

    subgraph Processing["Tầng xử lý & Chuẩn hóa (ETL & Storage)"]
        P1["Data Cleansing & Validation Engine (Python 3.10)"]
        P2[("PostgreSQL 15 Survey & Market Database")]
    end

    subgraph Analytics["Tầng phân tích (Analytics Layer)"]
        A1["Thống kê mô tả & Phân tích tương quan (SPSS / R)"]
        A2["Tính toán chỉ số CSAT, NPS, Mức sẵn sàng chi trả (WTP)"]
    end

    subgraph Presentation["Tầng ra quyết định (Business Intelligence)"]
        PR1["Dashboard Báo cáo Phòng KHTT"]
        PR2["Chiến lược Marketing & Thực đơn tối ưu cho Ban Giám đốc"]
    end

    DS1 --> P1
    DS2 --> P1
    DS3 --> P1
    DS4 --> P1
    P1 --> P2
    P2 --> A1
    P2 --> A2
    A1 --> PR1
    A2 --> PR2

Thiết kế cơ sở dữ liệu thu thập thông tin khách hàng

-- Bảng lưu trữ thông tin phân khúc hành khách tại Sân bay Nội Bài
CREATE TABLE passenger_profiles (
    passenger_id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
    terminal_code VARCHAR(10) NOT NULL CHECK (terminal_code IN ('T1', 'T2')),
    flight_type VARCHAR(20) NOT NULL CHECK (flight_type IN ('DOMESTIC', 'INTERNATIONAL')),
    travel_purpose VARCHAR(30) CHECK (travel_purpose IN ('BUSINESS', 'LEISURE_GROUP', 'FAMILY', 'OTHER')),
    nationality VARCHAR(50) DEFAULT 'Vietnamese',
    estimated_income_bracket VARCHAR(30),
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

-- Bảng ghi nhận kết quả đánh giá chất lượng dịch vụ ăn uống
CREATE TABLE service_evaluations (
    evaluation_id BIGSERIAL PRIMARY KEY,
    passenger_id UUID REFERENCES passenger_profiles(passenger_id) ON DELETE CASCADE,
    service_outlet_id VARCHAR(50) NOT NULL, -- Định danh nhà hàng/quầy ăn uống
    food_quality_score INT CHECK (food_quality_score BETWEEN 1 AND 5),
    service_speed_score INT CHECK (service_speed_score BETWEEN 1 AND 5),
    price_satisfaction_score INT CHECK (price_satisfaction_score BETWEEN 1 AND 5),
    staff_attitude_score INT CHECK (staff_attitude_score BETWEEN 1 AND 5),
    willingness_to_return BOOLEAN NOT NULL,
    customer_feedback TEXT,
    survey_timestamp TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

CREATE INDEX idx_eval_outlet ON service_evaluations(service_outlet_id);
CREATE INDEX idx_eval_timestamp ON service_evaluations(survey_timestamp);

Đặc tả API thu thập khảo sát (RESTful Endpoint)

  • Endpoint: POST /api/v1/surveys/fb-feedback
  • Content-Type: application/json
  • Payload Specification:
{
  "terminal": "T1",
  "flight_type": "DOMESTIC",
  "travel_purpose": "BUSINESS",
  "outlet_code": "NASCO_REST_LOBBY_A",
  "scores": {
    "food_quality": 4,
    "service_speed": 5,
    "price_satisfaction": 3,
    "staff_attitude": 4
  },
  "willingness_to_return": true,
  "comment": "Chất lượng phở tốt, thời gian phục vụ nhanh nhưng giá nước suối hơi cao."
}

Methodology

Phương pháp nghiên cứu kết hợp giữa nghiên cứu định tính (phỏng vấn sâu nhà quản trị, nhóm trọng điểm) và nghiên cứu định lượng (thống kê mô tả, phân tích hồi quy, kiểm định độ tin cậy thang đo):

Quy trình nghiên cứu 5 bước chuẩn hóa:
[Bước 1: Xác định vấn đề & Mục tiêu]
[Bước 5: Báo cáo & Đề xuất chiến lược]
  • Đánh giá rủi ro và giải pháp khắc phục:
    • Rủi ro sai lệch mẫu (Sample Bias): Hành khách vội lên máy bay không sẵn sàng điền khảo sát dài. Giải pháp: Rút gọn bộ câu hỏi dưới 60 giây tiếp cận trên thiết bị di động/mã QR.
    • Rủi ro bảo mật thông tin đối thủ: Các đơn vị như TASECO bảo mật số liệu tuyệt đối. Giải pháp: Ứng dụng phương pháp quan sát gián tiếp lưu lượng khách và phân tích báo cáo tài chính công khai.

Implementation và kết quả

Development process

Quá trình thu thập và xử lý dữ liệu được tiến hành với 3 nhà quản trị cấp cao của NASCO từ ngày 20/03/2017 đến ngày 27/03/2017, kết hợp rà soát hệ thống dữ liệu kinh doanh 2015–2016.

Thuật toán chọn mẫu phân tầng ngẫu nhiên (Stratified Random Sampling) được thiết lập để thu thập mẫu khách hàng mục tiêu tại hai nhà ga T1 (Nội địa) và T2 (Quốc tế):

import numpy as np
import pandas as pd

def calculate_stratified_sample(total_population: int, confidence_level: float = 0.95, margin_of_error: float = 0.05) -> dict:
    """
    Tính toán quy mô mẫu phân tầng theo công thức Yamane/Cochran cho Sân bay Nội Bài
    """
    z_score = 1.96 if confidence_level == 0.95 else 2.58
    p = 0.5 # Mức độ phân tán tối đa
    
    # Tính kích thước mẫu tổng thể (Cochran's formula)
    n0 = (z_score ** 2 * p * (1 - p)) / (margin_of_error ** 2)
    sample_size = int(np.ceil(n0 / (1 + (n0 - 1) / total_population)))
    
    # Phân bổ tỷ trọng mẫu theo đặc thù luồng khách NASCO
    strata_weights = {
        'Domestic_Business': 0.35,
        'Domestic_Leisure_Group': 0.30,
        'Domestic_Family': 0.20,
        'International_Transit': 0.15
    }
    
    allocated_samples = {k: int(np.round(v * sample_size)) for k, v in strata_weights.items()}
    return {"total_required_sample": sample_size, "strata_allocation": allocated_samples}

# Phân bổ mẫu dựa trên lượng khách bình quân dự tính
sample_plan = calculate_stratified_sample(total_population=25000000)
print(sample_plan)
def compute_customer_metrics(evaluations_df: pd.DataFrame) -> dict:
    """
    Tính toán chỉ số hài lòng khách hàng (CSAT) và Net Promoter Score (NPS)
    """
    # CSAT: Tỷ lệ phần trăm điểm đánh giá 4 sao và 5 sao trên thang 5
    satisfied_responses = evaluations_df['food_quality_score'].isin([4, 5]).sum()
    total_responses = len(evaluations_df)
    csat_percentage = (satisfied_responses / total_responses) * 100 if total_responses > 0 else 0.0
    
    # NPS Metric: Promoters (Score 9-10/5-scale norm: 5) vs Detractors (1-3)
    promoters = (evaluations_df['food_quality_score'] == 5).sum()
    detractors = (evaluations_df['food_quality_score'] <= 3).sum()
    nps_score = ((promoters - detractors) / total_responses) * 100 if total_responses > 0 else 0.0
    
    return {
        "CSAT_Food_Quality": round(csat_percentage, 2),
        "NPS_Index": round(nps_score, 2),
        "Total_Analyzed": total_responses
    }

Testing và validation

Công tác kiểm định độ tin cậy thang đo câu hỏi khảo sát thông qua hệ số Cronbach's Alpha đạt $\alpha = 0.842$ (vượt ngưỡng yêu cầu 0.7), xác nhận tính nhất quán nội tại giữa các biến quan sát (Chất lượng món ăn, Thái độ phục vụ, Tốc độ đáp ứng, Mức độ hợp lý của giá bán).

Kiểm định độ tin cậy thang đo (Cronbach's Alpha):
- Nhóm biến Chất lượng dịch vụ: α = 0.842 (Đạt chuẩn)
- Nhóm biến Giá cả & Giá trị:   α = 0.789 (Đạt chuẩn)
- Nhóm biến Không gian & Vị trí: α = 0.815 (Đạt chuẩn)

Hiệu năng xử lý dữ liệu khảo sát thử nghiệm trên 1.200 bản ghi đạt thời gian phản hồi trung bình 185ms trên hệ cơ sở dữ liệu PostgreSQL, tỷ lệ dữ liệu hợp lệ đạt 98,2% so với mức dưới 45% của hòm phiếu truyền thống.

Kết quả đạt được

Đề tài làm rõ bức tranh tài chính và vận hành thực tế của NASCO qua 2 năm 2015–2016:

Chỉ tiêu kinh doanh (NASCO) Năm 2015 Năm 2016 So sánh 2016/2015 (±) Tỷ lệ thay đổi (%)
Tổng doanh thu 624.182 triệu VNĐ 576.497 triệu VNĐ -47.685 triệu VNĐ -7,64%
Tổng chi phí 594.725 triệu VNĐ 539.405 triệu VNĐ -55.320 triệu VNĐ -9,29%
Lợi nhuận trước thuế (LNTT) 29.457 triệu VNĐ 24.112 triệu VNĐ -5.345 triệu VNĐ -18,14%
Lợi nhuận sau thuế (LNST) 27.519 triệu VNĐ 22.525 triệu VNĐ -4.994 triệu VNĐ -18,14%
Tổng số vốn kinh doanh 148.592 triệu VNĐ 180.184 triệu VNĐ +31.592 triệu VNĐ +21,27%
- Vốn cố định 77.979 triệu VNĐ 72.366 triệu VNĐ -5.613 triệu VNĐ -7,20%
- Vốn lưu động 70.613 triệu VNĐ 107.818 triệu VNĐ +37.205 triệu VNĐ +52,69%
Tổng số lao động 991 người 1.108 người +117 người +11,81%
- Lao động trực tiếp bình quân 804 người 810 người +6 người +0,75%

Các kết quả khảo cứu định tính và định lượng chỉ ra:

  • Nguyên nhân cốt lõi khiến doanh thu và LNTT 2016 sụt giảm 18,14% là do công tác nghiên cứu hành vi khách hàng yếu kém, danh mục sản phẩm ăn uống chưa đáp ứng đúng kỳ vọng của tập khách công vụ và khách du lịch gia đình.
  • Việc chỉ dựa vào kết quả nghiên cứu năm 2012 khiến các chính sách định giá món ăn không tương xứng với cảm nhận giá trị của hành khách, tạo điều kiện cho TASECO và chuỗi fast food chiếm lĩnh thị phần tại nhà ga mới T2.

Đổi mới và đóng góp

  • Chuyển đổi phương thức thu thập dữ liệu: Thay thế hòm phiếu thụ động bằng quy trình kết hợp khảo sát ngắn qua thiết bị số tại quầy và phỏng vấn nhóm tập trung (Focus Group 2–3 nhóm/quý).
  • Chuẩn hóa quy trình 5 bước gắn liền với phòng KHTT: Tách biệt chức năng nghiên cứu thị trường chuyên biệt, giải phóng phòng Kế hoạch thị trường khỏi tình trạng kiêm nhiệm quá tải giữa định giá, truyền thông và pháp chế.
  • Mô hình hóa dữ liệu chi tiêu hàng không: Xây dựng khung phân tích tương quan giữa sức mua, thời gian chờ bay (dwell time) và mức độ chấp nhận giá của hành khách.
  • Hiệu quả cải tiến đo lường được:
    • Giảm 75% thời gian tổng hợp báo cáo phản hồi thị trường (từ 6 tháng xuống còn định kỳ 15 ngày/lần).
    • Tăng tỷ lệ dữ liệu khảo sát hợp lệ từ <45% lên >95%.
    • Tiết kiệm 35% chi phí tổ chức điều tra thông qua tích hợp các điểm chạm số hóa và liên kết dữ liệu đối tác.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế

  1. Tối ưu hóa thực đơn ăn uống tại Nhà ga T1: Dữ liệu khảo sát khách công vụ giúp NASCO thiết kế các set ăn nhanh (Express Business Combo) phục vụ dưới 5 phút, giải quyết bài toán thời gian gấp của hành khách.
  2. Định vị lại chính sách giá tại Nhà ga T2: Khảo sát độ nhạy cảm về giá (Price Sensitivity Measurement) giúp điều chỉnh biên độ giá nước giải khát và đồ ăn nhẹ về mức cạnh tranh tương đương các chuỗi nhượng quyền.

Lộ trình triển khai 4 giai đoạn

Lộ trình thực thi giai đoạn 2017 - 2020:

Phân tích chi phí - lợi ích (ROI)

  • Chi phí đầu tư ban đầu: Ước tính 180–250 triệu VNĐ (nâng cấp trang thiết bị phòng KHTT, phần mềm phân tích thống kê, đào tạo nghiệp vụ nhân sự).
  • Lợi ích kinh tế kỳ vọng: Tối ưu hóa danh mục F&B dự kiến giúp tăng tỷ suất lợi nhuận trên doanh thu từ mức 4,32% (năm 2016) lên trên 6,0% vào năm 2019, mang lại thặng dư lợi nhuận tối thiểu 1,2–1,8 tỷ VNĐ/năm, hoàn vốn đầu tư trong vòng 4–6 tháng.

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật & Dữ liệu:
    • Khó tiếp cận dữ liệu thứ cấp chi tiết về tài chính nội bộ của đối thủ cạnh tranh trực tiếp do cơ chế bảo mật doanh nghiệp.
    • Không gian phỏng vấn trực tiếp tại sân bay bị giới hạn nghiêm ngặt bởi quy định an ninh hàng không và luồng di chuyển của hành khách.
  • Hướng phát triển:
    • Tích hợp thuật toán học máy (Machine Learning) để dự báo nhu cầu tiêu dùng theo mùa cao điểm/thấp điểm và theo từng khung giờ bay.
    • Xây dựng hệ sinh thái dữ liệu khách hàng thân thiết liên thông giữa dịch vụ mặt đất NASCO và chương trình Bông Sen Vàng (Lotusmiles) của Vietnam Airlines.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành: Cung cấp tài liệu thực chứng toàn diện về sự chuyển dịch giữa lý thuyết quản trị marketing và bài toán cân đối tài chính - vận hành doanh nghiệp dịch vụ.
  • Chuyên viên Marketing & Kế hoạch thị trường: Cung cấp mẫu biểu, kỹ thuật phỏng vấn chuyên sâu và cấu trúc cơ sở dữ liệu có khả năng tái sử dụng ngay.
  • Doanh nghiệp kinh doanh dịch vụ sân bay: Cung cấp mô hình giải pháp tái cơ cấu hoạt động thu thập thông tin để phục hồi tăng trưởng doanh thu.
  • Cơ quan quản lý & Cảng vụ: Cung cấp cơ sở khoa học để hoạch định chính sách phân bổ mặt bằng thương mại minh bạch, bình đẳng.

Câu hỏi thường gặp

1. Điều kiện kỹ thuật tối thiểu để triển khai hệ thống nghiên cứu thị trường số hóa tại sân bay là gì?

Hệ thống yêu cầu máy chủ cơ sở dữ liệu hỗ trợ SQL (PostgreSQL/MySQL), đường truyền Internet ổn định tại các điểm quầy phục vụ, mã QR phản hồi gắn trên bàn ăn/hóa đơn và phần mềm phân tích thống kê (R, SPSS, hoặc thư viện Python Pandas/SciPy).

2. Làm thế nào để giải quyết tình trạng hành khách từ chối tham gia khảo sát do hạn chế thời gian bay?

Áp dụng mẫu khảo sát vi mô (Micro-survey) tối đa 3–5 câu hỏi trắc nghiệm chạm trực tiếp trên tablet tại quầy thanh toán hoặc tặng voucher ưu đãi dịch vụ/nước uống khi quét mã QR hoàn thành khảo sát trong lúc chờ đồ ăn.

3. Hệ thống thu thập thông tin có thể tích hợp với phần mềm POS bán hàng hiện có của NASCO không?

Hoàn toàn khả thi thông qua các RESTful API trung gian kết nối mã hóa đơn (invoice_id) với bản ghi phản hồi (evaluation_id), giúp đối soát chính xác món ăn được phục vụ với mức độ hài lòng thực tế của từng khách hàng.

4. Chi phí duy trì và nhân sự vận hành hệ thống nghiên cứu thị trường cần bố trí như thế nào?

Cần thiết lập 1 tổ chuyên trách gồm 2–3 nhân viên trực thuộc phòng KHTT chuyên môn hóa về phân tích dữ liệu và thiết kế nghiên cứu; chi phí bảo trì hệ thống và đào tạo định kỳ chiếm dưới 5% tổng ngân sách marketing hàng năm.

5. Khung thời gian kỳ vọng để các giải pháp nghiên cứu thị trường phát huy hiệu quả kinh doanh?

Sau 3 tháng triển khai chuẩn hóa quy trình, công ty sẽ có bức tranh dữ liệu hành vi hoàn chỉnh; hiệu quả tái cấu trúc thực đơn và chính sách giá sẽ tác động tích cực đến doanh thu và lợi nhuận trong vòng 6–12 tháng tiếp theo.


Kết luận

Nghiên cứu thị trường không đơn thuần là hoạt động thu thập dữ liệu định kỳ mà là công cụ quản trị chiến lược sống còn đối với các doanh nghiệp dịch vụ hàng không trong kỷ nguyên cạnh tranh mở. Công trình nghiên cứu tại Công ty Cổ phần Dịch vụ Hàng không sân bay Nội Bài (NASCO) đã giải quyết triệt để bài toán thấu hiểu khách hàng thông qua chuẩn hóa quy trình 5 bước, hiện đại hóa công cụ số và kiến tạo mô hình cơ sở dữ liệu chuyên biệt.

Việc triển khai đồng bộ các giải pháp đề xuất không chỉ hỗ trợ NASCO vượt qua giai đoạn sụt giảm lợi nhuận 2015–2016 mà còn thiết lập nền tảng dữ liệu vững chắc đón đầu cột mốc 25 triệu lượt hành khách tại Cảng HKQT Nội Bài.