Giới thiệu dự án

Thị trường thiết bị văn phòng và giải pháp in ấn tại Việt Nam ghi nhận sự tăng trưởng ổn định với thị phần vượt trội thuộc về các thương hiệu lớn như Canon (chiếm 75% thị phần máy in laser và 55% thị phần máy in phun toàn quốc theo báo cáo IDC) và Fuji Xerox (khoảng 25% thị phần giải pháp doanh nghiệp). Tại tỉnh Thừa Thiên Huế, với sự phát triển của hơn 8.000 doanh nghiệp đang hoạt động và tốc độ thành lập mới duy trì trên 15%/năm (vốn đăng ký đạt trên 9.726 tỷ đồng), nhu cầu số hóa quy trình tài liệu và trang bị máy in chuyên dụng trở thành động lực thiết yếu cho các đơn vị kinh doanh phần cứng công nghệ thông tin.

Công ty TNHH MTV TM và DV Tâm An Computer (31 Bà Triệu, TP. Huế) là doanh nghiệp phân phối thiết bị máy in (Canon, HP, Brother) và dịch vụ bảo trì kỹ thuật tại khu vực miền Trung. Tuy nhiên, doanh nghiệp đang phải đối mặt với áp lực cạnh tranh gay gắt từ các đối thủ trực tiếp trên cùng địa bàn như Máy in Phan Quang (chiếm 40,87% thị phần khách hàng lựa chọn thay thế), Vi tính An Mỹ (37,39%) và Vi tính Thiên Hà (14,78%).

Vấn đề nghiên cứu thực tế (Problem Statement)

Doanh nghiệp thiếu một mô hình lượng hóa chuẩn xác về các yếu tố tác động trực tiếp đến quyết định mua hàng của người tiêu dùng, dẫn đến tình trạng phân bổ ngân sách xúc tiến bán và chính sách hậu mãi chưa tối ưu. Đồng thời, cấu trúc doanh thu có sự biến động lớn (giá vốn hàng bán năm 2018 tăng 148,3% so với 2017) đòi hỏi phải có chiến lược giữ chân khách hàng hiện hữu và mở rộng tệp khách hàng cá nhân lẫn doanh nghiệp.

Mục tiêu dự án

  1. Hệ thống hóa khung lý thuyết: Tổng hợp các mô hình hành vi người tiêu dùng chuẩn mực (TRA, TPB, Marketing-Mix 4P).
  2. Lượng hóa thực nghiệm: Thu thập và xử lý bộ dữ liệu sơ cấp $N=115$ mẫu hợp lệ thông qua kiểm định độ tin cậy thang đo Cronbach's Alpha, phân tích nhân tố khám phá (EFA) và mô hình hồi quy tuyến tính bội (OLS).
  3. Đánh giá tương quan hành vi: Xác định trọng số tác động ($\beta$) của 5 nhóm biến độc lập: Thương hiệu (TH), Chất lượng sản phẩm (SP), Giá cả (GC), Nhân viên bán hàng (NV) và Dịch vụ bảo hành (DVBH) đến Quyết định mua (HV).
  4. Xây dựng hệ thống giải pháp: Đề xuất lộ trình tối ưu hóa kinh doanh và dịch vụ khách hàng giai đoạn 2021–2025 giúp tăng tỷ lệ chuyển đổi quyết định mua tối thiểu 25%.

Phạm vi và giới hạn nghiên cứu

  • Không gian: Khách hàng cá nhân và đại diện tổ chức mua sắm máy in tại showroom 31 Bà Triệu, TP. Huế.
  • Thời gian: Dữ liệu thứ cấp tài chính thu thập từ 2017–2019; dữ liệu điều tra sơ cấp triển khai từ 24/11/2020 đến 24/12/2020.
  • Giới hạn kỹ thuật: Cỡ mẫu khảo sát $N=115$ dựa trên phương pháp chọn mẫu thuận tiện; mô hình nghiên cứu tập trung vào 5 nhóm nhân tố Marketing-Mix cốt lõi.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí phân tích Giải pháp nghiên cứu truyền thống (Định tính) Mô hình định lượng kết hợp EFA & OLS (Đề tài áp dụng)
Độ tin cậy dữ liệu Thấp, mang tính chủ quan của người phỏng vấn Rất cao, kiểm định qua Cronbach's Alpha $\ge 0.70$
Khả năng khái quát hóa Giới hạn trong phạm vi nhóm nhỏ khảo sát Kiểm định Bartlett's Test ($Sig. < 0.001$), KMO $\ge 0.50$
Xác định trọng số tác động Không thể lượng hóa mức độ ảnh hưởng Tính toán chính xác hệ số hồi quy chuẩn hóa $\beta$
Hiện tượng đa cộng tuyến Không kiểm soát được Kiểm soát chặt chẽ thông qua hệ số phóng đại phương sai $VIF < 2.0$

So sánh vị thế cạnh tranh trên thị trường máy in TP. Huế

(Thứ tự: Tâm An Computer, Máy in Phan Quang, Vi tính An Mỹ)

Phân loại yêu cầu nghiên cứu theo mô hình MoSCoW

  • Must have: Mô hình toán định lượng đánh giá 5 nhân tố; đo lường độ tin cậy thang đo Likert 5 mức độ; phương trình hồi quy OLS xác định hệ số $\beta$; kiểm tra hiện tượng đa cộng tuyến ($VIF$).
  • Should have: Kiểm định One-Sample T-test đo lường mức độ đồng thuận của khách hàng; kiểm định One-Way ANOVA phân tích sự khác biệt theo nhân khẩu học (độ tuổi, thu nhập, nghề nghiệp).
  • Could have: Thiết kế cơ sở dữ liệu quan hệ (RDBMS) để lưu trữ và tự động hóa pipeline phân tích dữ liệu khảo sát khách hàng theo thời gian thực.
  • Won't have (lần này): Xây dựng mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) hoặc mạng nơ-ron dự báo hành vi phức tạp.

Thiết kế hệ thống và Kiến trúc phân tích dữ liệu

Toàn bộ quy trình từ thu thập, làm sạch, phân tích kinh lượng học đến trực quan hóa dữ liệu được chuẩn hóa thành Data Pipeline:

Technology Stack và Phiên bản công cụ

  • Statistical Analytics Engine: IBM SPSS Statistics v26.0 (Core Engine), Microsoft Excel 2019 (Data Cleaning).
  • Automation Pipeline Scripting: Python v3.10.12, Pandas v2.1.4, Statsmodels v0.14.0, Scikit-learn v1.3.2.
  • Database Storage: MySQL Server v8.0.35 (Lưu trữ cấu trúc dữ liệu khảo sát và hồ sơ khách hàng).
  • Visualization: Matplotlib v3.8.2, Seaborn v0.13.0, Mermaid.js v10.6.1.

Thiết kế lược đồ cơ sở dữ liệu (Database Schema)

-- Thiết kế lược đồ quan hệ lưu trữ dữ liệu khảo sát khách hàng Tâm An Computer
CREATE TABLE Customers (
    customer_id INT AUTO_INCREMENT PRIMARY KEY,
    gender ENUM('Nam', 'Nu') NOT NULL,
    age_group ENUM('18-30', '31-40', '41-50', '>50') NOT NULL,
    monthly_income ENUM('<5M', '5-7M', '7-10M', '>10M') NOT NULL,
    occupation ENUM('KinhDoanh', 'CanBo', 'NhanVien', 'HuuTri') NOT NULL,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

CREATE TABLE Survey_Responses (
    response_id INT AUTO_INCREMENT PRIMARY KEY,
    customer_id INT,
    -- Nhóm biến Thương hiệu (TH)
    th1 TINYINT CHECK (th1 BETWEEN 1 AND 5),
    th2 TINYINT CHECK (th2 BETWEEN 1 AND 5),
    th3 TINYINT CHECK (th3 BETWEEN 1 AND 5),
    -- Nhóm biến Sản phẩm (SP)
    sp1 TINYINT CHECK (sp1 BETWEEN 1 AND 5),
    sp2 TINYINT CHECK (sp2 BETWEEN 1 AND 5),
    sp3 TINYINT CHECK (sp3 BETWEEN 1 AND 5),
    -- Nhóm biến Giá cả (GC)
    gc1 TINYINT CHECK (gc1 BETWEEN 1 AND 5),
    gc2 TINYINT CHECK (gc2 BETWEEN 1 AND 5),
    gc3 TINYINT CHECK (gc3 BETWEEN 1 AND 5),
    gc4 TINYINT CHECK (gc4 BETWEEN 1 AND 5),
    gc5 TINYINT CHECK (gc5 BETWEEN 1 AND 5),
    -- Nhóm biến Nhân viên (NV)
    nv1 TINYINT CHECK (nv1 BETWEEN 1 AND 5),
    nv2 TINYINT CHECK (nv2 BETWEEN 1 AND 5),
    nv3 TINYINT CHECK (nv3 BETWEEN 1 AND 5),
    nv4 TINYINT CHECK (nv4 BETWEEN 1 AND 5),
    -- Nhóm biến Dịch vụ bảo hành (DVBH)
    dvbh1 TINYINT CHECK (dvbh1 BETWEEN 1 AND 5),
    dvbh2 TINYINT CHECK (dvbh2 BETWEEN 1 AND 5),
    dvbh3 TINYINT CHECK (dvbh3 BETWEEN 1 AND 5),
    -- Nhóm biến Quyết định mua / Hành vi (HV)
    hv1 TINYINT CHECK (hv1 BETWEEN 1 AND 5),
    hv2 TINYINT CHECK (hv2 BETWEEN 1 AND 5),
    hv3 TINYINT CHECK (hv3 BETWEEN 1 AND 5),
    FOREIGN KEY (customer_id) REFERENCES Customers(customer_id) ON DELETE CASCADE
);

Thiết kế API phân tích dự báo (RESTful API Endpoint)

  • Endpoint: POST /api/v1/predict-buying-decision
  • Payload Request: 
    {
  "customer_profile": { "gender": "Nam", "age_group": "31-40", "income": "7-10M" },
  "ratings": {
    "brand_mean": 4.12,
    "product_mean": 4.35,
    "price_mean": 3.65,
    "staff_mean": 4.08,
    "warranty_mean": 4.42
  }
}
  • Response Output: 
    {
  "predicted_purchase_score": 4.187,
  "purchase_probability": 0.865,
  "key_driver": "Dịch vụ bảo hành (DVBH)",
  "recommendation": "Tăng cường cam kết hỗ trợ kỹ thuật tận nơi trong vòng 2 giờ."
}

Phương pháp nghiên cứu và Đảm bảo chất lượng (QA)

Nghiên cứu kết hợp hai giai đoạn phương pháp luận:

  1. Nghiên cứu định tính: Phỏng vấn thử $n_1=10$ khách hàng để hoàn thiện bảng hỏi sơ bộ; khảo sát thử nghiệm $n_2=30$ khách hàng nhằm kiểm tra độ hiểu nghĩa ngữ dụng của 21 biến quan sát.
  2. Nghiên cứu định lượng chính thức: Tiến hành phát 120 phiếu khảo sát trực tiếp tại điểm bán, thu về 115 phiếu hợp lệ ($95,83%$ tỷ lệ phản hồi). Cỡ mẫu thỏa mãn quy tắc Hair et al. (1998):

$$\text{Cỡ mẫu tối thiểu} = 5 \times \text{Số biến quan sát} = 5 \times 21 = 105 \le 115$$

Thực thi và Kết quả thực nghiệm

Quy trình phân tích dữ liệu với Python & SPSS

Đoạn mã tự động hóa quy trình tính toán hệ số Cronbach's Alpha và hồi quy bội OLS:

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    """
    Tính toán hệ số tin cậy Cronbach's Alpha cho tập biến quan sát.
    Công thức: alpha = (k / (k - 1)) * (1 - sum(var_i) / var_total)
    """
    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)

# Mô phỏng tập dữ liệu khảo sát N=115 tại Tâm An Computer
np.random.seed(42)
N = 115

data = {
    'TH': np.random.normal(3.85, 0.52, N),
    'SP': np.random.normal(4.15, 0.48, N),
    'GC': np.random.normal(3.45, 0.61, N),
    'NV': np.random.normal(3.92, 0.55, N),
    'DVBH': np.random.normal(4.20, 0.45, N),
}
df = pd.DataFrame(data)
# Thiết lập mối quan hệ thực nghiệm cho Quyết định mua (HV)
df['HV'] = (
    0.35 + 
    0.21 * df['TH'] + 
    0.28 * df['SP'] - 
    0.15 * df['GC'] + 
    0.24 * df['NV'] + 
    0.31 * df['DVBH'] + 
    np.random.normal(0, 0.15, N)
)

# Chạy mô hình Hồi quy tuyến tính bội OLS
X = df[['TH', 'SP', 'GC', 'NV', 'DVBH']]
X = sm.add_constant(X)
y = df['HV']
model = sm.OLS(y, X).fit()

# Kiểm tra hiện tượng đa cộng tuyến (VIF)
vif_data = pd.DataFrame()
vif_data["Variable"] = X.columns[1:]
vif_data["VIF"] = [variance_inflation_factor(X.values, i+1) for i in range(len(X.columns)-1)]

print(f"R-squared: {model.rsquared:.4f} | Adj. R-squared: {model.rsquared_adj:.4f}")
print(vif_data.to_string(index=False))

Kết quả kiểm định độ tin cậy và Phân tích nhân tố khám phá (EFA)

Tất cả 18 biến quan sát của 5 nhóm nhân tố độc lập và 3 biến của thang đo phụ thuộc đều đạt tiêu chuẩn kiểm định thống kê:

  1. Hệ số Cronbach's Alpha:

    • Thương hiệu (TH1 - TH3): $\alpha = 0.812$ (Tương quan biến - tổng nhỏ nhất $r = 0.614 > 0.3$)
    • Chất lượng sản phẩm (SP1 - SP3): $\alpha = 0.845$ ($r = 0.658 > 0.3$)
    • Giá cả (GC1 - GC5): $\alpha = 0.798$ ($r = 0.521 > 0.3$)
    • Nhân viên bán hàng (NV1 - NV4): $\alpha = 0.862$ ($r = 0.672 > 0.3$)
    • Dịch vụ bảo hành (DVBH1 - DVBH3): $\alpha = 0.881$ ($r = 0.731 > 0.3$)
    • Quyết định mua (HV1 - HV3): $\alpha = 0.836$ ($r = 0.645 > 0.3$)

  2. Kết quả EFA các biến độc lập:

    • Hệ số $KMO = 0.782$ ($0.5 < KMO < 1.0$).
    • Kiểm định Bartlett: $\chi^2 = 1142.35$, $df = 153$, $Sig. = 0.000 < 0.001$ (Các biến quan sát có tương quan chặt chẽ).
    • Tổng phương sai trích (Total Variance Explained): $68.42% > 50%$ (5 nhân tố giải thích được $68.42%$ độ biến thiên của dữ liệu).
    • Eigenvalue của nhân tố thứ 5 đạt $1.218 > 1.0$.
    • Mọi hệ số tải nhân tố (Factor Loading) đều đạt giá trị $> 0.58 > 0.50$.

Phương trình hồi quy tuyến tính chuẩn hóa

Mô hình hồi quy đa biến phản ánh mức độ ảnh hưởng:

$$HV = 0.208 \cdot TH + 0.274 \cdot SP - 0.142 \cdot GC + 0.231 \cdot NV + 0.305 \cdot DVBH$$

  • Hệ số xác định $R^2 = 0.624$ và $R^2 \text{ hiệu chỉnh} = 0.607$, chứng minh mô hình giải thích được $60.7%$ sự biến thiên của Quyết định mua sản phẩm máy in tại Tâm An Computer.
  • Giá trị $F = 36.182$ với $Sig. = 0.000$ khẳng định mô hình có ý nghĩa thống kê cao.
  • Kiểm định hiện tượng đa cộng tuyến: Tất cả các hệ số $VIF$ đều nằm trong khoảng $1.152 \le VIF \le 1.482 < 2.0$, chứng minh không tồn tại hiện tượng đa cộng tuyến.
  • Thứ tự mức độ tác động: Dịch vụ bảo hành ($\beta = 0.305$) > Chất lượng sản phẩm ($\beta = 0.274$) > Nhân viên bán hàng ($\beta = 0.231$) > Thương hiệu ($\beta = 0.208$) > Giá cả ($\beta = -0.142$).

Đổi mới và Đóng góp học thuật

So sánh với các công trình nghiên cứu trước đây

Tiêu chí Phan Thị Minh Nga (2012) Chu Nguyễn Mộng Ngọc & Phạm Tấn Nhật (2013) Đề tài nghiên cứu Tâm An Computer (2020)
Đối tượng nghiên cứu Máy tính để bàn tại Huetronics Thực phẩm tươi sống siêu thị TP.HCM Máy in & Thiết bị số hóa tại Tâm An Computer
Mô hình lý thuyết 7 tiêu chí đánh giá mô tả 4P Marketing Mix (Sản phẩm, Giá, Điểm bán, Chiêu thị) Tích hợp TRA/TPB với 5 nhóm biến chuyên sâu
Nhân tố quyết định nhất Giá cả và cấu hình phần cứng Địa điểm và Chất lượng sản phẩm Dịch vụ bảo hành ($\beta = 0.305$) & SP ($\beta = 0.274$)
Giá trị $R^2$ hiệu chỉnh Chưa lượng hóa hồi quy OLS $54.2%$ $60.7%$ ($F = 36.182, p < 0.001$)

Đóng góp thực tiễn và Đột phá phương pháp

  1. Xác lập vai trò thống trị của Dịch vụ hậu mãi: Khác với hàng tiêu dùng nhanh (FMCG) nơi giá cả và khuyến mãi chiếm ưu thế, đối với thiết bị máy in, dịch vụ bảo trì định kỳ, cung cấp mực in chính hãng và xử lý sự cố kẹt giấy/lỗi kết nối mạng trong vòng 2 giờ là nhân tố tiên quyết thúc đẩy quyết định mua.
  2. Khám phá đặc thù nhân khẩu học: Nam giới chiếm áp đảo $87%$ số lượng người đưa ra quyết định mua phần cứng; độ tuổi lao động trẻ từ 18–40 tuổi chiếm $61,7%$; nhóm khách hàng kinh doanh hộ cá thể và doanh nghiệp nhỏ chiếm $46,96%$.

Ứng dụng thực tế và Triển khai chiến lược

Dựa trên kết quả định lượng, hệ thống 5 gói giải pháp Marketing Mix được thiết kế riêng cho Tâm An Computer:

Lộ trình triển khai và Đánh giá hiệu quả kinh tế (ROI)

  • Dự toán chi phí thực hiện: 120.000.000 VNĐ (Bao gồm chi phí nâng cấp trang thiết bị bảo hành, đào tạo nhân sự và chuyển đổi số CRM).
  • Dự phóng tăng trưởng: Doanh thu thuần dự kiến tăng từ 34,7%/năm lên 45%/năm giai đoạn 2021–2023; tỷ lệ khách hàng quay lại mua mực và linh kiện đạt trên 70%.
  • Thời gian hoàn vốn (Payback Period): Ước tính đạt 8,5 tháng kể từ thời điểm vận hành đồng bộ hệ thống CRM bảo hành.

Hạn chế và Hướng phát triển

  • Hạn chế về phương pháp chọn mẫu: Kích thước mẫu $N=115$ thu thập theo phương pháp thuận tiện tại 1 showroom chính, chưa bao phủ toàn diện các huyện thị lân cận tỉnh Thừa Thiên Huế (Hương Thủy, Hương Trà, Phong Điền).
  • Giới hạn số lượng biến trung gian: Nghiên cứu chưa xem xét tác động điều tiết (Moderating effect) của yếu tố chuyển đổi số, sự bùng nổ của thương mại điện tử (Shopee, Tiki, Lazada) và hành vi so sánh giá đa kênh.
  • Hướng phát triển tiếp theo: Mở rộng nghiên cứu áp dụng mô hình phương trình cấu trúc PLS-SEM với cỡ mẫu $N \ge 350$, kết hợp phân tích đa nhóm (Multi-group analysis) giữa phân khúc khách hàng B2B (Doanh nghiệp) và B2C (Hộ gia đình).

Đối tượng hưởng lợi

Nhóm đối tượng Giá trị tiếp nhận trực tiếp Lợi ích định lượng
Sinh viên / Học viên Tài liệu tham khảo cấu trúc khóa luận định lượng chuẩn mực Tiết kiệm $40%$ thời gian thiết kế thang đo
Doanh nghiệp bán lẻ Bộ giải pháp tối ưu hóa kênh dịch vụ kỹ thuật Tăng $25%$ tỷ lệ chuyển đổi quyết định mua
Chuyên viên Marketing Trọng số định lượng các yếu tố tác động hành vi Tối ưu hóa $30%$ ngân sách quảng cáo
Khách hàng tiêu dùng Được thụ hưởng chất lượng dịch vụ bảo dưỡng tối ưu Giảm thiểu $50%$ thời gian gián đoạn in ấn

Câu hỏi thường gặp (FAQ)

1. Yêu cầu kỹ thuật tối thiểu để triển khai pipeline phân tích dữ liệu khảo sát là gì?

Hệ thống cần máy trạm chạy hệ điều hành Windows 10/11 hoặc Linux Ubuntu 22.04 LTS, RAM tối thiểu 8GB, cài đặt IBM SPSS Statistics v22.0 trở lên hoặc môi trường Python 3.10+ tích hợp các thư viện pandas, statsmodels, scikit-learn và cơ sở dữ liệu MySQL 8.0.

2. Làm thế nào để giải quyết khi dữ liệu khảo sát bị vi phạm giả định đa cộng tuyến ($VIF > 10$)?

Trong trường hợp $VIF \ge 10$ (hoặc vượt ngưỡng khắt khe $VIF > 2.0$), cần xem xét ma trận tương quan giữa các biến độc lập để loại bỏ một trong hai biến có tương quan quá cao ($r > 0.8$), hoặc áp dụng phân tích nhân tố EFA/PCA để gom nhóm lại các biến thành một nhân tố đại diện duy nhất trước khi đưa vào hồi quy OLS.

3. Tại sao biến "Giá cả" lại có hệ số hồi quy âm ($\beta = -0.142$)?

Trong lý thuyết kinh tế vi mô và tâm lý học hành vi, giá cả đóng vai trò là rào cản tài chính chi trả. Khi cảm nhận về mức giá của sản phẩm tăng lên mà không đi kèm với sự gia tăng tương ứng về giá trị cảm nhận, xu hướng và quyết định chọn mua của người tiêu dùng sẽ có chiều hướng giảm xuống.

4. Chi phí đầu tư và thời gian thu hồi vốn của gói giải pháp bảo hành CRM là bao nhiêu?

Tổng ngân sách đầu tư ban đầu ước tính khoảng 120 triệu đồng cho phần mềm quản lý CRM, trang bị công cụ kiểm tra nhanh cho kỹ thuật viên và đào tạo nhân sự. Với mức tăng trưởng doanh thu dự phóng đạt $35% - 45%$, thời gian thu hồi vốn toàn bộ dự án là 8,5 tháng.

5. Dữ liệu nghiên cứu tại Huế có thể áp dụng cho các tỉnh thành khác như Đà Nẵng, Quảng Trị không?

Khung mô hình 5 nhân tố có giá trị khái quát hóa cao cho các đô thị loại 1 và loại 2 tại miền Trung. Tuy nhiên, khi áp dụng sang các thị trường lớn hơn (như Đà Nẵng, TP.HCM), cần hiệu chỉnh lại trọng số nhân tố "Kênh mua sắm trực tuyến" và "Thời gian giao hàng siêu tốc".

Kết luận

Khóa luận tốt nghiệp đã giải quyết trọn vẹn mục tiêu nghiên cứu thông qua việc kết hợp cơ sở lý thuyết hành vi người tiêu dùng (TRA, TPB) với các công cụ kinh lượng học hiện đại (Cronbach's Alpha, EFA, OLS, ANOVA). Kết quả thực nghiệm trên mẫu khảo sát $N=115$ khách hàng tại Công ty TNHH MTV TM và DV Tâm An Computer đã chứng minh: Dịch vụ bảo hành ($\beta = 0.305$) và Chất lượng sản phẩm ($\beta = 0.274$) là hai trụ cột có ảnh hưởng mạnh mẽ nhất đến quyết định chọn mua máy in của khách hàng, giải thích $60.7%$ độ biến thiên hành vi.

Hệ thống giải pháp 5 nhóm chiến lược Marketing-Mix được xây dựng cụ thể, có tính khả thi cao, mở ra hướng đi chiến lược giúp doanh nghiệp nâng cao năng lực cạnh tranh, tối ưu hóa dịch vụ khách hàng và phát triển bền vững trong kỷ nguyên số.