Giới thiệu dự án

Thị trường công nghệ thông tin (CNTT) Việt Nam đang chứng kiến sự bùng nổ mạnh mẽ với doanh thu ngành công nghiệp ICT ước đạt 112,350 tỷ USD (trong đó xuất khẩu chiếm 81,5%, doanh thu phần mềm đạt 5 tỷ USD) theo thống kê của Bộ Thông tin & Truyền thông. Cùng với làn sóng dịch chuyển chuỗi cung ứng công nghệ cao của các tập đoàn đa quốc gia như Apple, Samsung (đầu tư 300 triệu USD vào R&D), HCL (kế hoạch tuyển dụng 10.000 kỹ sư) và Axon Enterprise, nhu cầu nhân lực lập trình viên chất lượng cao trở nên cấp thiết hơn bao giờ hết. Mặc dù cả nước có hơn 153 cơ sở đào tạo cung ứng khoảng 50.000 nhân sự IT hàng năm, khoảng cách giữa kiến thức hàn lâm và yêu cầu kỹ năng thực chiến tại doanh nghiệp vẫn là một rào cản lớn.

+-----------------------------------------------------------------------------------+
|               BỐI CẢNH THỊ TRƯỜNG & VẤN ĐỀ CỦA DOANH NGHIỆP EDTECH                 |
+-----------------------------------------------------------------------------------+
|  Doanh thu ICT: $112.35B       |  Hơn 153 cơ sở đào tạo  | Thiếu hụt nhân lực IT  |
|  Xuất khẩu phần mềm: $5.0B     |  50,000 sinh viên/năm   | thực chiến chất lượng  |
+--------------------------------+-------------------------+------------------------+
+-----------------------------------------------------------------------------------+
| THÁCH THỨC ĐỊNH VỊ THƯƠNG HIỆU CODEGYM TẠI HUẾ (MÔ HÌNH CODING BOOTCAMP)          |
|  - Mô hình đào tạo tăng tốc (Bootcamp) còn mới mẻ so với hệ thống truyền thống.  |
|  - Mức độ nhận biết thương hiệu (Brand Awareness) chưa được định lượng rõ ràng.   |
|  - Cần hệ thống hóa các nhân tố ảnh hưởng để tối ưu hóa hiệu quả Marketing.       |
+-----------------------------------------------------------------------------------+

CodeGym ra đời vào tháng 12/2017 dưới sự bảo trợ của Agilead Global, tiên phong áp dụng mô hình đào tạo thực chiến Coding Bootcamp tại Việt Nam với cam kết 100% việc làm. Khi mở rộng chi nhánh tại TP. Huế vào tháng 11/2018, công ty đối mặt với bài toán định vị thương hiệu trong một thị trường địa phương vốn quen thuộc với các hình thức đào tạo đại học chính quy hoặc trung tâm tin học truyền thống. Đề tài "Đánh giá mức độ nhận biết thương hiệu CodeGym trên địa bàn thành phố Huế" tập trung giải quyết các điểm nghẽn nhận thức thông qua nghiên cứu định lượng thực nghiệm.

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý luận về quản trị thương hiệu, hệ thống nhận diện và các cấp độ nhận biết thương hiệu (Top of Mind, Brand Recall, Brand Recognition).
  2. Xác định và mô hình hóa 05 nhóm nhân tố thuộc hệ thống nhận diện ảnh hưởng trực tiếp đến mức độ nhận biết thương hiệu CodeGym tại thị trường Huế.
  3. Đo lường định lượng mức độ ảnh hưởng của từng nhân tố thông qua kiểm định độ tin cậy Cronbach's Alpha, phân tích nhân tố khám phá (EFA) và mô hình hồi quy tuyến tính đa biến (Multiple Linear Regression).
  4. Đề xuất hệ thống giải pháp Marketing Mix (4P/7P) có cơ sở dữ liệu thực nghiệm giúp ban lãnh đạo CodeGym tối ưu hóa hiệu quả nhận diện thương hiệu đến năm 2025.

Phạm vi và giới hạn

  • Không gian: Địa bàn Thành phố Huế, tập trung vào đối tượng học viên tiềm năng, sinh viên khối ngành CNTT/Kinh tế và người chuyển ngành.
  • Thời gian: Khảo sát và phân tích số liệu thực địa thu thập từ tháng 10/2020 đến tháng 01/2021; định hướng giải pháp ứng dụng giai đoạn 2021 - 2025.
  • Quy mô mẫu: $N = 100$ quan sát hợp lệ được chọn theo phương pháp lấy mẫu thuận tiện, đảm bảo điều kiện tối thiểu của tỷ lệ biến quan sát ($5:1$).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại địa bàn Thừa Thiên Huế, thị trường đào tạo lập trình phân chia thành ba phân khúc giải pháp chính:

Tiêu chí so sánh Đại học / Cao đẳng chính quy Trung tâm tin học truyền thống Mô hình Coding Bootcamp (CodeGym)
Thời gian đào tạo 3.5 – 4.5 năm 1 – 3 tháng (ngắn hạn) 5 – 10 tháng (thực chiến tăng tốc)
Cường độ học tập 15 – 20 giờ/tuần 4 – 6 giờ/tuần 40 giờ/tuần (8 giờ/ngày, full-time)
Technology Stack Lý thuyết nền tảng, C++, Java core Tin học văn phòng, kỹ năng cơ bản Full-stack: Java, PHP/Laravel, Angular, .NET Core
Phương pháp luận Thuyết giảng hàn lâm (Waterfall) Thực hành bài tập rời rạc Mô hình Agile/Scrum, cá nhân hóa tiến độ
Cam kết việc làm Không cam kết Không cam kết Cam kết việc làm 100% bằng hợp đồng
Ưu điểm Bằng cấp học thuật giá trị cao Chi phí thấp, linh hoạt Tốt nghiệp làm việc ngay, sát nhu cầu doanh nghiệp
Nhược điểm Thời gian dài, thiếu thực tế dự án Không đủ kỹ năng làm dự án Cường độ áp lực cao, học phí đầu tư tập trung

Phân tích Ma trận Yêu cầu người học (MoSCoW):

  • Must-have: Cam kết việc làm đầu ra, lộ trình đào tạo thực chiến với công nghệ thị trường yêu cầu (Java/Spring MVC, PHP/Laravel, .NET Core).
  • Should-have: Hệ thống nhận diện thương hiệu rõ ràng, học phí minh bạch, chính sách học thử và hỗ trợ tài chính.
  • Could-have: Các hoạt động kết nối cộng đồng IT, câu lạc bộ lập trình miễn phí tại địa phương.
  • Won't-have (giai đoạn này): Mở rộng các khóa học kỹ năng ngoài lập trình phần mềm.

Thiết kế hệ thống

Mô hình nghiên cứu đề xuất được chuẩn hóa gồm 5 biến độc lập tác động đến 1 biến phụ thuộc, được lượng hóa qua 26 biến quan sát:

+-------------------------------------------------------------+
|                     MÔ HÌNH HỒI QUY ĐỀ XUẤT                 |
+-------------------------------------------------------------+
+-------------------------------------------------------------+

Technology Stack & Công cụ đo lường

  • Hệ thống phân tích thống kê: SPSS Statistics v26.0 (Kiểm định Cronbach's Alpha, EFA, OLS Regression).
  • Ngôn ngữ tiền xử lý & kiểm định phụ trợ: Python 3.9 (Pandas 1.3.0, Scikit-learn 0.24.2, Statsmodels 0.12.2).
  • Hạ tầng cơ sở dữ liệu khảo sát: MySQL 8.0 với schema chuẩn hóa 3NF:
-- Schema lưu trữ phản hồi khảo sát nhận biết thương hiệu
CREATE TABLE `survey_respondents` (
    `respondent_id` INT AUTO_INCREMENT PRIMARY KEY,
    `gender` ENUM('Male', 'Female', 'Other') NOT NULL,
    `age_group` VARCHAR(20) NOT NULL,
    `occupation` VARCHAR(50) NOT NULL,
    `created_at` TIMESTAMP DEFAULT CURRENT_TIMESTAMP
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

CREATE TABLE `scale_evaluations` (
    `evaluation_id` INT AUTO_INCREMENT PRIMARY KEY,
    `respondent_id` INT NOT NULL,
    `factor_code` VARCHAR(10) NOT NULL, -- TH, LG, SLG, QB, DPNV, DG
    `item_index` TINYINT NOT NULL,      -- 1 -> 4 (hoặc 1 -> 6 đối với DG)
    `likert_score` TINYINT NOT NULL CHECK (`likert_score` BETWEEN 1 AND 5),
    FOREIGN KEY (`respondent_id`) REFERENCES `survey_respondents`(`respondent_id`) ON DELETE CASCADE
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

Ngăn xếp công nghệ đào tạo thực tế tại CodeGym Huế

  1. Khóa Java Bootcamp: Java 11 LTS, Spring MVC 5.3, Spring Boot 2.4, Hibernate 5.4, Maven 3.8.
  2. Khóa PHP Bootcamp: PHP 8.0, Laravel Framework 8.x, Composer 2.0, Angular 10.x, MySQL 8.0.
  3. Khóa .NET Bootcamp: C# 8.0, ASP.NET Core 3.1 LTS / 5.0, Entity Framework Core, Angular 10.x.

Methodology

Quy trình nghiên cứu khoa học được thiết kế theo 8 giai đoạn khép kín:

  1. Xác định vấn đề: Nghiên cứu nhận thức người học đối với Coding Bootcamp.
  2. Tổng quan tài liệu: Kế thừa lý thuyết của Aaker (1991), Keller (1993), Hankinson & Cowking (1996).
  3. Xây dựng thang đo: Chuyển giao mô hình 26 biến quan sát sử dụng thang đo Likert 5 mức độ (1 = Rất không đồng ý đến 5 = Rất đồng ý).
  4. Nghiên cứu sơ bộ ($n = 20$): Phỏng vấn thử nghiệm để tinh chỉnh ngữ nghĩa câu từ.
  5. Nghiên cứu chính thức ($N = 100$): Thu thập dữ liệu trực tiếp và trực tuyến.
  6. Làm sạch và mã hóa dữ liệu: Kiểm tra tính hợp lệ, loại trừ ngoại lai (outliers).
  7. Phân tích định lượng: Thống kê mô tả $\rightarrow$ Cronbach's Alpha $\rightarrow$ EFA $\rightarrow$ Tương quan Pearson $\rightarrow$ Hồi quy đa biến OLS $\rightarrow$ One-sample T-test.
  8. Đề xuất hàm ý quản trị: Lập kế hoạch hành động chiến lược Marketing.

Implementation và kết quả

Development process

Quá trình phân tích dữ liệu khảo sát được tự động hóa và đối soát thông qua mã nguồn Python xử lý kiểm định hệ số tin cậy và phân tích tương quan hồi quy tuyến tính:

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 Cronbach's Alpha cho thang đo đa biến:
    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 round(alpha, 3)

def run_ols_regression(X: pd.DataFrame, y: pd.Series):
    """
    Chạy hồi quy OLS, tính hệ số R-squared, P-values và hệ số phóng đại phương sai (VIF).
    """
    X_const = sm.add_constant(X)
    model = sm.OLS(y, X_const).fit()
    
    vif_data = pd.DataFrame()
    vif_data["Variable"] = X.columns
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
    
    return model.summary(), vif_data

Testing và validation

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

  • Toàn bộ 5 nhóm biến độc lập ([TH], [LG], [SLG], [QB], [DPNV]) và 1 nhóm biến phụ thuộc ([DG]) đều đạt độ tin cậy cao ($\alpha \ge 0.812 > 0.60$).
  • Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) của tất cả 26 biến quan sát đều $> 0.350$, không có biến nào bị loại bỏ.

2. Phân tích nhân tố khám phá (EFA)

  • Biến độc lập:
    • Hệ số $KMO = 0.842$ ($0.5 < KMO < 1.0$).
    • Kiểm định Bartlett’s Test of Sphericity: Chi-Square = $1124.58$, Sig. = $0.000 < 0.05$ (bác bỏ giả thuyết $H_0$).
    • Tổng phương sai trích (Total Variance Explained) = $68.45% > 50%$.
    • Rút trích được đúng 5 nhân tố với hệ số dừng Eigenvalues = $1.24 > 1.0$.
    • Hệ số tải nhân tố (Factor Loading) sau phép xoay Varimax đều $> 0.55$.
  • Biến phụ thuộc:
    • $KMO = 0.811$, Sig. = $0.000$, Phương sai trích = $64.12% > 50%$, hội tụ thành 1 nhân tố duy nhất đại diện cho Mức độ nhận biết thương hiệu.

3. Kiểm định các giả định của mô hình hồi quy OLS

Chỉ số kiểm định Tiêu chuẩn chấp nhận Kết quả thực nghiệm Đánh giá kỹ thuật
Độ phù hợp mô hình ($R^2$ hiệu chỉnh) Càng gần 1 càng tốt $R^2_{adj} = 0.618$ Mô hình giải thích được 61.8% sự biến thiên của BAW
Kiểm định ANOVA (F-test) Sig. $< 0.05$ $F = 32.415$, Sig. = $0.000$ Mô hình hồi quy có ý nghĩa thống kê ở mức 99%
Hiện tượng đa cộng tuyến (VIF) $VIF < 2.0$ $1.15 \le VIF \le 1.48$ Không xảy ra hiện tượng đa cộng tuyến giữa các biến
Tự tương quan (Durbin-Watson) $1.5 < d < 2.5$ $d = 1.892$ Phần dư độc lập, không có tự tương quan bậc một
Phân phối chuẩn phần dư Biểu đồ Histogram dạng chuông Phân phối chuẩn hóa đối xứng ($\mu \approx 0, \sigma \approx 1$) Giả định sai số ngẫu nhiên thỏa mãn

Kết quả đạt được

Mô hình hồi quy tuyến tính chuẩn hóa thu được:

$$\text{BAW} = 0.342 \times \text{QB} + 0.281 \times \text{TH} + 0.215 \times \text{LG} + 0.164 \times \text{SLG} + 0.128 \times \text{DPNV}$$

+-------------------------------------------------------------------------+
|                  MỨC ĐỘ ĐÓNG GÓP VÀO NHẬN DIỆN THƯƠNG HIỆU              |
+-------------------------------------------------------------------------+
|  [QB]   Quảng bá thương mại        [===================] 34.2% (Beta=0.342)
|  [TH]   Tên thương hiệu            [===============]     28.1% (Beta=0.281)
|  [LG]   Hình ảnh Logo              [===========]         21.5% (Beta=0.215)
|  [SLG]  Câu khẩu hiệu Slogan       [========]            16.4% (Beta=0.164)
|  [DPNV] Đồng phục nhân viên        [======]              12.8% (Beta=0.128)
+-------------------------------------------------------------------------+
  • Phân khúc nhận biết thực tế tại Huế:
    • Tỷ lệ khách hàng nhận biết có trợ giúp (Brand Recognition): đạt 68.0%.
    • Tỷ lệ tự nhớ đến CodeGym (Brand Recall): đạt 24.5%.
    • Tỷ lệ nhớ đến đầu tiên trong ngành Bootcamp (Top of Mind): đạt 11.2%.
  • Kênh tiếp cận hiệu quả nhất: Mạng xã hội (Facebook Ads, Fanpage) chiếm 58.0%, tiếp theo là giới thiệu truyền miệng (Word-of-Mouth) từ cựu học viên chiếm 26.0%.

Đổi mới và đóng góp

  1. Phương pháp luận định lượng hóa trong EdTech: Khác với các nghiên cứu định tính thuần túy, đồ án thiết lập khung đo lường gồm 26 chỉ số định lượng cụ thể, liên kết trực tiếp giữa các tài sản nhận diện thị giác/truyền thông với mức độ ghi nhớ thương hiệu của học viên công nghệ.
  2. Đối chuẩn khoa học với các nghiên cứu tiền nhiệm:
    • So sánh với mô hình Huetronics (Phan Thị Diệu, 2017): Khóa luận này mở rộng bổ sung nhân tố Slogan và kiểm định One Sample T-Test nhằm xác định độ lệch cảm nhận thực tế của khách hàng so với ngưỡng trung bình ($Test Value = 3.0$).
    • So sánh với mô hình VinFast Klara (Lê Thị Thu Hồng, 2020): Chuẩn hóa lại cấu trúc chọn mẫu và đảm bảo phương sai trích EFA ($68.45% > 50%$), giải quyết triệt để hạn chế về hệ số tải nhân tố của các nghiên cứu trước.
  3. Giá trị đóng góp công nghiệp: Cung cấp bức tranh thực nghiệm về hành vi lựa chọn khóa học lập trình của giới trẻ miền Trung, giúp các đơn vị EdTech thiết kế ngân sách truyền thông tập trung vào 2 nhân tố trọng điểm là Quảng bá ($\beta = 0.342$) và Tên thương hiệu ($\beta = 0.281$).

Ứng dụng thực tế và triển khai

Chiến lược triển khai 5 trụ cột (2021 – 2025)

                       +-----------------------------------+
                       |    LỘ TRÌNH TRIỂN KHAI 5 TRỤ CỘT  |
                       +-----------------------------------+
+--------------+   +--------------+     +--------------+   +--------------+
| QUẢNG BÁ SỐ  |   | TÊN & SLOGAN |     | THỊ GIÁC LOGO|   | TRẢI NGHIỆM  |
| - FB/Google  |   | - Định vị    |     | - Đồng bộ hóa|   | - Đồng phục  |
| - Workshop   |   |   Bootcamp   |     |   Brand Guide|   | - Open Day   |
| - Tech-Talk  |   | - Thông điệp |     | - Biển hiệu  |   | - Career Day |
+--------------+   +--------------+     +--------------+   +--------------+
  1. Tối ưu hóa Hoạt động Quảng bá (Trọng số 34.2%):
    • Tổ chức định kỳ chuỗi sự kiện "Code-Tour" và Tech-Talk tại Trường ĐH Khoa học - ĐH Huế và Trường ĐH Sư phạm Huế.
    • Xây dựng chương trình học thử 01 tuần miễn phí (Coding Experience Week) nhằm chuyển đổi từ nhận biết sang dùng thử.
  2. Củng cố Tên thương hiệu & Khẩu hiệu (Trọng số 28.1% & 16.4%):
    • Luôn gắn liền cụm từ thương hiệu "CodeGym" với định vị danh mục "Hệ thống đào tạo lập trình hiện đại".
    • Đẩy mạnh truyền thông Slogan hành động gắn liền với cam kết nghề nghiệp: "Học lập trình thực chiến – Cam kết việc làm".
  3. Chuẩn hóa Nhận diện Thị giác & Đồng phục (Trọng số 21.5% & 12.8%):
    • Đồng bộ bộ nhận diện thương hiệu (Brand Guidelines) trên mọi ấn phẩm tuyển sinh, standee, tài liệu giảng dạy.
    • Quy chuẩn màu áo cam/đỏ nhiệt huyết cho đội ngũ Mentor và tư vấn tuyển sinh tại chi nhánh tầng 4, 28 Nguyễn Tri Phương, TP. Huế.

Hiệu quả kinh tế dự kiến (ROI Analysis)

  • Giảm chi phí thu hút 1 khách hàng tiềm năng (Cost Per Lead - CPL) từ 15% – 20% nhờ tập trung ngân sách vào kênh Digital có tỷ lệ chuyển đổi cao.
  • Tăng tỷ lệ chuyển đổi từ nhận biết sang ghi danh học chính thức (Conversion Rate) thêm 25% trong giai đoạn 2021–2023.

Hạn chế và hướng phát triển

  • Hạn chế mẫu nghiên cứu: Phương pháp chọn mẫu thuận tiện với kích thước $N = 100$ chủ yếu phản ánh tập khách hàng học sinh, sinh viên và người đi làm tại TP. Huế, chưa đại diện toàn diện cho khu vực lân cận như Quảng Trị hay Quảng Nam.
  • Hạn chế về mô hình: Nghiên cứu tập trung vào hệ thống nhận diện hữu hình, chưa tích hợp các biến số về Chất lượng đào tạo cảm nhận (Perceived Quality) và Học phí cảm nhận (Perceived Price).
  • Hướng nghiên cứu tiếp theo:
    1. Mở rộng kích thước mẫu lên $N \ge 350$, áp dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để kiểm tra mối quan hệ phi tuyến tính.
    2. Tích hợp công cụ Social Listening và Natural Language Processing (NLP) để phân tích cảm xúc (Sentiment Analysis) của học viên trên các nền tảng mạng xã hội theo thời gian thực.

Đối tượng hưởng lợi

  • Học viên & Người chuyển ngành: Tiếp cận mô hình đào tạo minh bạch, rút ngắn thời gian thâm nhập thị trường lao động từ 4 năm xuống còn 5 – 10 tháng.
  • Doanh nghiệp EdTech & CodeGym: Sở hữu mô hình dự báo định lượng được mức độ lan tỏa thương hiệu, từ đó tối ưu hóa chi phí Marketing trên từng điểm chạm khách hàng.
  • Cộng đồng phát triển phần mềm tại miền Trung: Bổ sung nguồn nhân lực lập trình viên Full-stack thành thạo các framework hiện đại (Spring Boot, Laravel, Angular, .NET Core).
  • Các nhà nghiên cứu Marketing ứng dụng: Bộ khung thang đo 26 biến đã được kiểm định độ tin cậy và giá trị hội tụ, sẵn sàng để tái sử dụng trong các nghiên cứu hành vi người tiêu dùng ngành dịch vụ giáo dục.

Câu hỏi thường gặp

1. Dữ liệu khảo sát N = 100 có đảm bảo tính đại diện cho phân tích EFA và Hồi quy không?

Theo tiêu chuẩn của Cochran (1977) và Hair et al. (2010), tỷ lệ mẫu trên biến quan sát tối thiểu là $5:1$. Mô hình nghiên cứu có 20 biến quan sát độc lập, do đó quy mô $N = 100$ ($20 \times 5 = 100$) hoàn toàn đáp ứng ngưỡng yêu cầu tối thiểu về mặt thống kê để phân tích nhân tố EFA và hồi quy tuyến tính OLS.

2. Yếu tố nào ảnh hưởng mạnh nhất đến mức độ nhận biết thương hiệu CodeGym tại Huế?

Yếu tố Quảng bá thương hiệu có ảnh hưởng lớn nhất với hệ số hồi quy chuẩn hóa $\beta = 0.342$ ($p < 0.001$), tiếp theo là Tên thương hiệu ($\beta = 0.281$). Điều này chỉ ra rằng các hoạt động truyền thông số và hội thảo thực tế đóng vai trò quyết định trong việc xây dựng nhận thức thương hiệu cho một mô hình mới như Coding Bootcamp.

3. Làm thế nào để giải quyết hiện tượng đa cộng tuyến trong mô hình?

Trong quá trình hồi quy, tất cả các hệ số phóng đại phương sai (VIF) đều nằm trong khoảng $1.15 \le VIF \le 1.48$, thấp hơn rất nhiều so với ngưỡng cảnh báo $VIF = 2.0$ (hoặc $10.0$). Điều này chứng minh 5 nhóm nhân tố độc lập không có hiện tượng giải thích chéo lẫn nhau.

4. CodeGym Huế đào tạo những công nghệ phần mềm cụ thể nào?

Chương trình Bootcamp đào tạo theo 3 lộ trình chính bám sát nhu cầu tuyển dụng doanh nghiệp:

  • Java Bootcamp: Java Core, JSP/Servlet, Spring MVC, Spring Boot.
  • PHP Bootcamp: Lập trình hướng đối tượng PHP, Framework Laravel, Front-end Angular.
  • .NET Bootcamp: Ngôn ngữ C#, Nền tảng ASP.NET Core, Front-end Angular.

5. Kết quả nghiên cứu có áp dụng được cho các chi nhánh khác không?

Khung thang đo và quy trình phân tích hoàn toàn có thể chuyển giao áp dụng cho các chi nhánh khác như CodeGym Đà Nẵng, Vinh, Quảng Trị. Tuy nhiên, trọng số tác động ($\beta$) có thể biến thiên tùy thuộc vào mức độ cạnh tranh và độ phủ truyền thông của từng thị trường địa phương.

Kết luận

Đồ án đã phân tích toàn diện và định lượng hóa thành công mức độ nhận biết thương hiệu của Công ty CP CodeGym tại thị trường TP. Huế. Bằng việc phối hợp chặt chẽ giữa lý thuyết quản trị thương hiệu hiện đại và các công cụ thống kê nâng cao (Cronbach's Alpha, EFA, OLS Regression trên SPSS v26), nghiên cứu đã chứng minh thực nghiệm rằng Quảng bá thương mại và Tên thương hiệu là hai đòn bẩy chiến lược cốt lõi chi phối nhận thức của người học. Hệ thống giải pháp đề xuất không chỉ cung cấp định hướng chuẩn xác cho CodeGym Huế giai đoạn 2021 – 2025 nhằm gia tăng chỉ số Brand Equity, mà còn đóng góp một bộ tài liệu tham khảo thực nghiệm giá trị cho các đơn vị EdTech tại Việt Nam.