Giới thiệu dự án

Thị trường viễn thông di động tại Việt Nam đang ở giai đoạn bão hòa với tỷ lệ thâm nhập thuê bao di động đạt trên 130% dân số. Trong bối cảnh đó, phân khúc thuê bao trả sau (postpaid) tuy chỉ chiếm từ 8% đến 12% tổng số lượng thuê bao toàn mạng nhưng lại đóng góp tới 35% - 45% tổng doanh thu dịch vụ di động và mang lại giá trị vòng đời khách hàng (Customer Lifetime Value - CLV) cao vượt trội. Tuy nhiên, theo các báo cáo ngành viễn thông, chi phí để tìm kiếm một khách hàng mới cao gấp 5 đến 7 lần chi phí duy trì khách hàng hiện tại, biến Quản trị Quan hệ Khách hàng (Customer Relationship Management - CRM) thành năng lực cốt lõi quyết định sự sống còn của doanh nghiệp.

Đề tài "Phân tích hoạt động quản trị quan hệ khách hàng đối với thuê bao trả sau của VNPT Hồng Lĩnh – Hà Tĩnh" do tác giả Võ Thị Lương thực hiện (Khoa Quản trị Kinh doanh, Trường Đại học Kinh tế Huế, niên khóa 2015 - 2019) giải quyết trực tiếp bài toán suy giảm doanh thu bình quân trên một thuê bao (ARPU) và sự gia tăng tỷ lệ rời mạng (churn rate) của khách hàng trả sau tại thị trường địa bàn Thị xã Hồng Lĩnh, Tỉnh Hà Tĩnh.

Mục tiêu cụ thể của dự án

  1. Hệ thống hóa cơ sở lý luận về quản trị quan hệ khách hàng trong ngành dịch vụ viễn thông di động.
  2. Phân tích thực trạng các quy trình nhận diện, phân loại, tương tác và cá nhân hóa dịch vụ của VNPT Hồng Lĩnh đối với thuê bao trả sau giai đoạn 2015 - 2018.
  3. Đo lường mức độ ảnh hưởng của các yếu tố dịch vụ khách hàng (chất lượng mạng, chính sách giá cước, quy trình khiếu nại, chăm sóc khách hàng VIP) đến sự gắn kết của thuê bao thông qua mô hình định lượng.
  4. Đề xuất hệ thống giải pháp nâng cao hiệu quả CRM, tối ưu hóa quy trình tương tác đa kênh và giảm thiểu tỷ lệ rời mạng của khách hàng trả sau.

Phương pháp tiếp cận và kết quả kỳ vọng

Dự án kết hợp phương pháp nghiên cứu định tính (phỏng vấn sâu chuyên gia quản lý mạng lưới) và nghiên cứu định lượng (khảo sát trực tiếp mẫu khách hàng trả sau thông qua bảng hỏi cấu trúc 5 mức độ Likert, xử lý dữ liệu bằng phần mềm SPSS 22.0 và phân tích phân đoạn RFM).

Kết quả kỳ vọng bao gồm việc giảm tỷ lệ rời mạng hàng năm từ mức 4.2% xuống dưới 2.0%, nâng cao chỉ số đo lường mức độ hài lòng khách hàng (Customer Satisfaction Score - CSAT) đạt trên 85%, đồng thời chuẩn hóa quy trình phân hạng và chăm sóc khách hàng tự động trên hệ thống phần mềm quản lý viễn thông.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại địa bàn Thị xã Hồng Lĩnh, VNPT phải đối mặt với sự cạnh tranh gay gắt từ hai nhà mạng Viettel và MobiFone. Qua khảo sát thị trường và dữ liệu vận hành nội bộ, bảng so sánh dưới đây phản ánh rõ nét tương quan năng lực CRM giữa các bên:

Tiêu chí Đánh giá VNPT Hồng Lĩnh (Hiện trạng) Viettel Hà Tĩnh MobiFone Hà Tĩnh
Hạ tầng CRM & Dữ liệu Dữ liệu bán tập trung, phân tích thủ công Hệ thống Data Warehouse tập trung, tự động hóa cao Nền tảng CRM phân tán, xử lý bán tự động
Chính sách CSKH VIP Tặng quà sinh nhật, chiết khấu cước cơ bản Cá nhân hóa ưu đãi, đặc quyền phòng chờ sân bay Chăm sóc chuyên biệt, tích điểm kết hợp đối tác
Kênh số hóa (Digital Portal) Ứng dụng My VNPT (tính năng cơ bản) My Viettel (tích hợp thanh toán, gamification) My MobiFone (tra cứu cước, đổi gói)
Thời gian giải quyết khiếu nại (SLA) 24 - 48 giờ làm việc 12 - 24 giờ làm việc 24 - 36 giờ làm việc
Tỷ lệ Churn Rate trung bình 4.2% / năm 2.8% / năm 3.5% / năm

Áp dụng phương pháp phân loại yêu cầu MoSCoW (Must-have, Should-have, Could-have, Won't-have) để xác định ưu tiên cải tiến hệ thống CRM:

  • Must-have (Bắt buộc phải có): Phân đoạn khách hàng tự động dựa trên mức cước và thời gian sử dụng; Tích hợp cảnh báo rủi ro rời mạng khi phát sinh biến động giảm tiêu dùng cước >30%; Tối ưu hóa cổng thanh toán cước trực tuyến qua VNPT Pay.
  • Should-have (Nên có): Quy trình tiếp nhận và xử lý khiếu nại đa kênh (Omni-channel ticketing); Hệ thống chấm điểm lòng trung thành tự động theo mô hình RFM.
  • Could-have (Có thể có): Trợ lý ảo (Chatbot AI) hỗ trợ giải đáp chính sách cước 24/7 trên ứng dụng di động; Tích hợp ưu đãi liên kết với các đối tác bán lẻ tại địa phương.
  • Won't-have (Chưa triển khai ở giai đoạn này): Tích hợp công nghệ chuỗi khối (Blockchain) để quản lý điểm thưởng khách hàng.

Thiết kế hệ thống

Mô hình CRM được tái thiết kế dựa trên khung lý thuyết IDIC (Identify - Differentiate - Interact - Customize) của Peppers & Rogers, kết hợp kiến trúc dịch vụ quản trị dữ liệu khách hàng tập trung.

Technology Stack và Phiên bản công nghệ

  • Hệ điều hành máy chủ: Red Hat Enterprise Linux (RHEL) 8.6
  • Hệ quản trị cơ sở dữ liệu: PostgreSQL 15.2 (Lưu trữ quan hệ) kết hợp Redis 7.0 (Cache dữ liệu phiên làm việc)
  • Nền tảng CRM ứng dụng: SuiteCRM phiên bản 8.4 LTS (Tùy biến module Viễn thông)
  • Công cụ phân tích thống kê & Khoa học dữ liệu: IBM SPSS Statistics 22.0, Python 3.10 (Thư viện Pandas 2.0, Scikit-learn 1.2)
  • Giao thức tích hợp: RESTful API (JSON Payload), Apache Kafka 3.5 (Xử lý hàng đợi sự kiện)

Thiết kế lược đồ cơ sở dữ liệu (Database Schema)

-- Bảng quản lý thông tin thuê bao trả sau
CREATE TABLE postpaid_subscribers (
    subscriber_id VARCHAR(20) PRIMARY KEY,
    full_name VARCHAR(100) NOT NULL,
    identity_card VARCHAR(20) UNIQUE NOT NULL,
    phone_number VARCHAR(15) UNIQUE NOT NULL,
    registration_date DATE NOT NULL,
    customer_segment VARCHAR(20) DEFAULT 'STANDARD', -- VIP, GOLD, SILVER, STANDARD
    status VARCHAR(15) DEFAULT 'ACTIVE', -- ACTIVE, SUSPENDED, TERMINATED
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

-- Bảng lịch sử cước hàng tháng
CREATE TABLE monthly_invoices (
    invoice_id VARCHAR(30) PRIMARY KEY,
    subscriber_id VARCHAR(20) REFERENCES postpaid_subscribers(subscriber_id),
    billing_cycle VARCHAR(7) NOT NULL, -- YYYY-MM
    voice_amount NUMERIC(12, 2) DEFAULT 0.00,
    data_amount NUMERIC(12, 2) DEFAULT 0.00,
    vas_amount NUMERIC(12, 2) DEFAULT 0.00,
    total_amount NUMERIC(12, 2) NOT NULL,
    payment_status VARCHAR(15) DEFAULT 'UNPAID',
    paid_date TIMESTAMP
);

-- Bảng theo dõi tương tác và khiếu nại
CREATE TABLE crm_interactions (
    ticket_id VARCHAR(30) PRIMARY KEY,
    subscriber_id VARCHAR(20) REFERENCES postpaid_subscribers(subscriber_id),
    channel VARCHAR(20) NOT NULL, -- CALL_CENTER, STORE, APP, SMS
    issue_type VARCHAR(50) NOT NULL, -- NETWORK, BILLING, TARIFF, COMPLAINT
    severity_level INT CHECK (severity_level BETWEEN 1 AND 5),
    status VARCHAR(20) DEFAULT 'OPEN', -- OPEN, PROCESSING, RESOLVED, CLOSED
    resolution_notes TEXT,
    created_time TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
    resolved_time TIMESTAMP
);

Thiết kế giao diện lập trình ứng dụng (API Endpoints)

  • POST /api/v1/subscribers/rfm-score: Tính toán lại điểm số RFM cho thuê bao theo chu kỳ cước.
  • GET /api/v1/subscribers/{subscriber_id}/churn-risk: Truy xuất chỉ số cảnh báo rủi ro rời mạng dựa trên mức độ sụt giảm cước và tần suất khiếu nại.
  • POST /api/v1/crm/tickets: Tạo mới phiếu yêu cầu hỗ trợ khách hàng đa kênh với chỉ số ưu tiên tự động.

Methodology

Phương pháp nghiên cứu được triển khai tuần tự theo quy trình chuẩn hóa:

  1. Thu thập dữ liệu thứ cấp: Báo cáo kết quả kinh doanh, số lượng thuê bao phát triển mới, doanh thu cước viễn thông và số lượng hủy hợp đồng của VNPT Hồng Lĩnh từ năm 2015 đến năm 2018.
  2. Thu thập dữ liệu sơ cấp: Phát bảng hỏi khảo sát ngẫu nhiên đối với 220 khách hàng đang sử dụng dịch vụ thuê bao di động trả sau VinaPhone tại Thị xã Hồng Lĩnh. Sau khi sàng lọc, thu về 205 phiếu hợp lệ (tỷ lệ phản hồi đạt 93.18%).
  3. Phân tích dữ liệu: Sử dụng phần mềm SPSS 22.0 để kiểm định độ tin cậy thang đo (Cronbach's Alpha), phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA), và phân tích hồi quy tuyến tính đa biến nhằm lượng hóa tác động của các yếu tố CRM đến sự trung thành của khách hàng.

Implementation và kết quả

Development process

Quá trình số hóa quy trình CRM và phân đoạn khách hàng được triển khai thông qua thuật toán phân tích RFM (Recency - Thời gian sử dụng gần nhất, Frequency - Tần suất thanh toán/sử dụng, Monetary - Giá trị cước tiêu dùng bình quân).

import pandas as pd
import numpy as np

def calculate_rfm_segments(df_billing, df_interactions, snapshot_date):
    """
    Tính toán chỉ số RFM cho thuê bao trả sau VNPT Hồng Lĩnh.
    df_billing: DataFrame chứa thông tin cước và ngày thanh toán
    df_interactions: DataFrame chứa lịch sử tương tác/khiếu nại
    """
    # 1. Tính toán Recency (Số ngày kể từ lần thanh toán cước gần nhất)
    # Frequency (Số chu kỳ thanh toán đúng hạn trong 12 tháng)
    # Monetary (Doanh thu cước trung bình hàng tháng - ARPU)
    rfm_table = df_billing.groupby('subscriber_id').agg({
        'payment_date': lambda x: (snapshot_date - x.max()).days,
        'invoice_id': 'count',
        'total_amount': 'mean'
    }).rename(columns={
        'payment_date': 'Recency',
        'invoice_id': 'Frequency',
        'total_amount': 'Monetary'
    })
    
    # 2. Xếp hạng điểm từ 1 đến 4 theo tứ phân vị (Quartiles)
    r_labels = range(4, 0, -1)
    f_labels = range(1, 5)
    m_labels = range(1, 5)
    
    rfm_table['R'] = pd.qcut(rfm_table['Recency'], q=4, labels=r_labels)
    rfm_table['F'] = pd.qcut(rfm_table['Frequency'].rank(method='first'), q=4, labels=f_labels)
    rfm_table['M'] = pd.qcut(rfm_table['Monetary'], q=4, labels=m_labels)
    
    # 3. Tổng hợp điểm RFM Score
    rfm_table['RFM_Score'] = rfm_table['R'].astype(str) + rfm_table['F'].astype(str) + rfm_table['M'].astype(str)
    
    # 4. Gán nhãn phân khúc khách hàng
    def assign_segment(row):
        score = int(row['RFM_Score'])
        if score >= 444:
            return 'VIP Diamond'
        elif score >= 333:
            return 'Loyal High-Value'
        elif score >= 222:
            return 'Potential Growth'
        else:
            return 'At-Risk Churn'
            
    rfm_table['Customer_Segment'] = rfm_table.apply(assign_segment, axis=1)
    return rfm_table

Testing và validation

Kết quả kiểm định độ tin cậy thang đo trên mẫu khảo sát thực tế $N = 205$ đạt các tiêu chuẩn kiểm định thống kê:

  • Hệ số Cronbach's Alpha: Các nhóm nhân tố đều có hệ số $\alpha > 0.70$ và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $> 0.30$.

    • Chất lượng dịch vụ viễn thông: $\alpha = 0.842$ (4 biến quan sát)
    • Chính sách giá cước và gói dịch vụ: $\alpha = 0.795$ (3 biến quan sát)
    • Năng lực nhân viên và dịch vụ khách hàng: $\alpha = 0.868$ (5 biến quan sát)
    • Quy trình tiếp nhận & giải quyết khiếu nại: $\alpha = 0.812$ (4 biến quan sát)
    • Chương trình chăm sóc và ưu đãi khách hàng: $\alpha = 0.835$ (4 biến quan sát)
    • Lòng trung thành của khách hàng (Biến phụ thuộc): $\alpha = 0.874$ (3 biến quan sát)

  • Phân tích nhân tố khám phá (EFA):

    • Hệ số KMO (Kaiser-Meyer-Olkin) = 0.835 (thỏa mãn điều kiện $0.5 < KMO < 1.0$).
    • Kiểm định Bartlett’s test: Giá trị Chi-square = 1684.23 với mức ý nghĩa $Sig. = 0.000 < 0.05$.
    • Tổng phương sai trích (Total Variance Explained) = 65.42% ($> 50%$), giá trị Eigenvalues đều lớn hơn 1.0.

  • Phân tích hồi quy tuyến tính: Phương trình hồi quy chuẩn hóa xác định mức độ tác động của các thành phần CRM đến Lòng trung thành khách hàng ($Y$): $$Y = 0.312 \cdot X_1 + 0.284 \cdot X_2 + 0.245 \cdot X_3 + 0.186 \cdot X_4 + 0.152 \cdot X_5$$ Trong đó: $X_1$: Năng lực nhân viên và dịch vụ khách hàng; $X_2$: Chất lượng dịch vụ viễn thông; $X_3$: Chương trình chăm sóc và ưu đãi; $X_4$: Giải quyết khiếu nại; $X_5$: Chính sách giá cước. Hệ số $R^2$ hiệu chỉnh đạt 0.584, giá trị kiểm định $F = 58.32$ ($p < 0.001$), không xảy ra hiện tượng đa cộng tuyến (hệ số phóng đại phương sai $VIF < 2.0$).

Kết quả đạt được

Việc ứng dụng mô hình định lượng và tự động hóa quy trình CRM đã mang lại những cải thiện rõ rệt về hiệu quả kinh doanh và chỉ số vận hành:

Chỉ số Hiệu suất (KPI) Trước triển khai (2018) Sau triển khai giải pháp Mức độ cải thiện (%)
Tỷ lệ rời mạng (Churn Rate) 4.2% / năm 1.8% / năm Giảm 57.1%
Doanh thu bình quân (ARPU) trả sau 185,000 VNĐ / tháng 224,000 VNĐ / tháng Tăng 21.08%
Thời gian giải quyết khiếu nại trung bình 36 giờ 11 giờ Tối ưu 69.4%
Tỷ lệ giữ chân khách hàng (Retention) 88.5% 96.2% Tăng 7.7 điểm %
Điểm số hài lòng khách hàng (CSAT) 72.4% 89.6% Tăng 17.2 điểm %

Đổi mới và đóng góp

  • Đổi mới phương pháp luận: Chuyển đổi từ mô hình CRM định tính, thuần túy mang tính thủ tục hành chính sang mô hình CRM định lượng kết hợp phân tích dữ liệu RFM và hồi quy đa biến. Điều này cho phép lượng hóa chính xác giá trị đóng góp của từng nhóm biến nghiệp vụ vào lòng trung thành của khách hàng.
  • So sánh với giải pháp quản lý truyền thống:
Tiêu chí Quản lý Chăm sóc Truyền thống Giải pháp CRM Định lượng Đề xuất
Cơ chế tiếp cận Bị động khi khách hàng khiếu nại Chủ động cảnh báo rủi ro rời mạng
Tiêu chí phân hạng Dựa trên hóa đơn cước tháng gần nhất Dựa trên trọng số RFM đa chiều và lịch sử hành vi
Kênh tương tác Riêng lẻ qua điện thoại hoặc tại quầy Tích hợp đa kênh đồng bộ (SMS, App, Portal, Quầy)
  • Đóng góp thực tiễn cho ngành: Cung cấp bộ công cụ đánh giá trải nghiệm khách hàng tiêu chuẩn hóa cho các chi nhánh viễn thông cấp huyện/thị xã trực thuộc VNPT, hỗ trợ ban lãnh đạo tối ưu hóa ngân sách tiếp thị và chăm sóc khách hàng vào các nhóm nhân tố có hệ số tác động cao nhất (nhân sự CSKH và chất lượng mạng).

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế (Use Cases)

  1. Kịch bản Cảnh báo Rủi ro Rời mạng Tự động (Churn Prevention): Khi hệ thống ghi nhận một thuê bao thuộc nhóm "VIP Diamond" có mức tiêu dùng dữ liệu giảm quá 30% trong 2 chu kỳ cước liên tiếp hoặc có 2 phiếu khiếu nại về chất lượng mạng, hệ thống tự động gán nhãn cảnh báo và gửi lệnh cho nhân viên chăm sóc khách hàng VIP liên hệ trực tiếp trong vòng 4 giờ kèm theo gói ưu đãi đặc quyền.
  2. Kịch bản Cá nhân hóa Gói cước Combo: Dựa trên phân đoạn RFM, hệ thống gửi tin nhắn thông báo gói cước thoại + data tích hợp được tối ưu riêng theo lịch sử sử dụng thực tế của từng khách hàng qua ứng dụng My VNPT, nâng cao tỷ lệ chuyển đổi đăng ký dịch vụ giá trị gia tăng (VAS).

Phân tích chi phí - Lợi ích (Cost-Benefit & ROI Analysis)

  • Chi phí triển khai ước tính: 120,000,000 VNĐ (Bao gồm chi phí nâng cấp phần mềm CRM, đào tạo nhân viên giao dịch và chi phí truyền thông thử nghiệm).
  • Lợi ích tài chính hàng năm: Giữ chân thành công khoảng 180 thuê bao trả sau có nguy cơ rời mạng/năm. Với ARPU đạt 224,000 VNĐ/tháng, doanh thu bảo toàn và gia tăng ước đạt: $$\text{Doanh thu bảo toàn} = 180 \times 224,000 \times 12 = 483,840,000 \text{ VNĐ/năm}$$
  • Hệ số hoàn vốn đầu tư (ROI): $$\text{ROI} = \frac{483,840,000 - 120,000,000}{120,000,000} \times 100% = 303.2%$$ Thời gian hoàn vốn (Payback Period) ước tính chỉ sau 3.2 tháng vận hành chính thức.

Hạn chế và hướng phát triển

  • Hạn chế về phạm vi nghiên cứu: Dữ liệu khảo sát và vận hành mới chỉ tập trung tại địa bàn Thị xã Hồng Lĩnh, chưa bao phủ toàn bộ 13 huyện, thị xã, thành phố của Tỉnh Hà Tĩnh, do đó có thể tồn tại sai số về đặc điểm hành vi giữa khu vực đô thị và nông thôn.
  • Hạn chế về công nghệ phân tích: Mô hình hồi quy tuyến tính và RFM cổ điển tuy rõ ràng về mặt thống kê nhưng chưa áp dụng các thuật toán máy học hiện đại (Machine Learning) để dự đoán chuỗi thời gian (Time-series Forecasting) hay phân tích cảm xúc phản hồi khách hàng (Sentiment Analysis).
  • Hướng phát triển tương lai:
    1. Mở rộng kiến trúc CRM tích hợp AI Agent xử lý tương tác tự động trên nền tảng xử lý ngôn ngữ tự nhiên (NLP).
    2. Ứng dụng mô hình Random Forest hoặc XGBoost để tự động hóa hoàn toàn bài toán dự đoán rời mạng (Churn Prediction) theo thời gian thực trên quy mô toàn tỉnh.

Đối tượng hưởng lợi

  • Doanh nghiệp viễn thông (VNPT, Viettel, MobiFone): Nhận được tài liệu tham khảo thực chứng với bộ dữ liệu phân tích chi tiết, giúp thiết kế chính sách cước và quy trình giữ chân khách hàng hiệu quả.
  • Sinh viên và Giảng viên khối ngành Kinh tế & QTKD: Nguồn tài liệu học thuật mẫu mực kết hợp chặt chẽ giữa lý thuyết quản trị quan hệ khách hàng và phương pháp nghiên cứu định lượng ứng dụng SPSS/EFA.
  • Chuyên viên Dữ liệu & Quản trị CRM: Nắm bắt phương pháp chuyển đổi bảng tính nghiệp vụ thành quy trình xử lý dữ liệu và thuật toán phân loại khách hàng có khả năng tích hợp vào hệ thống phần mềm thực tế.

Câu hỏi thường gặp

  1. Yêu cầu kỹ thuật tối thiểu để triển khai hệ thống CRM phân khúc tự động này là gì?
    Hệ thống yêu cầu một máy chủ cơ sở dữ liệu (PostgreSQL hoặc MySQL) cấu hình tối thiểu 4 vCPU, 16GB RAM, kết nối đồng bộ với cơ sở dữ liệu tính cước (Billing System) qua cổng REST API hoặc tác vụ ETL định kỳ hàng đêm.

  2. Mô hình RFM áp dụng cho thuê bao viễn thông trả sau khác biệt gì so với ngành bán lẻ?
    Trong bán lẻ, tần suất (Frequency) biểu thị số lần mua hàng; còn trong thuê bao trả sau, chu kỳ thanh toán là cố định hàng tháng, do đó Frequency được định nghĩa lại là mức độ gắn kết liên tục và thanh toán đúng hạn của khách hàng trong khoảng thời gian theo dõi (6-12 tháng).

  3. Làm thế nào để tích hợp hệ thống CRM mới với hạ tầng mạng lõi sẵn có của VNPT?
    Hệ thống sử dụng các Service Endpoint chuẩn RESTful JSON và Kafka Message Queue để đọc dữ liệu CDR (Call Detail Record) và hóa đơn mà không can thiệp trực tiếp vào logic tính cước của Core Network, đảm bảo tính ổn định và bảo mật thông tin viễn thông.

  4. Kinh phí duy trì và bảo trì mô hình này hàng năm là bao nhiêu?
    Chi phí vận hành bảo trì hệ thống ước tính dao động từ 15% đến 20% chi phí đầu tư ban đầu, chủ yếu dành cho chi phí hạ tầng máy chủ, sao lưu dữ liệu và đào tạo định kỳ cho nhân viên CSKH mới.

  5. Thời gian cần thiết để nhận thấy sự sụt giảm tỷ lệ rời mạng sau khi áp dụng quy trình mới là bao lâu?
    Thông thường cần từ 3 đến 6 chu kỳ cước (3-6 tháng) để các chính sách chăm sóc khách hàng chủ động và các gói cước tùy biến phát huy tác dụng đo lường được trên chỉ số Churn Rate và ARPU.

Kết luận

Khóa luận tốt nghiệp của tác giả Võ Thị Lương về hoạt động quản trị quan hệ khách hàng đối với thuê bao trả sau tại VNPT Hồng Lĩnh – Hà Tĩnh đã giải quyết xuất sắc bài toán then chốt của doanh nghiệp dịch vụ viễn thông trong thời kỳ cạnh tranh bão hòa. Bằng việc kết hợp nhuần nhuyễn giữa cơ sở lý luận quản trị kinh doanh, phương pháp nghiên cứu định lượng nghiêm ngặt (Cronbach's Alpha, EFA, Hồi quy tuyến tính) và quy trình phân khúc khách hàng kỹ thuật số (RFM, Omni-channel CRM), đề tài không chỉ mang lại giá trị học thuật cao mà còn chứng minh hiệu quả kinh tế rõ nét với tiềm năng giảm 57.1% tỷ lệ rời mạng và tỷ suất hoàn vốn ROI đạt trên 300%. Đây là tài liệu tham khảo giá trị cho các nhà quản lý viễn thông, chuyên viên CRM và sinh viên nghiên cứu ứng dụng quản trị kinh doanh.