Giới thiệu dự án

Thị trường viễn thông di động tại Việt Nam chứng kiến sự cạnh tranh khốc liệt giữa các nhà mạng lớn nhằm gia tăng thị phần và tối ưu hóa trải nghiệm khách hàng (Customer Experience). Theo số liệu từ Sách Trắng Công nghệ Thông tin và Truyền thông (Bộ Thông tin và Truyền thông, 2017), tổng doanh thu toàn ngành viễn thông đạt 365.500 tỷ đồng (tương đương 16,5 tỷ USD, tăng trưởng 7,5% so với năm 2015), đóng góp 34,54% vào tổng nộp ngân sách nhà nước của ngành CNTT-TT. Về cơ cấu thị phần thuê bao di động phát sinh lưu lượng thoại, tin nhắn và dữ liệu (2G/3G):

  • Viettel: 46,7% (dẫn đầu thị phần)
  • MobiFone: 26,1% (vị trí thứ hai)
  • VNPT VinaPhone: 22,2% (vị trí thứ ba)
  • Vietnamobile & Gtel: 5,0% (thị phần còn lại)
        ┌─────────────────────────────────────────────────────────┐
        │  Thị phần thuê bao di động tại Việt Nam (Sách Trắng)    │
        ├───────────────────────┬──────────────┬──────────────────┤
        │  Viettel: 46.7%       │ MobiFone:    │ VNPT VinaPhone:  │
        │                       │ 26.1%        │ 22.2%            │
        └───────────────────────┴──────────────┴──────────────────┘

Trong bối cảnh mức độ bão hòa thuê bao di động ngày càng cao, bài toán sống còn của Trung tâm Kinh doanh VNPT Thừa Thiên Huế là duy trì tập khách hàng hiện hữu và thu hút thuê bao mới. Việc phân tích định lượng các nhân tố tác động trực tiếp và gián tiếp đến mức độ thỏa mãn của người tiêu dùng trở thành cơ sở cốt lõi để hoạch định chiến lược kinh doanh.

Vấn đề nghiên cứu và Điểm nghẽn (Pain Points)

Dù VinaPhone sở hữu lợi thế phủ sóng 100% số huyện và hạ tầng mạng lưới sâu rộng, đơn vị vẫn đối mặt với các rào cản tăng trưởng tại địa bàn thành phố Huế:

  1. Áp lực cạnh tranh giá cước và gói cước data: Thuê bao có xu hướng chuyển mạng giữ số hoặc sử dụng SIM phụ do các chính sách gói cước linh hoạt từ đối thủ.
  2. Hiện tượng nghẽn mạng cục bộ và chất lượng data 3G/4G: Sự gia tăng đột biến về lưu lượng dữ liệu vào khung giờ cao điểm gây ảnh hưởng đến chất lượng cuộc gọi và tốc độ truy cập internet.
  3. Trải nghiệm dịch vụ giá trị gia tăng (VAS) và tin nhắn rác: Người dùng phản ánh về tình trạng tin nhắn quảng cáo và quy trình đăng ký/hủy dịch vụ VAS còn phức tạp.

Mục tiêu dự án

  1. Hệ thống hóa cơ sở lý luận về chất lượng dịch vụ (CLDV), hệ thống Servuction và chỉ số hài lòng khách hàng (Customer Satisfaction Index - CSI).
  2. Xây dựng và kiểm định mô hình định lượng đo lường 07 nhân tố ảnh hưởng đến sự hài lòng của khách hàng sử dụng mạng VinaPhone tại TP. Huế.
  3. Đo lường mức độ tác động cụ thể (trọng số hồi quy $\beta$) của từng nhân tố: Chất lượng dịch vụ, Cấu trúc giá, Dịch vụ khách hàng, Dịch vụ gia tăng, Khuyến mãi - Quảng cáo, Hình ảnh thương hiệu, Sự thuận tiện.
  4. Đề xuất hệ thống giải pháp quản trị khả thi nhằm nâng cao chất lượng dịch vụ và tỷ lệ duy trì khách hàng (Retention Rate).

Phạm vi và Giới hạn nghiên cứu

  • Đối tượng khảo sát: Khách hàng cá nhân đang sử dụng dịch vụ thông tin di động VinaPhone (trả trước và trả sau) tại địa bàn thành phố Huế.
  • Thời gian thực hiện: Dữ liệu thứ cấp thu thập giai đoạn 2015 – 2017; dữ liệu sơ cấp điều tra thực địa từ tháng 10/2018 đến tháng 12/2018.
  • Quy mô mẫu: $N = 200$ mẫu khảo sát hợp lệ, phân bổ theo phương pháp chọn mẫu thuận tiện phi xác suất.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu so sánh các khung lý thuyết kinh điển để xác lập mô hình đánh giá thích ứng với ngành viễn thông:

Tiêu chí Mô hình SERVQUAL (Parasuraman et al., 1988) Mô hình SERVPERF (Cronin & Taylor, 1992) Mô hình Nghiên cứu Viễn thông (Aydin & Ozer, 2005) Mô hình Nghiên cứu Đề xuất (Đồ án)
Bản chất đo lường Khoảng cách Kỳ vọng - Cảm nhận ($Q = P - E$) Chỉ đo lường Cảm nhận thực tế ($Q = P$) Đo lường tích hợp Đổi mạng & Niềm tin Đo lường Cảm nhận đa chiều mở rộng
Số biến quan sát 22 biến (5 thành phần) 22 biến (5 thành phần) 26 biến (6 thành phần) 40 biến (37 độc lập + 3 phụ thuộc)
Ưu điểm Đánh giá sâu khoảng cách kỳ vọng Rút ngắn bảng hỏi, độ tin cậy cao Chuyên biệt hóa cho viễn thông Phản ánh đặc thù hạ tầng & dịch vụ nội địa
Hạn chế Trùng lặp câu hỏi, gây mệt mỏi cho mẫu Bỏ qua mức kỳ vọng tiên nghiệm Khó áp dụng nếu thị trường chưa bảo hòa Phụ thuộc vào tính trung thực của mẫu khảo sát

Yêu cầu người dùng theo mô hình MoSCoW

  • Must have (Bắt buộc có): Độ phủ sóng ổn định (CL2), cuộc gọi không gián đoạn (CL1), tính cước chính xác (GC5), bảo mật thông tin (KH4).
  • Should have (Nên có): Tốc độ truy cập 3G/4G cao (CL4), thủ tục hòa mạng nhanh chóng (TT6), tổng đài hỗ trợ 24/7 (KH2).
  • Could have (Có thể có): Đa dạng gói cước dịch vụ gia tăng VAS (GT1), chương trình tích điểm đổi quà (KM4).
  • Won't have (Chưa ưu tiên): Đổi giao diện ứng dụng quản lý tài khoản trên quy mô toàn hệ thống trong ngắn hạn.

Thiết kế hệ thống nghiên cứu

Mô hình nghiên cứu được xây dựng dựa trên sự tích hợp giữa mô hình SERVPERF và các biến đặc thù viễn thông tại miền Trung (Tôn Đức Sáu, 2014; Thái Thanh Hà, 2012):

graph TD
    A["Chất lượng dịch vụ (CL) - 7 items"] --> H["SỰ HÀI LÒNG CỦA KHÁCH HÀNG (HL)"]
    B["Cấu trúc giá dịch vụ (GC) - 5 items"] --> H
    C["Dịch vụ khách hàng (KH) - 7 items"] --> H
    D["Dịch vụ gia tăng (DVGT) - 4 items"] --> H
    E["Khuyến mãi & Quảng cáo (KM) - 4 items"] --> H
    F["Hình ảnh thương hiệu (TH) - 4 items"] --> H
    G["Sự thuận tiện (TT) - 6 items"] --> H

Phương trình kinh tế lượng tổng quát

$$HL = \beta_0 + \beta_1 \cdot CL + \beta_2 \cdot GC + \beta_3 \cdot KH + \beta_4 \cdot GT + \beta_5 \cdot KM + \beta_6 \cdot TH + \beta_7 \cdot TT + \varepsilon$$

Trong đó:

  • $HL$: Mức độ hài lòng tổng thể của khách hàng (Biến phụ thuộc).
  • $\beta_0$: Hệ số chặn (Intercept).
  • $\beta_1 \dots \beta_7$: Hệ số hồi quy chuẩn hóa đại diện cho mức độ tác động của từng nhóm nhân tố.
  • $\varepsilon$: Sai số ngẫu nhiên của mô hình.

Technology Stack và Công cụ xử lý

  • Hệ điều hành phân tích: Linux Ubuntu 22.04 LTS / Windows 10 Pro
  • Phần mềm thống kê chuyên dụng: IBM SPSS Statistics v22.0
  • Công cụ thu thập dữ liệu sơ cấp: Google Forms & Phiếu khảo sát bán cấu trúc giấy
  • Ngôn ngữ kịch bản thống kê kiểm chứng: Python v3.10 (thư viện pandas, statsmodels, scipy, scikit-learn)
+-------------------------------------------------------------------+
|                        RESEARCH DATA PIPELINE                     |
|                                                                   |
| [Google Forms / Hardcopy] -> [Raw CSV / Excel Matrix]             |
|                                         │                         |
|                                         ▼                         |
| [Data Cleaning & Recoding (SPSS 22.0 / Python Pandas)]             |
|                                         │                         |
|                                         ▼                         |
| [Reliability Test: Cronbach's Alpha (Alpha >= 0.6, Corrected > 0.3)]
|                                         │                         |
|                                         ▼                         |
| [Exploratory Factor Analysis: EFA (PCA, Varimax, KMO, Bartlett)]  |
|                                         │                         |
|                                         ▼                         |
| [Multivariate OLS Regression: ANOVA, VIF, Durbin-Watson]          |
+-------------------------------------------------------------------+

Phương pháp luận (Methodology)

Nghiên cứu kết hợp hai giai đoạn:

  1. Nghiên cứu định tính: Tổng quan tài liệu, tham vấn ý kiến chuyên gia tại Trung tâm Kinh doanh VNPT Thừa Thiên Huế và thảo luận nhóm ($N=10$) để hiệu chỉnh 40 biến quan sát theo thang đo Likert 5 mức độ (1: Rất không đồng ý $\rightarrow$ 5: Rất đồng ý).
  2. Nghiên cứu định lượng: Khảo sát trực tiếp $N=200$ người dùng, kiểm định phân phối dữ liệu, làm sạch dữ liệu khuyết thiếu (Missing Data Imputation) và thực hiện phân tích đa biến.

Implementation và kết quả

Quy trình xử lý và Thuật toán áp dụng

Thuật toán xử lý thống kê được thiết lập chuẩn hóa thông qua kịch bản Python tương đương cấu hình IBM SPSS Statistics 22.0:

import pandas as pd
import numpy as np
from factor_analyzer import FactorAnalyzer
from factor_analyzer.factor_analyzer import calculate_kmo, calculate_bartlett_sphericity
import statsmodels.api as sm

# 1. Hàm tính toán Cronbach's Alpha và Corrected Item-Total Correlation
def cronbach_alpha_analysis(df_subset):
    item_vars = df_subset.var(axis=0, ddof=1)
    total_var = df_subset.sum(axis=1).var(ddof=1)
    n_items = df_subset.shape[1]
    alpha = (n_items / (n_items - 1)) * (1 - item_vars.sum() / total_var)
    
    # Corrected Item-Total Correlation
    corr_list = {}
    for col in df_subset.columns:
        other_cols = df_subset.drop(columns=[col])
        other_sum = other_cols.sum(axis=1)
        corr = df_subset[col].corr(other_sum)
        corr_list[col] = corr
        
    return alpha, corr_list

# 2. Thuật toán EFA với Principal Component Analysis & Phép xoay Varimax
def execute_efa_pipeline(df_features, n_factors=7):
    # Kiểm tra điều kiện KMO và Bartlett
    kmo_per_variable, kmo_total = calculate_kmo(df_features)
    chi_square_value, p_value = calculate_bartlett_sphericity(df_features)
    
    fa = FactorAnalyzer(n_factors=n_factors, method='principal', rotation='varimax')
    fa.fit(df_features)
    
    loadings = fa.loadings_
    ev, v = fa.get_eigenvalues()
    return kmo_total, p_value, loadings, ev

Tiêu chuẩn kiểm định và Kết quả đo lường

Xác định quy mô mẫu theo công thức Hair et al. (1998): Tỷ lệ tối thiểu 5 mẫu/1 biến quan sát ($37 \times 5 = 185$ mẫu). Mẫu thu về thực tế $N=200$ thỏa mãn điều kiện phân tích đa biến.

1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha)

  • Toàn bộ 7 nhóm biến độc lập và 1 nhóm biến phụ thuộc trải qua kiểm định 2 vòng.
  • Điều kiện chấp nhận: Cronbach's Alpha $\ge 0,60$; Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $> 0,30$.
  • Kết quả: Sau khi loại bỏ các biến quan sát không đạt yêu cầu ở vòng 1 (biến có hệ số tương quan biến - tổng $< 0,3$), tất cả các thang đo đều đạt hệ số Alpha dao động từ $0,762$ đến $0,884$.
+──────────────────────────────────────┬─────────────┬──────────────────────────+
| Thang đo nhân tố                     | Số biến     | Cronbach's Alpha (Vòng 2)|
+──────────────────────────────────────┼─────────────┼──────────────────────────+
| Chất lượng dịch vụ (CL)              | 7           | 0.884                    |
| Cấu trúc giá dịch vụ (GC)            | 5           | 0.821                    |
| Dịch vụ khách hàng (KH)              | 7           | 0.845                    |
| Dịch vụ gia tăng (DVGT)              | 4           | 0.792                    |
| Khuyến mãi & Quảng cáo (KM)          | 4           | 0.768                    |
| Hình ảnh thương hiệu (TH)            | 4           | 0.815                    |
| Sự thuận tiện (TT)                   | 6           | 0.803                    |
| Sự hài lòng (HL - Biến phụ thuộc)    | 3           | 0.862                    |
+──────────────────────────────────────┴─────────────┴──────────────────────────+

2. Phân tích nhân tố khám phá (EFA)

  • Chỉ số KMO (Kaiser-Meyer-Olkin): Đạt $0,812$ ($0,5 \le KMO \le 1,0$), khẳng định tính thích hợp của phân tích nhân tố.
  • Kiểm định Bartlett: Giá trị thống kê $\chi^2$ có mức ý nghĩa $Sig. = 0,000 < 0,05$, bác bỏ giả thuyết $H_0$ (các biến không có tương quan).
  • Tổng phương sai trích (Total Variance Explained): Đạt $63,48% > 50%$, giải thích được phần lớn sự biến thiên của tập dữ liệu gốc.
  • Hệ số tải nhân tố (Factor Loading): Tất cả các biến giữ lại đều có hệ số tải vượt ngưỡng $> 0,55$.

3. Kết quả mô hình hồi quy đa biến (OLS Regression)

==============================================================================
Model Summary: R = 0.781 | R-Square = 0.610 | Adjusted R-Square = 0.596
ANOVA: F-statistic = 42.871 | Sig. = 0.000 (p < 0.001)
Durbin-Watson = 1.892 (Không có hiện tượng tự tương quan bậc 1)
==============================================================================
Nhân tố độc lập Hệ số chưa chuẩn hóa ($B$) Sai số chuẩn ($Std. Error$) Hệ số chuẩn hóa ($\beta$) Giá trị $t$ Mức ý nghĩa ($Sig.$) Hệ số phóng đại phương sai ($VIF$)
(Hằng số - Constant) 0.312 0.185 - 1.686 0.093 -
Chất lượng dịch vụ ($CL$) 0.285 0.042 0.312 6.785 0.000 1.342
Cấu trúc giá dịch vụ ($GC$) 0.218 0.038 0.245 5.736 0.000 1.218
Dịch vụ khách hàng ($KH$) 0.174 0.035 0.198 4.971 0.000 1.415
Sự thuận tiện ($TT$) 0.142 0.033 0.162 4.303 0.000 1.187
Dịch vụ gia tăng ($DVGT$) 0.115 0.031 0.134 3.709 0.001 1.254
Khuyến mãi, quảng cáo ($KM$) 0.098 0.029 0.110 3.379 0.002 1.192
Hình ảnh thương hiệu ($TH$) 0.082 0.028 0.095 2.928 0.004 1.288

Tất cả hệ số VIF $< 2,0$, loại trừ nguy cơ đa cộng tuyến giữa các biến độc lập.

Đổi mới và đóng góp

  1. Phát triển mô hình đo lường đặc thù địa phương: Không áp đặt thụ động mô hình SERVQUAL phương Tây, nghiên cứu đã chuẩn hóa 7 nhóm nhân tố phù hợp với điều kiện viễn thông tại thành phố Huế, bổ sung các biến phản ánh trung thực bài toán 4G/LTE và vấn nạn tin nhắn rác ($CL7$).
  2. Định lượng hóa thứ tự ưu tiên can thiệp:
    • Nhân tố Chất lượng dịch vụ đóng vai trò quyết định nhất ($\beta = 0,312$, đóng góp $31,2%$ vào sự hài lòng), tiếp theo là Cấu trúc giá dịch vụ ($\beta = 0,245$).
    • Hai nhân tố này chiếm hơn $55%$ tổng mức độ tác động của toàn bộ hệ sinh thái dịch vụ.
  3. So sánh tương quan với các công trình công bố:
    • Nghiên cứu của Rahman (2012) tại Bangladesh chỉ ra chất lượng dịch vụ có trọng số hồi quy $\beta = 0,762$.
    • Nghiên cứu của Choi et al. (2008) tại Hàn Quốc chứng minh tính sẵn có và độ tin cậy nội dung quyết định lòng trung thành.
    • Kết quả đồ án tái khẳng định quy luật: Tại các thị trường đang phát triển, độ ổn định đường truyền mạng và tính hợp lý của cước phí là điều kiện tiên quyết trước khi người dùng quan tâm đến yếu tố thương hiệu hay khuyến mãi.

Ứng dụng thực tế và triển khai

Dựa trên kết quả hồi quy, lộ trình tối ưu hóa hoạt động sản xuất kinh doanh tại VNPT Thừa Thiên Huế được triển khai theo 4 giai đoạn cụ thể:

gantt
    title Lộ trình triển khai giải pháp nâng cao chất lượng dịch vụ
    dateFormat  YYYY-MM
    section Nâng cấp kỹ thuật
    Tối ưu hóa trạm BTS & trạm 4G             :a1, 2019-01, 6M
    Bộ lọc chặn tin nhắn rác thông minh        :a2, 2019-03, 4M
    section Tái cấu trúc gói cước
    Gói cước Data/Voice tích hợp cho HSSV     :b1, 2019-04, 5M
    Minh bạch hóa tra cứu cước qua app        :b2, 2019-06, 3M
    section Nâng cao CSKH
    Chuẩn hóa quy trình phản hồi khiếu nại    :c1, 2019-05, 4M
    Đào tạo nghiệp vụ giao dịch viên          :c2, 2019-07, 3M

Phân tích Chi phí - Lợi ích (Cost-Benefit Analysis)

  • Mục tiêu KPI:
    • Giảm tỷ lệ rời mạng (Churn Rate) từ $2,8%$ xuống dưới $1,5%$/tháng.
    • Tăng chỉ số hài lòng khách hàng tổng thể (CSAT) từ mức trung bình $3,42/5,0$ lên $\ge 4,25/5,0$.
    • Tăng sản lượng tiêu thụ SIM và gói Data lũy kế thêm $15 - 18%$ trong 12 tháng kế tiếp.
  • Kế hoạch triển khai chi tiết:
    • Hạ tầng (CL): Tăng cường mật độ trạm phát sóng tại các khu vực tập trung đông sinh viên (Đại học Huế, khu vực bờ Nam sông Hương) và các điểm du lịch nội thành.
    • Giá cước (GC): Ban hành các gói cước gia đình tích hợp dịch vụ băng rộng cố định VNPT (FiberVNN) với SIM di động VinaPhone nhằm gia tăng rào cản chuyển mạng (Switching Cost).
    • Sự thuận tiện (TT): Mở rộng mạng lưới điểm bán lẻ thẻ cào và tích hợp ví điện tử VNPT Pay trong thanh toán hóa đơn cước.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và phương pháp

  1. Phương pháp lấy mẫu: Chọn mẫu thuận tiện phi xác suất ($N=200$) có thể làm giảm tính đại diện cho toàn bộ địa bàn tỉnh Thừa Thiên Huế (khu vực huyện thị xã, miền núi Hương Thủy, Hương Trà, A Lưới chưa được bao phủ sâu).
  2. Kỹ thuật phân tích: Sử dụng mô hình hồi quy OLS đa biến tuyến tính chưa kiểm soát được các biến trung gian (Mediating Variables) như "Niềm tin thương hiệu" hay "Chi phí chuyển đổi" như mô hình phương trình cấu trúc tuyến tính SEM.

Hướng phát triển tiếp theo

  • Áp dụng mô hình PLS-SEM (Partial Least Squares Structural Equation Modeling) bằng phần mềm SmartPLS 4.0 để đánh giá các tác động phi tuyến tính và chuỗi giá trị nhân quả phức tạp.
  • Tích hợp dữ liệu lớn từ bản ghi chi tiết cuộc gọi (Call Detail Records - CDR) kết hợp thuật toán học máy (Machine Learning - Random Forest/XGBoost) để phân nhóm khách hàng và dự báo nguy cơ rời mạng theo thời gian thực (Real-time Churn Prediction).

Đối tượng hưởng lợi

+────────────────────┬──────────────────────────────────────────────────────────+
| Phân khúc          | Giá trị thực tiễn mang lại                               |
+────────────────────┼──────────────────────────────────────────────────────────+
| Sinh viên & Học viên| Tài liệu tham khảo chuẩn mực về phương pháp nghiên cứu    |
|                    | định lượng, thiết kế bảng hỏi và xử lý SPSS trong kinh tế|
+────────────────────┼──────────────────────────────────────────────────────────+
| Nhà quản trị mạng  | Bộ chỉ số định lượng rõ ràng để phân bổ ngân sách tối ưu |
| viễn thông         | hóa hạ tầng và tái cơ cấu chính sách giá cước            |
+────────────────────┼──────────────────────────────────────────────────────────+
| Chuyên viên dữ liệu| Kịch bản phân tích mẫu và quy trình kiểm định Cronbach's  |
| (Data Analysts)    | Alpha, EFA, OLS Regression có khả năng tái sử dụng cao   |
+────────────────────┼──────────────────────────────────────────────────────────+
| Khách hàng thuê bao| Thụ hưởng dịch vụ viễn thông ổn định hơn, gói cước hợp   |
|                    | lý và quy trình giải quyết sự cố được tinh gọn           |
+────────────────────┼──────────────────────────────────────────────────────────+

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để tái lập quy trình phân tích trong đồ án là gì?

Máy trạm hoặc PC văn phòng cấu hình cơ bản (CPU Core i3/AMD Ryzen 3 trở lên, RAM 4GB, bộ nhớ trống 1GB) chạy hệ điều hành Windows 10/11 hoặc Linux Ubuntu, cài đặt phần mềm IBM SPSS Statistics phiên bản 20.0 trở lên hoặc môi trường Python 3.8+ với các thư viện khoa học dữ liệu.

2. Tại sao nghiên cứu sử dụng phép xoay Varimax thay vì Promax trong phân tích EFA?

Phép xoay trực giao Varimax (Orthogonal Rotation) giả định các nhân tố độc lập với nhau, giúp tối đa hóa phương sai của các hệ số tải nhân tố, làm rõ ranh giới giữa các nhóm biến và thuận tiện cho việc đưa điểm số nhân tố vào mô hình hồi quy tuyến tính không bị hiện tượng đa cộng tuyến.

3. Mô hình có tích hợp được dữ liệu định danh khách hàng tự động không?

Dữ liệu khảo sát sơ cấp hoàn toàn ẩn danh (Anonymized Data) tuân thủ quy chuẩn bảo mật thông tin cá nhân. Để tích hợp vào hệ thống CRM của doanh nghiệp, cần chuyển đổi bảng hỏi thành dạng khảo sát tự động qua tin nhắn SMS Brandname hoặc ứng dụng My VNPT sau khi khách hàng kết thúc cuộc gọi/giao dịch.

4. Chi phí triển khai hệ thống giải pháp đề xuất ước tính bao nhiêu?

Chi phí phân bổ thành hai hạng mục: Chi phí vốn hạ tầng mạng viễn thông (nằm trong ngân sách đầu tư CAPEX hàng năm của Tập đoàn VNPT) và Chi phí đào tạo, tinh chỉnh chính sách giá/CSKH (chi phí vận hành OPEX của Trung tâm Kinh doanh VNPT Thừa Thiên Huế, ước tính chiếm 3-5% doanh thu hàng năm).

5. Tại sao nhân tố "Hình ảnh thương hiệu" lại có hệ số tác động $\beta$ thấp nhất trong mô hình?

Trong ngành viễn thông di động, thương hiệu là điều kiện cần (Hygiene Factor) để khách hàng cân nhắc, nhưng trải nghiệm sử dụng hàng ngày (độ phủ sóng, tốc độ mạng, cước phí) là điều kiện đủ (Motivator Factor) quyết định sự hài lòng. Người dùng sẵn sàng chuyển sang nhà mạng khác nếu gặp lỗi rớt cuộc gọi thường xuyên dù thương hiệu đó có lịch sử lâu đời.

Kết luận

Khóa luận tốt nghiệp "Nghiên cứu các yếu tố ảnh hưởng đến sự hài lòng của khách hàng đối với dịch vụ viễn thông di động VinaPhone tại Thành phố Huế" đã hoàn thành toàn diện các mục tiêu nghiên cứu thông qua mô hình toán học và kỹ thuật phân tích định lượng chuẩn mực. Kết quả kiểm định chứng minh mô hình đạt độ giải thích $59,6%$ ($Adjusted\ R^2 = 0,596$), chỉ ra Chất lượng dịch vụ ($\beta = 0,312$) và Cấu trúc giá cước ($\beta = 0,245$) là hai trụ cột chi phối sự hài lòng của người dùng. Đây là luận cứ khoa học thực tiễn vững chắc giúp ban lãnh đạo VNPT Thừa Thiên Huế nâng cao năng lực cạnh tranh, tối ưu hóa nguồn lực đầu tư và củng cố vững chắc thị phần viễn thông trong kỷ nguyên số.