Giới thiệu dự án

Thị trường bất động sản và xây dựng dân dụng tại Việt Nam trong giai đoạn phục hồi và tăng trưởng đã tạo động lực mạnh mẽ cho ngành công nghiệp sản xuất và phân phối sơn trang trí. Theo số liệu từ Hiệp hội Sơn và Mực in Việt Nam (VPIA), tổng sản lượng sơn toàn quốc đạt xấp xỉ 250 triệu lít/năm, trong đó phân khúc sơn trang trí chiếm tới 65% sản lượng (khoảng 180 triệu lít) và đóng góp 54% tổng giá trị toàn ngành. Cuộc cạnh tranh trên thị trường diễn ra khốc liệt giữa hơn 600 doanh nghiệp, trong đó khối doanh nghiệp có vốn đầu tư trực tiếp nước ngoài (FDI) chiếm lĩnh hơn 65% thị phần với các thương hiệu lớn như Dulux (AkzoNobel), Jotun, Nippon, Mykolor; trong khi các thương hiệu nội địa (Kova, Hòa Bình, Tito) chiếm 35% thị phần còn lại và cạnh tranh chủ yếu ở phân khúc trung cấp và phổ thông.

Tại thị trường Thừa Thiên Huế, sự bùng nổ của các khu đô thị mới, công trình hạ tầng và xu hướng cải tạo nhà ở đòi hỏi các doanh nghiệp thương mại phải tối ưu hóa năng lực phân phối. Công ty TNHH Hiệp Thành (207 An Dương Vương, TP. Huế) là doanh nghiệp thương mại chuyên phân phối vật liệu xây dựng và sơn các loại. Dù quy mô nhân sự tăng trưởng liên tục từ 310 lao động (năm 2015) lên 440 lao động (năm 2017) và tổng nguồn vốn đạt 19.582,6 triệu đồng, hoạt động bán hàng của công ty vẫn bộc lộ nhiều điểm nghẽn nghiêm trọng:

  • Điểm nghẽn quản trị danh mục và cạnh tranh công nghệ pha màu: Xu hướng chuyển dịch từ sơn pha màu tại đại lý sang sơn pha sẵn tại nhà máy để đảm bảo độ bền màu và chống hàng giả đặt ra thách thức lớn cho chiến lược tồn kho và quản trị nguồn hàng.
  • Biên lợi nhuận và áp lực dòng tiền: Cơ cấu nợ phải trả chiếm 34,24% tổng nguồn vốn (năm 2017), áp lực thu hồi công nợ và chiết khấu bán hàng làm giảm tỷ suất sinh lời trên doanh thu (ROS) và tỷ suất sinh lời trên vốn chủ sở hữu (ROE).
  • Thiếu hụt mô hình lượng hóa các yếu tố tác động đến hiệu quả bán hàng: Doanh nghiệp vận hành bán hàng dựa trên kinh nghiệm truyền thống, chưa thiết lập hệ số định lượng chuẩn xác về mức độ ảnh hưởng của các thành tố Marketing-Mix (Sản phẩm, Giá cả, Xúc tiến, Nhân viên, Dịch vụ) đến quyết định mua và mức độ thỏa mãn của khách hàng.

Đề tài khóa luận tập trung giải quyết các bài toán trên thông qua 3 mục tiêu cụ thể:

  1. Hệ thống hóa cơ sở lý luận về quản trị bán hàng và các chỉ tiêu tài chính - phi tài chính đánh giá hiệu quả bán hàng trong doanh nghiệp thương mại.
  2. Khảo sát thực nghiệm, ứng dụng mô hình phân tích định lượng (kiểm định Cronbach's Alpha, EFA, Hồi quy tuyến tính bội) trên mẫu $N = 130$ khách hàng để đo lường mức độ tác động của 5 nhóm yếu tố cốt lõi đến hiệu quả bán hàng tại Công ty TNHH Hiệp Thành.
  3. Đề xuất hệ thống giải pháp Marketing-Mix và tái cơ cấu vận hành bán hàng có tính khả thi cao nhằm cải thiện chỉ tiêu hoàn thành kế hoạch, nâng cao doanh số và tối ưu hóa vòng quay vốn.

Phạm vi nghiên cứu không gian tập trung tại địa bàn tỉnh Thừa Thiên Huế; phạm vi thời gian thu thập dữ liệu thứ cấp từ báo cáo tài chính giai đoạn 2015–2017 và dữ liệu sơ cấp được điều tra trực tiếp từ tháng 09/2018 đến tháng 12/2018.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tổng quan các công trình tiền nhiệm cho thấy phần lớn các đề tài trước đây mới dừng lại ở phân tích mô tả hoặc đánh giá định tính đơn lẻ, chưa kết hợp chặt chẽ giữa phân tích hiệu quả tài chính và mô hình kinh tế lượng thực nghiệm:

Tác giả & Năm Đề tài nghiên cứu Ưu điểm chính Khoảng trống nghiên cứu (Gaps)
Phạm Thị Thu Thủy (2012) Nâng cao hiệu quả bán hàng tại Công ty TNHH Tiến Đức (Quảng Nam) Xác định 6 nhóm yếu tố ảnh hưởng đến bán hàng, mô tả kênh phân phối chi tiết. Thiếu hệ thống chỉ tiêu tài chính định lượng chuyên sâu (ROS, ROE, tỷ số chi phí).
Nguyễn Trần Thảo Nhi (2015) Nâng cao hiệu quả bán hàng tại Công ty CP An Phú Đánh giá thái độ nhân viên và chính sách giá theo phân khúc. Chưa thực hiện hồi quy đa biến để xác định trọng số tác động của từng nhân tố.
Lê Thị Ngọc Hà (2016) Phân tích hoạt động bán hàng Công ty Tuấn Việt (ngành hàng One One) Khảo sát đa đối tượng (nhân viên bán hàng và điểm bán lẻ). Phạm vi ngành hàng FMCG khác biệt lớn so với ngành sơn/vật liệu xây dựng.
Mô hình đề xuất (2018) Nâng cao hiệu quả bán hàng tại Công ty TNHH Hiệp Thành Kết hợp dữ liệu tài chính 3 năm (2015-2017) với mô hình EFA & Hồi quy bội ($N=130$). Đã lấp đầy khoảng trống về đo lường thực nghiệm và lượng hóa giải pháp.

Phân loại mức độ ưu tiên yêu cầu phân tích theo khung MoSCoW:

  • Must-have: Đo lường độ tin cậy thang đo (Cronbach's Alpha $\ge 0.6$), kiểm định trị số thích hợp KMO ($0.5 \le \text{KMO} \le 1.0$), kiểm định Bartlett ($p < 0.05$), xây dựng hàm hồi quy chuẩn hóa.
  • Should-have: Phân tích One-Sample T-Test đánh giá mức độ đồng thuận của khách hàng về từng tiêu chí; kiểm định One-Way ANOVA phát hiện sai biệt nhân khẩu học.
  • Could-have: Đối sánh chi tiết tỷ suất sinh lời theo từng dòng sản phẩm sơn (Dulux, Jotun, Kova, Maxilite).
  • Won't-have: Nghiên cứu phân tích hành vi tiêu dùng sơn công nghiệp tàu biển và sơn chịu nhiệt chuyên dụng ngoài phạm vi xây dựng dân dụng.

Thiết kế hệ thống

Mô hình nghiên cứu thực nghiệm được thiết kế dựa trên cấu trúc 5 biến độc lập bậc 1 tác động trực tiếp lên 1 biến phụ thuộc bậc 1 với 24 biến quan sát đo lường trên thang đo Likert 5 điểm (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý):

+-------------------------------------------------------------+
|                     MÔ HÌNH HỒI QUY BỘI                    |
|                                                             |
|   [X1: Sản phẩm (SP)] ------------+                         |
|   [X2: Giá cả (GC)] --------------|                         |
|   [X3: Xúc tiến bán hàng (XT)] ---+---> [Y: Hiệu quả       |
|   [X4: Nhân viên bán hàng (NV)] --|         hoạt động       |
|   [X5: Dịch vụ bán hàng (DV)] ----+         bán hàng]       |
|                                                             |
+-------------------------------------------------------------+

Mô hình hồi quy tổng quát: $$Y = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \beta_3 X_3 + \beta_4 X_4 + \beta_5 X_5 + \varepsilon$$

Cấu trúc ma trận biến dữ liệu định lượng:

Mã biến Tên nhân tố Số biến quan sát Nội dung đo lường đại diện
SP Sản phẩm ($X_1$) 5 biến (SP1 - SP5) Độ đa dạng chủng loại, chất lượng độ phủ, độ bền màu, nguồn gốc xuất xứ chính hãng.
GC Giá cả ($X_2$) 4 biến (GC1 - GC4) Tính cạnh tranh của giá niêm yết, sự ổn định giá, tính linh hoạt theo khối lượng mua.
XT Xúc tiến ($X_3$) 5 biến (XT1 - XT5) Mức chiết khấu thương mại, chương trình quà tặng, quảng cáo điểm bán, hội nghị thợ sơn.
NV Nhân viên ($X_4$) 5 biến (NV1 - NV5) Kỹ năng tư vấn kỹ thuật phối màu, thái độ phục vụ, tốc độ phản hồi, tính trung thực.
DV Dịch vụ ($X_5$) 5 biến (DV1 - DV5) Tốc độ giao hàng chân công trình, chính sách đổi trả hàng thừa, hỗ trợ máy pha màu.
HQ Hiệu quả bán hàng ($Y$) 3 biến (HQ1 - HQ3) Mức độ hài lòng tổng thể, ý định tiếp tục mua lại, sẵn sàng giới thiệu khách hàng mới.

Môi trường công nghệ phân tích dữ liệu:

  • Phần mềm xử lý thống kê: IBM SPSS Statistics Version 20.0 (Release 20.0.0).
  • Môi trường bổ trợ kiểm định nâng cao: Python v3.10 với các thư viện pandas (v2.1.0), numpy (v1.24.3), statsmodels (v0.14.0), scikit-learn (v1.3.0).

Methodology

Quy trình nghiên cứu kết hợp phương pháp nghiên cứu tài chính doanh nghiệp và nghiên cứu định lượng hành vi:

  1. Xác định quy mô mẫu theo công thức Cochran (1977): $$n = \frac{z^2 \cdot p \cdot (1 - p)}{e^2}$$ Trong đó:

    • Độ tin cậy 95% ($\alpha = 0.05$) $\Rightarrow z = 1.96$.
    • Tỷ lệ ước lượng tối đa hóa phương sai: $p = 0.5 \Rightarrow p(1-p) = 0.25$.
    • Sai số chọn mẫu cho phép: $e = 0.08$ (8%).
    • Kích thước mẫu lý thuyết: $$n = \frac{1.96^2 \times 0.25}{0.08^2} = \frac{0.9604}{0.0064} \approx 150.06$$
    • Căn cứ nguyên tắc Hair et al. (1998) về phân tích nhân tố EFA: Cỡ mẫu tối thiểu gấp 5 lần số biến quan sát ($n \ge 5 \times 24 = 120$). Nhóm nghiên cứu tiến hành khảo sát $N = 130$ khách hàng thực tế để loại trừ phiếu không hợp lệ.

  2. Tiêu chuẩn kiểm định thống kê:

    • Độ tin cậy Cronbach's Alpha: Hệ số $\alpha \ge 0.6$; Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $r_{it} \ge 0.3$.
    • Phân tích nhân tố khám phá (EFA): Hệ số $0.5 \le \text{KMO} \le 1.0$; Kiểm định Bartlett có $p\text{-value} < 0.05$; Trị số Eigenvalue $\ge 1.0$; Tổng phương sai trích (Cumulative Variance Explained) $\ge 50%$; Trọng số nhân tố (Factor Loading) $\ge 0.5$; Chênh lệch Factor Loading giữa các nhân tố $\ge 0.3$.
    • Mô hình hồi quy: Kiểm định $F$ trong bảng ANOVA đạt mức ý nghĩa $p < 0.05$; Hệ số phóng đại phương sai (VIF) $< 2.0$ nhằm bảo đảm không có hiện tượng đa cộng tuyến.

Implementation và kết quả

Development process

Quá trình thu thập và xử lý dữ liệu được tiến hành qua 4 giai đoạn cụ thể:

[Giai đoạn 1: Thiết kế bảng hỏi & Điều tra thử nghiệm]
[Giai đoạn 2: Khảo sát thực địa N=130 khách hàng tại TT-Huế]
[Giai đoạn 3: Làm sạch dữ liệu, Kiểm định Cronbach's Alpha & EFA]
[Giai đoạn 4: Hồi quy tuyến tính, One-Sample T-Test & Đề xuất giải pháp]

Mã nguồn Python minh họa quy trình làm sạch dữ liệu, kiểm tra độ tin cậy và ước lượng hồi quy OLS tương đương thuật toán trên SPSS:

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

# 1. Tải tập dữ liệu khảo sát 130 khách hàng
df = pd.read_csv("hiepthanh_sales_survey.csv")

# 2. Định nghĩa hàm tính hệ số tin cậy Cronbach's Alpha
def cronbach_alpha(item_df):
    k = item_df.shape[1]
    variances = item_df.var(axis=0, ddof=1)
    total_score = item_df.sum(axis=1)
    total_var = total_score.var(ddof=1)
    return (k / (k - 1)) * (1 - (variances.sum() / total_var))

# 3. Tính điểm trung bình cho 5 nhân tố độc lập
df['SP'] = df[['SP1', 'SP2', 'SP3', 'SP4', 'SP5']].mean(axis=1)
df['GC'] = df[['GC1', 'GC2', 'GC3', 'GC4']].mean(axis=1)
df['XT'] = df[['XT1', 'XT2', 'XT3', 'XT4', 'XT5']].mean(axis=1)
df['NV'] = df[['NV1', 'NV2', 'NV3', 'NV4', 'NV5']].mean(axis=1)
df['DV'] = df[['DV1', 'DV2', 'DV3', 'DV4', 'DV5']].mean(axis=1)
df['HQ'] = df[['HQ1', 'HQ2', 'HQ3']].mean(axis=1)

# 4. Ước lượng mô hình Hồi quy tuyến tính đa biến (OLS)
X = df[['SP', 'GC', 'XT', 'NV', 'DV']]
X_const = sm.add_constant(X)
y = df['HQ']

model = sm.OLS(y, X_const).fit()
print(model.summary())

# 5. Kiểm tra hiện tượng đa cộng tuyến (VIF)
vif_data = pd.DataFrame()
vif_data["Feature"] = X.columns
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
print(vif_data)

Testing và validation

1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha) và Phân tích EFA

Toàn bộ 24 biến quan sát của 5 nhóm nhân tố độc lập và 3 biến quan sát của biến phụ thuộc đều đạt độ tin cậy cao:

Thang đo nhân tố Số biến quan sát Cronbach's Alpha KMO / Sig. Bartlett Tổng phương sai trích (%) Eigenvalue
Sản phẩm (SP) 5 0.832 0.814 / 0.000 62.45% 2.891
Giá cả (GC) 4 0.789 0.765 / 0.000 58.12% 2.325
Xúc tiến bán hàng (XT) 5 0.815 0.802 / 0.000 60.88% 2.743
Nhân viên bán hàng (NV) 5 0.854 0.831 / 0.000 65.30% 3.104
Dịch vụ bán hàng (DV) 5 0.841 0.820 / 0.000 63.77% 2.980
Hiệu quả bán hàng (HQ) 3 0.867 0.788 / 0.000 68.90% 2.067

Tất cả các biến quan sát đều có hệ số tương quan biến - tổng $r_{it} > 0.35$ và Factor Loading sau phép xoay Varimax đều $> 0.55$, không có biến rác bị loại bỏ.

2. Kết quả phân tích Hồi quy tuyến tính bội

Kết quả hồi quy thể hiện mối quan hệ có ý nghĩa thống kê giữa các biến độc lập và hiệu quả bán hàng:

Biến 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 VIF
Hằng số (Constant) 0.412 0.185 - 2.227 0.028 -
Dịch vụ bán hàng (DV) 0.285 0.052 0.312 5.481 0.000 1.342
Giá cả (GC) 0.241 0.048 0.268 5.021 0.000 1.285
Sản phẩm (SP) 0.205 0.049 0.224 4.184 0.000 1.310
Nhân viên bán hàng (NV) 0.178 0.045 0.195 3.956 0.000 1.267
Xúc tiến bán hàng (XT) 0.142 0.041 0.158 3.463 0.001 1.218
  • Hệ số xác định mô hình: $R^2 = 0.648$, $R^2 \text{ hiệu chỉnh} = 0.634$. Mô hình giải thích được 63,4% sự biến thiên của hiệu quả bán hàng.
  • Kiểm định ANOVA: Giá trị $F = 45.62$ ($Sig. = 0.000 < 0.05$), bác bỏ giả thuyết $H_0$, khẳng định mô hình hoàn toàn phù hợp với dữ liệu thực tế.
  • Hiện tượng đa cộng tuyến: Toàn bộ hệ số $\text{VIF} < 1.4$, loại trừ nguy cơ đa cộng tuyến.

Phương trình hồi quy chuẩn hóa: $$Y = 0.312 \cdot X_{\text{DV}} + 0.268 \cdot X_{\text{GC}} + 0.224 \cdot X_{\text{SP}} + 0.195 \cdot X_{\text{NV}} + 0.158 \cdot X_{\text{XT}}$$

Kết quả đạt được

  1. Thứ tự mức độ tác động: Kết quả lượng hóa chứng minh nhân tố Dịch vụ bán hàng ($\beta = 0.312$) có tác động mạnh nhất đến hiệu quả bán hàng của Công ty Hiệp Thành, tiếp theo là Giá cả ($\beta = 0.268$), Sản phẩm ($\beta = 0.224$), Nhân viên bán hàng ($\beta = 0.195$), và Xúc tiến bán hàng ($\beta = 0.158$).
  2. Khảo sát One-Sample T-Test: Điểm trung bình đánh giá của khách hàng về dịch vụ bán hàng chỉ đạt $3.42/5.0$, cho thấy khâu vận chuyển đến chân công trình và chính sách đổi trả sơn dôi dư còn chậm trễ, là điểm nghẽn lớn nhất cần khắc phục ngay.
  3. Phân tích chỉ tiêu tài chính giai đoạn 2015-2017: Tổng lao động tăng 41,9% (từ 310 lên 440 người), trong đó lao động phổ thông chiếm tới 79,09% (năm 2017). Tỷ lệ lao động gián tiếp có trình độ Đại học chỉ chiếm 6,36%, lý giải cho năng lực tiếp thị và ứng dụng công nghệ quản trị bán hàng còn hạn chế.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp cụ thể về mặt học thuật và thực tiễn quản trị doanh nghiệp thương mại:

  • Đổi mới phương pháp luận thực nghiệm: Khắc phục hạn chế của các đề tài trước bằng cách tích hợp phân tích cấu trúc tài chính - nhân sự (2015–2017) với mô hình phân tích định lượng EFA và hồi quy đa biến trên phần mềm SPSS 20.0.
  • Phát hiện quy luật thị trường sơn địa phương: Chứng minh rằng trong phân khúc vật tư hoàn thiện xây dựng tại Thừa Thiên Huế, chất lượng dịch vụ giao nhận và tính linh hoạt trong chính sách giá có trọng số quyết định cao hơn so với hoạt động quảng cáo/xúc tiến thuần túy.
  • Hệ thống hóa bộ chỉ tiêu tài chính phục vụ kiểm soát bán hàng: Xây dựng công thức theo dõi tích hợp giữa chỉ tiêu hoàn thành kế hoạch ($H_{ht} = \frac{Q_{tt}}{Q_{kh}} \times 100%$) với các chỉ số hiệu quả kinh tế: $$\text{ROS} = \frac{\text{Lợi nhuận sau thuế}}{\text{Doanh thu thuần}}, \quad \text{ROE} = \frac{\text{Lợi nhuận sau thuế}}{\text{Vốn chủ sở hữu}}, \quad \text{Doanh lợi chi phí} = \frac{\text{Lợi nhuận ròng}}{\text{Tổng chi phí}}$$

Ứng dụng thực tế và triển khai

Căn cứ vào phương trình hồi quy và thực trạng hoạt động của Công ty TNHH Hiệp Thành, hệ thống 5 nhóm giải pháp được đề xuất triển khai theo thứ tự ưu tiên:

                  HỆ THỐNG GIẢI PHÁP 5P NÂNG CAO HIỆU QUẢ BÁN HÀNG

1. Nhóm giải pháp hoàn thiện Dịch vụ bán hàng ($\beta = 0.312$)

  • Tái cấu trúc đội xe vận chuyển: Thành lập tổ điều phối giao hàng nhanh cam kết đưa sơn đến chân công trình trong vòng 120 phút nội thành Huế và 4 giờ đối với các huyện (Hương Thủy, Hương Trà, Phú Vang).
  • Chính sách thu hồi thùng sơn nguyên đai nguyên kiện thừa sau công trình: Cho phép đổi trả tối đa 10% giá trị đơn hàng trong vòng 15 ngày, giúp nhà thầu giảm thiểu rủi ro tài chính.

2. Nhóm giải pháp tối ưu hóa Chính sách Giá ($\beta = 0.268$)

  • Thiết lập biểu giá chiết khấu lũy tiến theo doanh số tháng và quý: Khách hàng thanh toán ngay bằng tiền mặt được chiết khấu trực tiếp thêm 1.5% - 2.0% trên hóa đơn để giảm áp lực nợ phải trả.
  • Xây dựng chính sách bảo hộ giá cho các công trình lớn kéo dài qua các quý, tránh rủi ro biến động giá nguyên vật liệu đầu vào.

3. Nhóm giải pháp nâng cao chất lượng Danh mục Sản phẩm ($\beta = 0.224$)

  • Cân bằng cơ cấu phân khúc: Duy trì dòng sơn cao cấp (Dulux, Jotun - tỷ suất lợi nhuận cao) kết hợp đẩy mạnh phân phối các dòng sơn kinh tế nội địa (Kova, Maxilite) có mức giá thấp hơn 30-50% nhằm đáp ứng nhu cầu xây dựng dân dụng ngoại thành.
  • Kiểm soát chất lượng nghiêm ngặt: Cam kết 100% sản phẩm có tem chống hàng giả và chứng nhận xuất xưởng (CO/CQ) từ nhà máy, khắc phục tâm lý lo ngại sơn pha máy tại đại lý kém chất lượng.

4. Nhóm giải pháp nâng cao năng lực Đội ngũ Bán hàng ($\beta = 0.195$)

  • Chuẩn hóa quy trình tư vấn: Tổ chức khóa đào tạo định kỳ về kỹ thuật thi công sơn, phối màu 3D trên phần mềm chuyên dụng cho 100% nhân viên thị trường.
  • Đổi mới chính sách lương thưởng: Áp dụng cơ chế thưởng doanh số kết hợp chỉ số hài lòng khách hàng (CSAT), giảm tỷ lệ luân chuyển nhân sự.

5. Nhóm giải pháp đẩy mạnh Xúc tiến bán hàng ($\beta = 0.158$)

  • Triển khai chương trình "Đồng hành cùng Thợ sơn Huế": Cung cấp đồ bảo hộ lao động, máy khuấy sơn chuyên dụng, tích điểm thưởng cuối năm cho đội ngũ thợ thầu trực tiếp thi công.
  • Tham gia các hội chợ xúc tiến thương mại, hội chợ triển lãm ngành xây dựng tại khu vực miền Trung.

Lộ trình triển khai và Phân tích hiệu quả kinh tế (ROI)

Giai đoạn Thời gian Hạng mục công việc chính Dự toán ngân sách (VND) Chỉ số KPI kỳ vọng
P1 Quý 1 Tái cấu trúc đội giao vận; Ban hành chính sách đổi trả và biểu giá mới. 60.000.000 Tỷ lệ giao hàng đúng giờ $\ge 95%$.
P2 Quý 2 Đào tạo kỹ thuật phối màu cho NVBH; Thiết lập phần mềm quản lý công nợ. 45.000.000 Tỷ lệ chốt đơn thành công tăng 15%.
P3 Quý 3 Kích hoạt chương trình hội thợ sơn; Triển khai chiết khấu tiền mặt. 80.000.000 Doanh số phân khúc thầu thợ tăng 20%.
P4 Quý 4 Tổng kết doanh thu, đánh giá chỉ số ROS, ROE; Hoàn thiện danh mục sơn. 35.000.000 Doanh thu tăng 18-22%; Vòng quay nợ giảm 12 ngày.

Hạn chế và hướng phát triển

  • Hạn chế về phương pháp chọn mẫu: Nghiên cứu áp dụng phương pháp chọn mẫu thuận tiện phi xác suất ($N = 130$) do giới hạn về thời gian và kinh phí, chưa bao quát toàn bộ các chủ đầu tư dự án khu công nghiệp lớn ngoài địa bàn tỉnh Thừa Thiên Huế.
  • Hạn chế về mô hình định lượng: Nghiên cứu sử dụng mô hình hồi quy tuyến tính OLS bậc 1, chưa kiểm định được các mối quan hệ tác động gián tiếp (Mediating effect) hoặc biến điều tiết (Moderating effect) như Uy tín thương hiệu doanh nghiệp hay Thói quen tiêu dùng.
  • Hướng nghiên cứu tiếp theo:
    1. Ứng dụng mô hình Cấu trúc tuyến tính (Structural Equation Modeling - SEM / PLS-SEM) trên phần mềm SmartPLS hoặc AMOS để kiểm định sâu hơn các cấu trúc đa tầng.
    2. Mở rộng cỡ mẫu lên $N \ge 350$ trên phạm vi liên tỉnh (Quảng Trị, Đà Nẵng, Thừa Thiên Huế) để so sánh đặc tính hành vi tiêu dùng vật liệu xây dựng theo từng vùng miền.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Kinh tế / Quản trị Kinh doanh: Nắm bắt phương pháp luận nghiên cứu kết hợp giữa phân tích báo cáo tài chính doanh nghiệp thực tế và quy trình xử lý dữ liệu khảo sát trên SPSS 20.0.
  • Chuyên viên Phân tích Dữ liệu / Nghiên cứu Thị trường: Tham khảo cấu trúc thang đo chuẩn hóa 24 biến quan sát, cú pháp hồi quy đa biến và các tiêu chuẩn kiểm định độ tin cậy.
  • Chủ doanh nghiệp & Nhà quản lý bán hàng ngành Vật liệu Xây dựng: Sở hữu bộ giải pháp thực tế có thể áp dụng ngay để tối ưu hóa chi phí logistic chân công trình, chính sách chiết khấu dòng tiền và nâng cao năng suất đội ngũ bán hàng.
  • Các nhà nghiên cứu ứng dụng: Nền tảng dữ liệu thực nghiệm phục vụ việc mở rộng mô hình hành vi mua sắm B2B trong ngành xây dựng hoàn thiện.

Câu hỏi thường gặp

1. Điều kiện tiên quyết về kỹ thuật và dữ liệu để triển khai phân tích mô hình hồi quy bán hàng là gì?

Cần chuẩn bị tập dữ liệu khảo sát tối thiểu đạt tỷ lệ 5 quan sát trên 1 biến đo lường (đối với 24 biến cần tối thiểu $N \ge 120$), cài đặt phần mềm IBM SPSS Statistics (từ bản 20.0 trở lên) hoặc môi trường Python (với thư viện statsmodels, pandas), đảm bảo dữ liệu không có giá trị khuyết thiếu (Missing values) bất thường.

2. Tại sao nhân tố "Dịch vụ bán hàng" lại có trọng số tác động cao nhất ($\beta = 0.312$)?

Đặc thù sản phẩm sơn trang trí và vật liệu xây dựng phụ thuộc chặt chẽ vào tiến độ thi công công trình. Nhà thầu và thợ sơn đòi hỏi thời gian giao nhận cấp tốc tận chân công trình và chính sách hỗ trợ pha màu, đổi trả vỏ thùng/sơn dôi dư linh hoạt để đảm bảo tiến độ xây dựng không bị gián đoạn.

3. Làm thế nào để kiểm soát rủi ro đa cộng tuyến khi đưa đồng thời 5 nhân tố Marketing vào mô hình?

Cần kiểm tra chỉ số phóng đại phương sai (Variance Inflation Factor - VIF) và chỉ số Tolerance trong bảng kết quả Coefficients. Nếu hệ số $\text{VIF} < 2.0$ (hoặc nghiêm ngặt là $< 5.0$) thì mô hình hoàn toàn không vi phạm giả định về đa cộng tuyến.

4. Doanh nghiệp có thể áp dụng giải pháp chiết khấu giá mà không làm suy giảm biên lợi nhuận ròng như thế nào?

Cần áp dụng chính sách chiết khấu theo dòng tiền (Cash Discount): Giảm giá 1.5% - 2.0% cho khách hàng thanh toán ngay trong 24-48 giờ. Lợi ích từ việc thu hồi vốn nhanh, giảm chi phí lãi vay và loại trừ rủi ro nợ xấu sẽ bù đắp vượt trội phần chiết khấu giá.

5. Chi phí dự toán và thời gian thu hồi vốn (ROI) của hệ thống giải pháp nâng cao hiệu quả bán hàng là bao nhiêu?

Tổng ngân sách triển khai ước tính 220.000.000 VND trong vòng 12 tháng. Với mức tăng trưởng doanh thu dự kiến đạt 18-22% và tỷ suất sinh lời trên doanh thu (ROS) cải thiện từ 3.2% lên mức 5.0%, thời gian hoàn vốn đầu tư ước tính đạt từ 6 đến 8 tháng sau khi triển khai toàn diện.

Kết luận

Khóa luận tốt nghiệp đã hoàn thành toàn diện các mục tiêu nghiên cứu thông qua việc kết hợp chặt chẽ giữa cơ sở lý luận quản trị kinh doanh, phân tích tài chính - nhân sự giai đoạn 2015–2017 và phân tích định lượng thực nghiệm với $N = 130$ khách hàng. Mô hình hồi quy tuyến tính bội ($R^2 \text{ hiệu chỉnh} = 0.634$) đã xác định và lượng hóa chính xác mức độ ảnh hưởng của 5 nhân tố cốt lõi: Dịch vụ bán hàng ($\beta = 0.312$), Giá cả ($\beta = 0.268$), Sản phẩm ($\beta = 0.224$), Nhân viên bán hàng ($\beta = 0.195$) và Xúc tiến bán hàng ($\beta = 0.158$). Hệ thống giải pháp 5Ps được xây dựng có tính khả thi cao, đóng vai trò là cẩm nang chiến lược giúp Công ty TNHH Hiệp Thành bứt phá doanh số, củng cố vị thế dẫn đầu thị trường sơn tại Thừa Thiên Huế và tối ưu hóa hiệu quả sử dụng nguồn vốn.