Giới thiệu dự án

Trong bối cảnh cách mạng công nghiệp 4.0 và làn sóng chuyển đổi số toàn diện ngành tài chính - ngân hàng, Ngân hàng Thương mại Cổ phần Quân Đội (MB) đã đẩy mạnh chiến lược "Chuyển dịch ngân hàng số" giai đoạn 2017–2021, đạt mốc hơn 2,6 triệu người dùng hoạt động tích cực trên ứng dụng di động App MBBank vào năm 2018. Tại thị trường Thừa Thiên Huế – trung tâm kinh tế trọng điểm miền Trung với tốc độ tăng trưởng kinh tế bình quân đạt trên 9,5%/năm, nhu cầu tiếp cận dịch vụ tài chính hiện đại của phân khúc khách hàng cá nhân (KHCN) tăng trưởng đột biến. Tuy nhiên, rào cản về thói quen tiền mặt, tâm lý lo ngại rủi ro bảo mật trực tuyến và trải nghiệm người dùng chưa đồng bộ đặt ra thách thức lớn cho MB Chi nhánh Huế (07 Nguyễn Tri Phương, TP. Huế).

Vấn đề cốt lõi (Problem Statement) tập trung vào sự thiếu hụt các chỉ số định lượng cụ thể về trải nghiệm khách hàng tại địa phương đối với 4 kênh phân phối số chủ lực: Internet Banking (EMB), Mobile Banking (App MBBank), Bankplus và SMS Banking. Điểm nghẽn vận hành xuất hiện ở độ trễ xử lý giao dịch vào giờ cao điểm, tính ổn định kết nối hệ thống, mức độ trực quan của giao diện và tốc độ phản hồi từ đội ngũ hỗ trợ kỹ thuật. Đề tài nghiên cứu ứng dụng phương pháp kinh tế lượng và phân tích thống kê đa biến nhằm giải quyết bài toán đo lường mức độ thỏa mãn kỳ vọng của người dùng.

Mục tiêu nghiên cứu bao gồm 4 nhiệm vụ trọng tâm:

  1. Hệ thống hóa cơ sở lý luận về chất lượng dịch vụ ngân hàng điện tử (NHĐT) và mô hình hóa hành vi khách hàng cá nhân.
  2. Đo lường thực trạng và mức độ thỏa mãn của 140 khách hàng cá nhân thực tế tại MB Huế thông qua khảo sát định lượng 28 biến quan sát.
  3. Xây dựng và kiểm định mô hình hồi quy tuyến tính đa biến nhằm xác định trọng số tác động của từng nhân tố chất lượng dịch vụ đến sự hài lòng chung.
  4. Đề xuất hệ thống giải pháp công nghệ, tối ưu quy trình và chính sách chăm sóc khách hàng giai đoạn 2021–2023.

Phương pháp tiếp cận giải pháp sử dụng mô hình đo lường hiệu năng SERVPERF (Service Performance) tích hợp xử lý dữ liệu qua phần mềm SPSS 20.0, giúp loại bỏ các nhược điểm đo lường kỳ vọng phức tạp của SERVQUAL, mang lại kết quả định lượng chuẩn xác với độ tin cậy $\alpha \ge 0.60$ và hệ số tải nhân tố Factor Loading $> 0.50$. Phạm vi nghiên cứu giới hạn tại Hội sở MB Huế và 3 phòng giao dịch: PGD Bắc Trường Tiền, PGD Nam Trường Tiền và PGD Nam Vĩ Dạ, với dữ liệu thứ cấp giai đoạn 2017–2019 và dữ liệu sơ cấp thu thập năm 2020.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại thời điểm khảo sát, MB Huế triển khai song song kênh giao dịch truyền thống và ngân hàng số. Kênh truyền thống gây áp lực lớn lên 57 nhân sự chi nhánh (trong đó 94,73% có trình độ Đại học), dẫn đến thời gian chờ tại quầy tăng cao. Hệ thống ngân hàng điện tử giúp giải tỏa áp lực giao dịch nhưng bộc lộ các ưu/nhược điểm cần tối ưu hóa:

Tiêu chí Ngân hàng truyền thống (Tại quầy) Dịch vụ Ngân hàng điện tử (EMB/App MBBank)
Thời gian phục vụ Giới hạn giờ hành chính (8h00 - 17h00) Trực tuyến 24/7/365
Chi phí vận hành Tốn chi phí in ấn, quầy quỹ, nhân sự giao dịch Chi phí cận biên trên mỗi giao dịch gần bằng 0
Tốc độ xử lý 10 - 30 phút/giao dịch tùy loại nghiệp vụ Thời gian thực (Real-time), dưới 3 giây
Bảo mật & Rủi ro Rủi ro nhầm lẫn chứng từ giấy, tiền mặt Rủi ro tấn công mạng, nghẽn cổng thanh toán, lỗi OTP
Khả năng mở rộng Giới hạn theo không gian sàn giao dịch chi nhánh Khả năng mở rộng không giới hạn (Scalable)

So sánh với các đối thủ cạnh tranh trực tiếp trên địa bàn như Vietcombank (VCB Digibank) và Techcombank (Fasteb/Mobile), App MBBank vượt trội về chính sách miễn phí chuyển tiền liên ngân hàng trọn đời và tính năng mở tài khoản số đẹp, nhưng cần hoàn thiện độ mượt mà của giao diện (UI) và tính năng xử lý lỗi tự động.

Yêu cầu người dùng được phân loại theo mô hình MoSCoW:

  • Must-have (Bắt buộc): Chuyển tiền 24/7 Napas nhanh chóng, xác thực sinh trắc học (Biometric Authentication), bảo mật 2 lớp OTP/Smart OTP, tra cứu số dư tức thì.
  • Should-have (Nên có): Gửi tiết kiệm online lãi suất ưu đãi, thanh toán hóa đơn tự động (Điện, nước, viễn thông), liên kết ví điện tử.
  • Could-have (Có thể có): Vay thấu chi online, mua bảo hiểm MB Ageas Life tích hợp, đầu tư chứng khoán MBS trực tiếp.
  • Won't-have (Chưa ưu tiên): Tích hợp trợ lý ảo AI chuyên sâu (ưu tiên ổn định hạ tầng lõi trước).

Thiết kế hệ thống

Mô hình nghiên cứu kế thừa và điều chỉnh khung SERVPERF gồm 5 thành phần độc lập tác động đến biến phụ thuộc Sự hài lòng ($HL$):

+-------------------------------------------------------------------+
|               MÔ HÌNH HỒI QUY ĐO LƯỜNG SỰ HÀI LÒNG                |
+-------------------------------------------------------------------+
|  [STC]  Sự tin cậy (5 biến: STC1 - STC5)            ---\          |
|  [NLPV] Năng lực phục vụ (7 biến: NLPV1 - NLPV7)    -----\        |
|  [PTHH] Phương tiện hữu hình (6 biến: PTHH1 - PTHH6)-----> [HL]   |
|  [SDB]  Sự đảm bảo (3 biến: SDB1 - SDB3)            -----/ Sự     |
|  [SCT]  Sự cảm thông (4 biến: SCT1 - SCT4)          ---/   Hài    |
+------------------------------------------------------------Lòng---+

Hệ thống công nghệ đo lường và xử lý dữ liệu:

  • Phần mềm phân tích: IBM SPSS Statistics phiên bản 20.0 (hỗ trợ mô hình tuyến tính tổng quát GLM và OLS).
  • Kiến trúc dữ liệu: Khung đo lường 28 biến quan sát định lượng dựa trên thang đo Likert 5 điểm (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý).
  • Hạ tầng ngân hàng số kết nối: Core Banking T24, hệ thống Middleware kết nối qua giao thức RESTful API / ISO 8583, mã hóa đường truyền TLS 1.3 và lưu trữ chuẩn mã hóa AES-256 bit.

Methodology

Quy trình nghiên cứu áp dụng phương pháp nghiên cứu định lượng thực nghiệm (Empirical Quantitative Research) kết hợp kiểm định giả thuyết thống kê:

  • Quy tắc chọn mẫu: Theo công thức thực nghiệm của Hair et al. (1998), cỡ mẫu tối thiểu bằng 5 lần tổng số biến quan sát: $N_{\min} = 28 \times 5 = 140$ quan sát. Khảo sát thực tế phát ra 150 phiếu, thu về 140 phiếu hợp lệ đầy đủ thông tin (tỷ lệ hoàn thành đạt 93,33%).
  • Kiểm soát rủi ro dữ liệu: Sàng lọc dữ liệu khuyết tật (Missing Data), loại bỏ các phản hồi trả lời đồng nhất (Straight-lining), chuẩn hóa dữ liệu phần dư theo phân phối chuẩn (Histogram & P-P Plot).

Implementation và kết quả

Development process

Quá trình thu thập và xử lý dữ liệu thực nghiệm trải qua 4 giai đoạn chuẩn hóa:

[Khảo sát thực địa (N=150)] 
[Lọc sạch dữ liệu (N=140)] 
[Kiểm định Cronbach's Alpha (Loại biến rác Citc < 0.3)]
[Phân tích nhân tố khám phá EFA (Varimax Rotation)]
[Hồi quy OLS & Kiểm định T-Test / ANOVA]

Thuật toán kiểm định độ tin cậy thang đo Cronbach's Alpha được xác định theo công thức:

$$\alpha = \frac{k}{k - 1} \left( 1 - \frac{\sum_{i=1}^k \sigma_{y_i}^2}{\sigma_x^2} \right)$$

Trong đó: $k$ là số lượng biến quan sát của nhân tố, $\sigma_x^2$ là phương sai của tổng điểm kiểm tra, $\sigma_{y_i}^2$ là phương sai của biến quan sát thứ $i$. Tiêu chuẩn chấp nhận: $\alpha \ge 0.60$ và hệ số tương quan biến - tổng (Corrected Item - Total Correlation) $r_{it} \ge 0.30$.

Đoạn mã phân tích dữ liệu thực nghiệm tương đương trên môi trường Python (sử dụng scipystatsmodels) để tái hiện pipeline phân tích:

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

# Load dataset khảo sát N=140 tại MB Huế
df = pd.read_csv("mb_hue_ebanking_survey.csv")

# 1. Tính toán Cronbach's Alpha cho nhân tố Sự tin cậy (STC)
def cronbach_alpha(df_factor):
    k = df_factor.shape[1]
    variance_sum = df_factor.var(axis=0, ddof=1).sum()
    total_variance = df_factor.sum(axis=1).var(ddof=1)
    return (k / (k - 1)) * (1 - (variance_sum / total_variance))

alpha_stc = cronbach_alpha(df[["STC1", "STC2", "STC3", "STC4", "STC5"]])
print(f"Cronbach's Alpha (STC): {alpha_stc:.4f}")

# 2. Xây dựng mô hình hồi quy tuyến tính đa biến (OLS)
X = df[["STC_Mean", "NLPV_Mean", "PTHH_Mean", "SDB_Mean", "SCT_Mean"]]
y = df["HL_Mean"]
X = sm.add_constant(X)

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

# 3. Kiểm định 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

Kết quả kiểm định độ tin cậy thang đo qua kiểm định Cronbach's Alpha cho thấy toàn bộ 5 biến độc lập và 1 biến phụ thuộc đều thỏa mãn điều kiện thống kê khắt khe:

Nhóm nhân tố Số biến quan sát Hệ số Cronbach's Alpha Tương quan biến tổng nhỏ nhất ($r_{it}$) Trạng thái
Sự tin cậy (STC) 5 0.812 0.514 (STC3) Chấp nhận
Năng lực phục vụ (NLPV) 7 0.856 0.542 (NLPV5) Chấp nhận
Phương tiện hữu hình (PTHH) 6 0.834 0.498 (PTHH4) Chấp nhận
Sự đảm bảo (SDB) 3 0.789 0.582 (SDB1) Chấp nhận
Sự cảm thông (SCT) 4 0.765 0.473 (SCT2) Chấp nhận
Hài lòng chung (HL) 3 0.828 0.635 (HL2) Chấp nhận

Kết quả phân tích nhân tố khám phá EFA:

  • Kiểm định KMO (Kaiser-Meyer-Olkin): Đạt 0.842 ($0.5 \le \text{KMO} \le 1.0$), khẳng định quy mô mẫu hoàn toàn thích hợp.
  • Kiểm định Bartlett's: Giá trị thống kê $\chi^2$ có mức ý nghĩa $\text{Sig.} = 0.000 < 0.05$, bác bỏ giả thuyết các biến quan sát không có tương quan.
  • Phương sai trích (Cumulative Variance): Đạt 64.38% ($> 50%$), giải thích được phần lớn biến thiên dữ liệu.
  • Eigenvalue: Nhân tố thứ 5 dừng ở mức 1.285 ($> 1.0$).

Kết quả đạt được

Phương trình hồi quy đa biến chưa chuẩn hóa và chuẩn hóa thu được từ phân tích OLS (phương pháp Enter):

$$HL = 0.245 + 0.312 \times NLPV + 0.248 \times STC + 0.205 \times SDB + 0.164 \times PTHH + 0.118 \times SCT$$

Hệ số xác định mô hình:

  • $R^2 = 0.618$, $R^2$ hiệu chỉnh $= 0.604$: Mô hình giải thích được 60.4% sự biến thiên của mức độ hài lòng khách hàng cá nhân đối với dịch vụ NHĐT tại MB Huế.
  • Kiểm định ANOVA: Giá trị $F = 43.32$ với $\text{Sig.} = 0.000 < 0.01$, chứng minh mô hình có ý nghĩa thống kê cao.
  • Kiểm định đa cộng tuyến: Hệ số phóng đại phương sai $\text{VIF} < 1.85$ (thấp hơn nhiều so với ngưỡng cảnh báo 10), không xảy ra hiện tượng đa cộng tuyến.
  • Kiểm định T-Test và ANOVA mẫu: Không có sự khác biệt có ý nghĩa thống kê về mức độ hài lòng theo giới tính ($\text{Sig.} = 0.412 > 0.05$), nhưng có sự khác biệt rõ nét theo nhóm tuổi và mức thu nhập ($\text{Sig.} = 0.018 < 0.05$), trong đó nhóm khách hàng trẻ tuổi (18–35 tuổi) có mức độ khắt khe cao hơn về tốc độ ứng dụng.

Đổi mới và đóng góp

Đề tài mang lại các đổi mới quan trọng về mặt học thuật và thực tiễn quản trị:

  1. Chuẩn hóa khung đo lường SERVPERF rút gọn: Thay vì khảo sát 44 câu hỏi theo SERVQUAL truyền thống gây quá tải nhận thức cho khách hàng, nghiên cứu tinh gọn thành 28 quan sát có độ tin cậy cao, tăng tỷ lệ phản hồi hợp lệ lên 93.33%.
  2. Xác lập thứ tự ưu tiên tối ưu nguồn lực: Xác định rõ nhân tố Năng lực phục vụ ($\beta = 0.312$) và Sự tin cậy ($\beta = 0.248$) chiếm tới hơn 56% tổng trọng số tác động, giúp ban lãnh đạo MB Huế không dàn trải ngân sách vào các yếu tố thứ yếu.
Mô hình Số lượng biến khảo sát Cơ chế đo lường Điểm hạn chế khi áp dụng ngân hàng số
SERVQUAL (Parasuraman, 1985) 44 (22 kỳ vọng + 22 cảm nhận) $\text{Khoảng cách} = \text{Cảm nhận} - \text{Kỳ vọng}$ Khảo sát dài dòng, dễ gây nhiễu và nhầm lẫn tâm lý
E-S-QUAL (Parasuraman, 2005) 22 biến (4 chiều e-service) Tập trung thuần túy vào website Thiếu tích hợp yếu tố con người và mạng lưới hỗ trợ chi nhánh
SERVPERF cải tiến (Đề tài áp dụng) 28 biến quan sát thực tế Đo lường trực tiếp cảm nhận thực thi Tối ưu hóa thời gian trả lời, phản ánh đúng bối cảnh Omni-channel

Ứng dụng thực tế và triển khai

Kịch bản triển khai thực tế

Giải pháp được đóng gói thành các nhóm hành động cụ thể tại MB Chi nhánh Huế:

  • Tối ưu hóa hạ tầng kết nối: Nâng cấp băng thông đường truyền kết nối Core Banking, nâng ngưỡng chịu tải giao dịch đồng thời tại địa bàn Huế từ 500 TPS (Transactions Per Second) lên 2,500 TPS nhằm loại bỏ hoàn toàn lỗi nghẽn mạng giờ cao điểm đầu tháng và dịp lễ tết.
  • Tái cấu trúc Call Center & Phản hồi trực tuyến: Thiết lập bộ phận tiếp nhận phản hồi nhanh tại MB Huế kết hợp hỗ trợ 24/7 từ tổng đài hội sở, cam kết giải quyết khiếu nại giao dịch lỗi trong vòng tối đa 2 giờ làm việc (thay vì 24 giờ như trước đây).
  • Cải tiến giao diện người dùng (UI/UX): Tối giản hóa luồng chuyển tiền Napas 247 trên App MBBank thành quy trình 1 chạm (One-touch), tự động nhận diện tên chủ tài khoản và ngân hàng thụ hưởng thông qua mã QR chuẩn VietQR.

Phân tích tài chính và Lộ trình triển khai

Dự toán hiệu quả kinh tế - kỹ thuật giai đoạn 2021–2023:

  • Chi phí đầu tư nâng cấp: Ước tính 150 - 200 triệu VNĐ (tập trung vào đào tạo nhân sự, marketing số tại điểm giao dịch và bổ sung trang thiết bị quầy số).
  • Lợi ích định lượng (ROI): Tăng trưởng tỷ lệ khách hàng kích hoạt e-banking từ 65% lên 88% tổng số khách hàng mở tài khoản; giảm 35% chi phí giao dịch tại quầy; thời gian hoàn vốn đầu tư ước tính dưới 8 tháng.
LỘ TRÌNH TRIỂN KHAI 2021 - 2023:

Hạn chế và hướng phát triển

  • Hạn chế mẫu nghiên cứu: Nghiên cứu sử dụng phương pháp chọn mẫu thuận tiện với kích thước $N = 140$ tập trung chủ yếu tại khu vực nội thành TP. Huế, chưa bao phủ sâu rộng đến đối tượng khách hàng cá nhân tại các huyện thị ven đô (Hương Thủy, Hương Trà, Phú Vang).
  • Hạn chế mô hình: Phân tích dừng lại ở mô hình hồi quy tuyến tính OLS cổ điển, chưa mô hình hóa các mối quan hệ đa tầng hoặc biến trung gian (Mediating Variables) như Lòng trung thành thương hiệu (Brand Loyalty) hay Chi phí chuyển đổi (Switching Costs).
  • Hướng nghiên cứu tiếp theo: Ứng dụng mô hình cấu trúc tuyến tính PLS-SEM (Partial Least Squares Structural Equation Modeling) trên phần mềm SmartPLS 3.0 với cỡ mẫu mở rộng $N \ge 400$, tích hợp các yếu tố công nghệ mới như AI Chatbot và Định danh điện tử eKYC.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Cung cấp tài liệu tham khảo chuẩn mực về quy trình nghiên cứu định lượng ứng dụng trong khối ngành Quản trị Kinh doanh và Tài chính - Ngân hàng, bộ thang đo Likert và cú pháp xử lý dữ liệu SPSS mẫu.
  • Kỹ sư Fintech & Đội ngũ phát triển sản phẩm: Cung cấp dữ liệu thực tế về hành vi người dùng cuối, làm cơ sở định hình kiến trúc phần mềm và thiết kế luồng người dùng (User Flow).
  • Ban lãnh đạo ngân hàng thương mại: Khung chiến lược định lượng giúp phân bổ ngân sách tối ưu, nâng cao chỉ số NPS (Net Promoter Score) và tăng tỷ lệ duy trì khách hàng (Customer Retention Rate).
  • Nhà nghiên cứu kinh tế lượng: Dữ liệu thực chứng đóng góp vào kho tài liệu về chuyển đổi số dịch vụ tài chính tại thị trường đang phát triển.

Câu hỏi thường gặp

1. Tại sao đề tài lựa chọn mô hình SERVPERF thay vì mô hình SERVQUAL gốc?

Mô hình SERVQUAL yêu cầu 2 tập câu hỏi riêng biệt để đo lường Kỳ vọng ($E$) và Cảm nhận ($P$), dẫn đến 44 biến quan sát gây mệt mỏi cho người được khảo sát và dễ phát sinh sai số đo lường. SERVPERF chỉ đo lường cảm nhận thực thi ($P$), đã được Cronin & Taylor (1992) chứng minh có năng lực giải thích phương sai tương đương hoặc vượt trội, đồng thời tinh gọn bảng hỏi phù hợp với khách hàng giao dịch ngân hàng.

2. Quy mô mẫu N = 140 có đảm bảo độ tin cậy thống kê cho 28 biến quan sát không?

Quy mô mẫu $N = 140$ hoàn toàn thỏa mãn nguyên tắc thực nghiệm của Hair et al. (1998) với tỷ lệ tối thiểu $5:1$ ($28 \times 5 = 140$). Hơn nữa, chỉ số $\text{KMO} = 0.842 > 0.5$ và giá trị kiểm định Bartlett's $\text{Sig.} = 0.000$ khẳng định ma trận tương quan giữa các biến là hoàn toàn phù hợp để chạy phân tích nhân tố EFA.

3. Làm thế nào để giải quyết hiện tượng nghẽn mạng trong giờ cao điểm của MBBank?

Giải pháp kỹ thuật bao gồm việc phân tách hệ thống xử lý giao dịch lõi (Core Engine) và cổng thanh toán trung gian thông qua kiến trúc Microservices, áp dụng cơ chế tự động mở rộng chịu tải (Auto-scaling Cloud/On-premise), đồng thời kích hoạt giao thức xác thực Smart OTP trên thiết bị di động để giảm phụ thuộc vào cổng SMS Gateway viễn thông.

4. Kết quả nghiên cứu có thể áp dụng cho các chi nhánh ngân hàng khác không?

Khung mô hình 5 nhân tố và thang đo 28 biến quan sát có tính tổng quát hóa cao, hoàn toàn có thể áp dụng cho các chi nhánh ngân hàng thương mại cổ phần khác có mô hình hoạt động tương đồng tại khu vực miền Trung hoặc các đô thị loại I và II tại Việt Nam.

5. Chi phí triển khai hệ thống giải pháp nâng cao sự hài lòng có tạo áp lực ngân sách không?

Hầu hết các giải pháp tập trung vào tối ưu hóa quy trình vận hành nội bộ, chuẩn hóa tác phong giao dịch viên và khai thác tối đa hạ tầng số sẵn có của MB Hội sở chuyển giao. Ngân sách bổ sung tại chi nhánh chủ yếu chi cho công tác truyền thông điểm bán và khen thưởng dịch vụ, ước tính mang lại tỷ suất hoàn vốn ROI nhanh chóng nhờ gia tăng số dư tiền gửi không kỳ hạn (CASA).


Kết luận

Khóa luận tốt nghiệp đã hoàn thành toàn diện các mục tiêu nghiên cứu đề ra thông qua việc xây dựng thành công mô hình định lượng đánh giá sự hài lòng của khách hàng cá nhân đối với dịch vụ ngân hàng điện tử tại MB Chi nhánh Huế. Kết quả thực nghiệm khẳng định 5 thành phần chất lượng dịch vụ giải thích tới 60.4% mức độ hài lòng chung, trong đó Năng lực phục vụ ($\beta = 0.312$) và Sự tin cậy ($\beta = 0.248$) giữ vai trò quyết định.

Hệ thống giải pháp đề xuất không chỉ mang giá trị học thuật chuẩn mực trong phân tích kinh tế lượng ứng dụng mà còn cung cấp cẩm nang thực thi cụ thể cho ban lãnh đạo MB Huế trong lộ trình nâng cao năng lực cạnh tranh số giai đoạn 2021–2023. Các ngân hàng thương mại cần nhanh chóng chuyển trọng tâm từ mở rộng số lượng tính năng sang tối ưu hóa chất lượng trải nghiệm và an toàn bảo mật, xây dựng nền tảng khách hàng trung thành bền vững trong kỷ nguyên ngân hàng số.