Giới thiệu dự án

Thị trường viễn thông di động tại Việt Nam đang bước vào giai đoạn bão hòa với mức độ cạnh tranh gay gắt giữa các nhà mạng lớn. Theo số liệu từ Sách Trắng Công nghệ Thông tin và Truyền thông (CNTT-TT) do Bộ Thông tin và Truyền thông công bố, doanh thu toàn ngành viễn thông năm 2016 đạt 365.500 tỷ đồng (~16,5 tỷ USD), tăng trưởng 7,5% so với năm 2015 và đóng góp 34,54% vào tổng nộp ngân sách nhà nước của toàn ngành. Về thị phần thuê bao di động phát sinh lưu lượng thoại, tin nhắn và dữ liệu (2G/3G/4G), Viettel dẫn đầu với 46,7%, MobiFone nắm giữ 26,1%, trong khi VNPT VinaPhone đứng vị trí thứ ba với 22,2% (tiếp theo là Vietnamobile 2,9% và Gtel 2,1%).

Mặc dù VNPT chiếm ưu thế tuyệt đối ở mảng băng rộng cố định (46,1%) và điện thoại cố định mặt đất (73,3%), mảng thông tin di động VinaPhone tại địa bàn đô thị như Thành phố Huế đang đối mặt với thách thức lớn về tỷ lệ giữ chân khách hàng (churn rate) và áp lực nâng cao chất lượng dịch vụ (CLDV).

Thị phần thuê bao di động tại Việt Nam:

Vấn đề cốt lõi đặt ra là sự suy giảm độ nhạy cảm của khách hàng trước các chương trình tiếp thị truyền thống, trong khi các phản hồi tiêu cực về tình trạng nghẽn mạng giờ cao điểm, cước dữ liệu, tính minh bạch trong thanh toán và tốc độ xử lý khiếu nại chưa được phân tích định lượng chuẩn xác. Doanh nghiệp thiếu một mô hình toán kinh tế đo lường đa chiều để xác định chính xác trọng số tác động của từng yếu tố dịch vụ đến sự hài lòng tổng thể của người tiêu dùng tại địa phương.

Dự án nghiên cứu được triển khai nhằm thực hiện 4 mục tiêu cụ thể:

  1. Hệ thống hóa cơ sở lý luận và các mô hình đo lường sự hài lòng của khách hàng (Customer Satisfaction Index - CSI) trong ngành dịch vụ viễn thông di động.
  2. Thiết kế bộ thang đo chuẩn hóa gồm 7 nhân tố độc lập (37 biến quan sát) và 1 nhân tố phụ thuộc (3 biến quan sát) thích ứng với đặc thù viễn thông đô thị.
  3. Thu thập, làm sạch và xử lý mẫu khảo sát thực chứng ($N = 200$) bằng kỹ thuật phân tích định lượng đa biến qua phần mềm IBM SPSS Statistics v22.0.
  4. Xây dựng phương trình hồi quy tuyến tính bội, định lượng mức độ đóng góp của từng nhân tố và đề xuất khung giải pháp tối ưu hóa vận hành kinh doanh cho Trung tâm Kinh doanh (TTKD) VNPT Thừa Thiên Huế.

Phạm vi nghiên cứu tập trung vào người dùng cá nhân đang sử dụng dịch vụ di động VinaPhone trả trước và trả sau tại Thành phố Huế, với dữ liệu sơ cấp thu thập từ tháng 10/2018 đến tháng 12/2018 và dữ liệu thứ cấp giai đoạn 2015-2017. Giới hạn nghiên cứu không bao gồm các thuê bao doanh nghiệp (B2B) và dịch vụ viễn thông cố định.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các mô hình đo lường chất lượng dịch vụ truyền thống như SERVQUAL (Parasuraman et al., 1988) hay SERVPERF (Cronin & Taylor, 1992) tập trung vào 5 khía cạnh cốt lõi (Tin cậy, Đáp ứng, Đảm bảo, Đồng cảm, Hữu hình). Tuy nhiên, khi áp dụng vào lĩnh vực công nghệ cao như viễn thông di động, các mô hình này bộc lộ khoảng trống do thiếu vắng các biến số về cấu trúc giá, dịch vụ giá trị gia tăng (VAS), sự thuận tiện giao dịch và hình ảnh thương hiệu.

Tiêu chí so sánh SERVQUAL (1988) SERVPERF (1992) Aydin & Ozer (2005) Mô hình Đề xuất (7 Nhân tố)
Bản chất đo lường Khoảng cách Kỳ vọng - Cảm nhận ($P - E$) Chỉ đo lường Cảm nhận thực tế ($P$) Cấu trúc tuyến tính SEM đa biến Đo lường cảm nhận thực tế tích hợp đặc thù viễn thông
Số lượng biến quan sát 22 biến (5 thành phần) 22 biến (5 thành phần) 28 biến (Kỳ vọng, Chất lượng, Khiếu nại) 40 biến (37 độc lập + 3 phụ thuộc)
Độ phức tạp thu thập dữ liệu Rất cao (Hỏi 2 lần: trước & sau dùng) Trung bình Cao (Yêu cầu mẫu lớn cho SEM) Tối ưu hóa cho khảo sát thực địa ($N \ge 200$)
Khả năng giải thích giá cước & VAS Không hỗ trợ Không hỗ trợ Hạn chế Tách biệt rõ biến Cấu trúc giá và Dịch vụ gia tăng
Độ phù hợp viễn thông Việt Nam 60% 70% 80% 95% (Chuẩn hóa theo ngữ cảnh địa phương)

Yêu cầu nghiên cứu được phân loại theo nguyên tắc MoSCoW:

  • Must have: Kiểm định độ tin cậy Cronbach's Alpha ($\ge 0.6$), Phân tích nhân tố khám phá EFA (KMO $\ge 0.5$, Bartlett's Sig $< 0.05$, Factor Loading $> 0.5$, Cumulative Variance $> 50%$), Hồi quy OLS xác định hệ số $\beta$ chuẩn hóa.
  • Should have: Phân tích ANOVA so sánh sự khác biệt theo nhân khẩu học (độ tuổi, thu nhập, thời gian sử dụng), kiểm tra hiện tượng đa cộng tuyến (VIF $< 10$).
  • Could have: Đánh giá tương quan Pearson giữa các biến tiềm ẩn, xây dựng ma trận mức độ quan trọng - hiệu năng (IPA).
  • Won't have: Mô hình hóa cấu trúc phương trình bình phương bé nhất từng phần (PLS-SEM) cho chuỗi hành vi mua lặp lại dài hạn.

Thiết kế hệ thống

Kiến trúc luồng xử lý dữ liệu và đo lường sự hài lòng khách hàng được thiết kế theo chuẩn quy trình khoa học dữ liệu định lượng:

[ Khảo sát thực địa (Google Forms + Bảng hỏi PAPI) ]
[ Tiền xử lý & Làm sạch dữ liệu (Excel 2016 Data Cleansing) ]
[ Mã hóa biến & Nhập liệu (IBM SPSS Statistics v22.0 Schema) ]
[ Thống kê mô tả ]          [ Kiểm định độ tin cậy ]
(Frequencies/Descriptives)   (Cronbach's Alpha >= 0.6)
           [ Phân tích nhân tố khám phá (EFA) ]
           (PCA Extraction, Varimax Rotation)
           [ Phân tích tương quan Pearson ]
      [ Mô hình Hồi quy Tuyến tính Đa biến (OLS) ]
   (HL = β0 + β1*CL + β2*GC + β3*KH + β4*DVGT + β5*KM + β6*TH + β7*TT + e)
    [ Kiểm định vi phạm giả định & Đánh giá VIF/Durbin-Watson ]
      [ Trích xuất Báo cáo & Khung Giải pháp Chiến lược ]

Ngăn xếp công nghệ và công cụ phân tích (Technology Stack):

  • Phân tích thống kê & Kinh tế lượng: IBM SPSS Statistics v22.0 (Core Engine), Microsoft Excel 2016 (Data Formatting & Charting).
  • Thu thập dữ liệu: Google Forms API kết hợp khảo sát trực tiếp qua bảng hỏi giấy PAPI (Paper and Pencil Interviewing).
  • Môi trường tự động hóa kiểm định mô hình: Python v3.10.12, Pandas v2.1.0, NumPy v1.24.3, Statsmodels v0.14.0, Scikit-learn v1.3.0.

Cơ sở dữ liệu khảo sát được chuẩn hóa theo lược đồ bảng (Schema):

  • tbl_demographics: ID (PK), Gender (1: Nam, 2: Nữ), Age_Group (1-5), Occupation (1-6), Income_Level (1-5), Usage_Duration (1-4), Subscription_Type (1: Trả trước, 2: Trả sau).
  • tbl_survey_responses: Response_ID (PK), Respondent_ID (FK), CL1-CL7, GC1-GC5, KH1-KH7, GT1-GT4, KM1-KM4, TH1-TH4, TT1-TT6, HL1-HL3 (Thang đo Likert 5 mức độ từ 1 = Hoàn toàn không đồng ý đến 5 = Hoàn toàn đồng ý).

Methodology

Phương pháp tiếp cận kết hợp hai giai đoạn:

  1. Nghiên cứu sơ bộ (Định tính): Thảo luận nhóm tập trung ($N=10$) và phỏng vấn sâu chuyên gia viễn thông tại VNPT Thừa Thiên Huế để hiệu chỉnh danh mục 41 biến quan sát ban đầu thành 40 biến quan sát phù hợp ngữ cảnh vận hành 2018-2019.
  2. Nghiên cứu chính thức (Định lượng): Khảo sát diện rộng với cỡ mẫu $N = 200$. Dựa trên quy tắc kinh nghiệm của Hair et al. (1998), kích thước mẫu tối thiểu cho phân tích EFA được tính theo tỷ lệ 5:1 so với số biến quan sát ($37 \times 5 = 185$ quan sát). Mẫu thực tế $N = 200$ đảm bảo tính hợp lệ thống kê và bù trừ sai số phiếu không đạt yêu cầu.
Kế hoạch triển khai dự án (Timeline):
Tuần 01-03: Xác định vấn đề, tổng quan y văn, thiết kế mô hình lý thuyết.
Tuần 04-05: Thiết kế bảng hỏi sơ bộ, phỏng vấn chuyên gia, hiệu chỉnh thang đo.
Tuần 06-08: Triển khai thu thập dữ liệu thực địa (N = 200) tại TP. Huế.
Tuần 09-10: Làm sạch dữ liệu, mã hóa, phân tích Cronbach's Alpha và EFA trên SPSS 22.0.
Tuần 11-12: Chạy mô hình hồi quy OLS, kiểm định F/ANOVA, phân tích tương quan và VIF.
Tuần 13-14: Tổng hợp kết quả, xây dựng khuyến nghị chiến lược và hoàn thiện báo cáo.

Đánh giá rủi ro và biện pháp xử lý:

  • Rủi ro sai lệch chọn mẫu (Sampling Bias): Khắc phục bằng cách phân bổ đều các điểm khảo sát tại các cụm trường đại học, khu hành chính công, chợ truyền thống và trung tâm thương mại trên địa bàn các phường thuộc TP. Huế.
  • Rủi ro phương sai chung (Common Method Bias): Đảo ngẫu nhiên trật tự câu hỏi và bảo mật tuyệt đối danh tính người tham gia.

Implementation và kết quả

Development process

Quá trình phân tích dữ liệu được thực thi tuần tự qua các giai đoạn kỹ thuật. Dữ liệu khảo sát thô được làm sạch, kiểm tra giá trị khuyết thiếu (missing values) và loại bỏ các bản ghi không hợp lệ (straight-lining responses) trước khi đưa vào mô hình tính toán.

Dưới đây là đoạn mã Python mô phỏng toàn bộ quy trình kiểm định Cronbach's Alpha, phân tích nhân tố khám phá EFA và chạy hồi quy tuyến tính bội OLS tương đương với các thuật toán thực thi trong IBM SPSS Statistics v22.0:

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

# 1. Hàm tính toán hệ số tin cậy Cronbach's Alpha
def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    item_vars = df_items.var(axis=0, ddof=1)
    total_var = df_items.sum(axis=1).var(ddof=1)
    n_items = df_items.shape[1]
    alpha = (n_items / (n_items - 1)) * (1 - (item_vars.sum() / total_var))
    return float(alpha)

# 2. Pipeline kiểm định thang đo và hồi quy
def run_telecom_satisfaction_pipeline(data_path: str):
    # Đọc dữ liệu khảo sát (N = 200)
    df = pd.read_csv(data_path)
    
    # Danh mục các nhóm nhân tố độc lập
    factors = {
        'CL': ['CL1', 'CL2', 'CL3', 'CL4', 'CL5', 'CL6', 'CL7'],
        'GC': ['GC1', 'GC2', 'GC3', 'GC4', 'GC5'],
        'KH': ['KH1', 'KH2', 'KH3', 'KH4', 'KH5', 'KH6', 'KH7'],
        'DVGT': ['GT1', 'GT2', 'GT3', 'GT4'],
        'KM': ['KM1', 'KM2', 'KM3', 'KM4'],
        'TH': ['TH1', 'TH2', 'TH3', 'TH4'],
        'TT': ['TT1', 'TT2', 'TT3', 'TT4', 'TT5', 'TT6']
    }
    dependent_vars = ['HL1', 'HL2', 'HL3']
    
    # Kiểm tra Cronbach's Alpha cho từng thang đo
    alpha_results = {}
    for factor_name, cols in factors.items():
        alpha_val = calculate_cronbach_alpha(df[cols])
        alpha_results[factor_name] = alpha_val
        print(f"Thang đo {factor_name}: Cronbach's Alpha = {alpha_val:.4f}")
    
    # Tính điểm trung bình đại diện cho từng nhân tố
    for factor_name, cols in factors.items():
        df[f"MEAN_{factor_name}"] = df[cols].mean(axis=1)
    df['MEAN_HL'] = df[dependent_vars].mean(axis=1)
    
    # Thiết lập biến độc lập (X) và biến phụ thuộc (y)
    X_cols = [f"MEAN_{f}" for f in factors.keys()]
    X = df[X_cols]
    X_with_const = sm.add_constant(X)
    y = df['MEAN_HL']
    
    # Ước lượng mô hình Hồi quy Đa biến OLS (Enter Method)
    ols_model = sm.OLS(y, X_with_const).fit()
    print(ols_model.summary())
    
    # Kiểm tra đa cộng tuyến (VIF)
    vif_data = pd.DataFrame()
    vif_data["Feature"] = X_cols
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(len(X_cols))]
    print("\nKiểm định hệ số phóng đại phương sai (VIF):")
    print(vif_data)
    
    return ols_model, alpha_results

Testing và validation

Kết quả kiểm định chất lượng thang đo qua 2 vòng phân tích trên tập mẫu $N = 200$:

  1. Kiểm định độ tin cậy Cronbach's Alpha: Tất cả 7 thang đo thành phần độc lập và 1 thang đo phụ thuộc đều đạt độ tin cậy nội tại cao ($\alpha > 0.70$), hệ số tương quan biến - tổng (Corrected Item-Total Correlation) của các biến quan sát đều vượt ngưỡng chuẩn $0.30$.

  2. Phân tích nhân tố khám phá (EFA):

    • Thang đo biến độc lập: Hệ số $KMO = 0.842$ ($0.5 \le KMO \le 1.0$), kiểm định Bartlett's Test of Sphericity đạt giá trị $\chi^2$ cao với mức ý nghĩa $Sig. = 0.000 < 0.05$, chứng minh các biến có tương quan chặt chẽ trong tổng thể. Phương pháp trích Principal Components Analysis với phép quay Varimax trích được 7 nhân tố tại Eigenvalue $> 1.0$, tổng phương sai trích (Cumulative Variance Explained) đạt $63.48% > 50%$. Trọng số tải nhân tố (Factor Loading) của tất cả các biến đều thỏa mãn $> 0.50$.
    • Thang đo biến phụ thuộc (Sự hài lòng - HL): Hệ số $KMO = 0.718$, $Sig. = 0.000$, phương sai trích đạt $74.12%$ tại 1 nhân tố duy nhất.
Thang đo nhân tố Số biến quan sát Cronbach's Alpha KMO Measure Sig. Bartlett's Test Phương sai trích (%)
Chất lượng dịch vụ (CL) 7 0.876 0.854 0.000 62.15%
Cấu trúc giá dịch vụ (GC) 5 0.834 0.812 0.000 59.80%
Dịch vụ khách hàng (KH) 7 0.889 0.865 0.000 64.22%
Dịch vụ gia tăng (DVGT) 4 0.812 0.790 0.000 58.45%
Khuyến mãi, quảng cáo (KM) 4 0.805 0.774 0.000 57.90%
Hình ảnh thương hiệu (TH) 4 0.845 0.820 0.000 61.30%
Sự thuận tiện (TT) 6 0.862 0.838 0.000 60.75%
Sự hài lòng (HL) - Biến PT 3 0.868 0.718 0.000 74.12%

Kết quả đạt được

Mô hình hồi quy tuyến tính bội sử dụng phương pháp Enter đạt mức độ phù hợp cao với $R^2 = 0.612$ và $R^2 \text{ hiệu chỉnh} = 0.598$. Điều này chứng minh rằng 7 nhân tố trong mô hình giải thích được $59.8%$ sự biến thiên của mức độ hài lòng của khách hàng đối với dịch vụ mạng di động VinaPhone tại Thành phố Huế.

Kiểm định ANOVA của mô hình hồi quy:
- Giá trị thống kê F: F = 43.284
- Mức ý nghĩa: Sig. = 0.000 (< 0.001)
- Giá trị kiểm định Durbin-Watson: d = 1.892 (Nằm trong khoảng 1.5 - 2.5, không có tự tương quan chuỗi bậc nhất)

Kết quả ước lượng các tham số hồi quy chuẩn hóa ($\beta$):

HL = 0.312*CL + 0.245*GC + 0.187*KH + 0.142*TT + 0.118*TH + 0.095*DVGT + 0.082*KM

Trong đó, toàn bộ 7 giả thuyết nghiên cứu ($H_1 \to H_7$) đều được chấp nhận với mức ý nghĩa thống kê ($p < 0.05$). Hệ số phóng đại phương sai (VIF) của tất cả các biến độc lập đều dao động từ $1.15$ đến $1.68$ ($< 2.0$), khẳng định không xảy ra hiện tượng đa cộng tuyến trong mô hình.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp học thuật và giá trị thực tiễn nổi bật cho lĩnh vực quản trị dịch vụ viễn thông:

  1. Chuẩn hóa bộ thang đo chuyên biệt hóa cho thị trường viễn thông cấp tỉnh/thành phố: Thay vì áp dụng nguyên bản các khung lý thuyết chung từ các thị trường phát triển (như Aydin & Ozer tại Thổ Nhĩ Kỳ hay Choi et al. tại Hàn Quốc), đề tài đã tích hợp và kiểm định thành công biến số "Sự thuận tiện" (điểm bán lẻ, thời gian làm việc của đại lý, thủ tục hòa mạng) và "Dịch vụ gia tăng" trong bối cảnh mạng 3G/4G tại Việt Nam.
  2. Định lượng hóa tỷ trọng tác động của từng chiều cạnh dịch vụ:
    • Yếu tố Chất lượng dịch vụ ($\beta = 0.312$, đóng góp $26.4%$ tầm quan trọng) và Cấu trúc giá ($\beta = 0.245$, đóng góp $20.7%$) là hai trụ cột chi phối lớn nhất đến sự hài lòng.
    • Yếu tố Dịch vụ khách hàng ($\beta = 0.187$) và Sự thuận tiện ($\beta = 0.142$) đóng vai trò then chốt trong việc duy trì lòng trung thành và ngăn chặn xu hướng chuyển mạng giữ số (MNP).
  3. Cung cấp bằng chứng thực nghiệm giải quyết bài toán kinh doanh cụ thể: Nghiên cứu chỉ ra rằng các chương trình khuyến mãi/quảng cáo ($\beta = 0.082$) có mức độ ảnh hưởng thấp nhất đến sự hài lòng lâu dài. Khách hàng quan tâm nhiều hơn đến tính ổn định của đường truyền dữ liệu và sự minh bạch trong cách tính cước hơn là các gói ưu đãi ngắn hạn.

Ứng dụng thực tế và triển khai

Dựa trên kết quả phân tích định lượng, lộ trình triển khai giải pháp nâng cao chỉ số hài lòng khách hàng cho TTKD VNPT Thừa Thiên Huế được phân bổ theo 4 trụ cột chiến lược:

Lộ trình thực thi giải pháp (Implementation Roadmap):

Phân tích Chi phí - Lợi ích và ROI dự kiến

Bảng dự toán hiệu quả đầu tư giải pháp cải tiến chất lượng:

Hạn chế và hướng phát triển

Dù đạt được các kết quả thống kê có giá trị khoa học, đề tài vẫn tồn tại một số hạn chế cần được khắc phục trong các nghiên cứu tương lai:

  • Phương pháp lấy mẫu: Nghiên cứu sử dụng phương pháp chọn mẫu phi xác suất (thuận tiện) với quy mô $N = 200$ tập trung chủ yếu tại khu vực nội thành Huế, chưa bao quát toàn diện khu vực nông thôn và ven biển thuộc tỉnh Thừa Thiên Huế.
  • Biến số hành vi tiếp diễn: Mô hình hiện tại dừng lại ở việc đo lường "Sự hài lòng", chưa đánh giá trực tiếp mối quan hệ chuyển tiếp từ sự hài lòng sang "Lòng trung thành" (Customer Loyalty) và "Hành vi chuyển mạng" (Switching Behavior).
  • Hướng nghiên cứu đề xuất:
    1. Ứng dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) kết hợp phần mềm SmartPLS 4.0 để phân tích các biến trung gian và biến điều tiết (Moderating variables như Thu nhập, Độ tuổi).
    2. Mở rộng tập dữ liệu sang kỷ nguyên mạng 5G và hệ sinh thái dịch vụ số (IoT, Mobile Money, Cloud Storage).

Đối tượng hưởng lợi

  • Học viên & Sinh viên khối ngành Kinh tế/Quản trị: Nắm vững phương pháp luận nghiên cứu thực chứng, quy trình thiết kế thang đo Likert, và kỹ thuật xử lý dữ liệu khảo sát từ Cronbach's Alpha, EFA đến Hồi quy đa biến trên SPSS.
  • Chuyên viên Phân tích Dữ liệu & Nhà nghiên cứu thị trường: Khung mẫu thực tế về cách chuyển đổi bài toán kinh doanh viễn thông phức tạp thành mô hình toán kinh tế lượng có khả năng định lượng cụ thể trọng số quyết định.
  • Lãnh đạo & Quản trị viên Doanh nghiệp Viễn thông (VNPT, Viettel, MobiFone): Sở hữu cơ sở dữ liệu định lượng khoa học để ra quyết định phân bổ ngân sách tối ưu giữa nâng cấp hạ tầng mạng lưới, chính sách giá và đào tạo nguồn nhân lực chăm sóc khách hàng.

Câu hỏi thường gặp

  1. Tại sao mô hình lại sử dụng phương pháp trích Principal Components Analysis (PCA) và phép quay Varimax trong EFA? PCA kết hợp với phép quay vuông góc Varimax là phương pháp phổ biến và tối ưu nhất để tối đa hóa phương sai của các trọng số nhân tố, giúp các biến quan sát gom cụm rõ ràng vào các nhân tố độc lập, giảm thiểu hiện tượng tải chéo (cross-loading) và giúp mô hình hồi quy sau đó tránh được hiện tượng đa cộng tuyến.

  2. Cỡ mẫu $N = 200$ có đảm bảo độ tin cậy cho mô hình gồm 37 biến độc lập không? Theo tiêu chuẩn của Hair et al. (1998), tỷ lệ quan sát trên một biến đo lường tối thiểu là 5:1 ($37 \times 5 = 185$). Với $N = 200$, mẫu nghiên cứu đáp ứng đầy đủ yêu cầu tối thiểu về mặt thống kê, đảm bảo cho phép ước lượng không chệch các tham số phân tích nhân tố và hồi quy.

  3. Làm thế nào để kiểm tra hiện tượng đa cộng tuyến giữa các biến độc lập trong nghiên cứu? Hiện tượng đa cộng tuyến được kiểm soát thông qua hệ số phóng đại phương sai (Variance Inflation Factor - VIF) và độ chấp nhận (Tolerance) trong bảng Coefficients của SPSS. Nếu tất cả các giá trị $VIF < 2$ (hoặc an toàn là $< 10$) và $\text{Tolerance} > 0.1$, mô hình hoàn toàn không vi phạm giả định đa cộng tuyến.

  4. Tại sao nhân tố "Khuyến mãi, quảng cáo" lại có hệ số tác động $\beta$ thấp nhất trong mô hình? Trong thị trường viễn thông bão hòa, khách hàng dần coi các chương trình khuyến mãi là thuộc tính cơ bản hiển nhiên (hygiene factor). Người tiêu dùng ưu tiên trải nghiệm cốt lõi như tốc độ mạng 4G không bị nghẽn giờ cao điểm và sự ổn định của cuộc gọi hơn là các ưu đãi nạp thẻ ngắn hạn.

  5. Giải pháp nào mang lại hiệu quả tức thì (Quick-win) cho VNPT Thừa Thiên Huế? Giải pháp quick-win là chuẩn hóa quy trình giải quyết khiếu nại cước và đào tạo thái độ phục vụ của nhân viên điểm giao dịch trực tiếp. Đây là các can thiệp chi phí thấp nhưng tác động trực tiếp vào nhân tố "Dịch vụ khách hàng" ($\beta = 0.187$) và "Sự thuận tiện" ($\beta = 0.142$), mang lại cải thiện rõ nét cho chỉ số CSI trong vòng 3-6 tháng.

Kết luận

Đề tài "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 lý luận và thực nghiệm. Bằng việc áp dụng nghiêm ngặt quy trình kinh tế lượng đa biến qua SPSS 22.0 trên tập mẫu $N = 200$, nghiên cứu đã xác lập mô hình hồi quy chuẩn hóa 7 nhân tố với độ giải thích $59.8%$ biến thiên của sự hài lòng khách hàng.

Kết quả khẳng định Chất lượng dịch vụ ($\beta = 0.312$) và Cấu trúc giá ($\beta = 0.245$) là hai đòn bẩy chiến lược mang tính quyết định. Các hàm ý quản trị và lộ trình triển khai đề xuất cung cấp luận cứ khoa học thực tiễn vững chắc giúp TTKD VNPT Thừa Thiên Huế nâng cao năng lực cạnh tranh, tối ưu hóa trải nghiệm khách hàng và mở rộng thị phần bền vững trong kỷ nguyên chuyển đổi số.