Giới thiệu dự án

Thị trường thép Việt Nam trong giai đoạn 2014–2017 chứng kiến tốc độ tăng trưởng kép (CAGR) đạt mức ấn tượng 20% nhờ sự phục hồi mạnh mẽ của thị trường bất động sản và các chính sách tài khóa mở rộng hạ tầng. Tuy nhiên, bước sang giai đoạn 2018–2019, ngành thép đối mặt với sự phân hóa sâu sắc khi giá phôi và thép cuộn cán nóng (HRC) thế giới sụt giảm 22% (từ đỉnh 4.780 NDT/tấn xuống 3.720 NDT/tấn), cùng áp lực cạnh tranh gay gắt từ làn sóng bảo hộ thương mại và thép nhập khẩu giá rẻ. Tại khu vực kinh tế trọng điểm miền Trung, đặc biệt là TP. Đà Nẵng, làn sóng đô thị hóa và dân nhập cư thúc đẩy mạnh mẽ nhu cầu xây dựng dân dụng quy mô vừa và nhỏ.

+-----------------------------------------------------------------------------------+
|                        BỐI CẢNH THỊ TRƯỜNG THÉP XÂY DỰNG                          |
+-----------------------------------------------------------------------------------+
|  Tăng trưởng ngành (2014-2017) : CAGR ~ 20.0%                                     |
|  Biến động giá HRC thế giới    : Giảm 22.0% (4.780 -> 3.720 NDT/tấn)              |
|  Dịch chuyển mô hình kinh doanh: B2B (Dự án lớn) -> Mở rộng B2C (Khách cá nhân)  |
+-----------------------------------------------------------------------------------+

Công ty TNHH Trường Sáng (172 Tôn Đức Thắng, quận Liên Chiểu, TP. Đà Nẵng) là doanh nghiệp có bề dày hoạt động từ năm 2005 trong lĩnh vực gia công, buôn bán kim loại và vật liệu xây dựng. Trước đây, doanh thu và lợi nhuận của doanh nghiệp chủ yếu phụ thuộc vào phân khúc khách hàng tổ chức (B2B). Nhận thấy dư địa tăng trưởng từ mảng xây dựng nhà ở dân dụng của các hộ gia đình, ban lãnh đạo công ty đã định hướng thâm nhập sâu vào phân khúc bán lẻ (B2C). Thách thức cốt lõi đặt ra là hành vi mua của khách hàng cá nhân đối với sản phẩm kỹ thuật nặng như sắt thép có tính đặc thù cao, chịu chi phối đồng thời bởi giá cả, niềm tin thương hiệu, dịch vụ logistics và tư vấn kỹ thuật.

Vấn đề nghiên cứu thực tiễn (Problem Statement)

Doanh nghiệp thiếu hụt mô hình định lượng chuẩn xác nhằm đo lường trọng số ảnh hưởng của các yếu tố marketing hỗn hợp và tâm lý hành vi đến quyết định mua hàng của người tiêu dùng cá nhân. Việc phân bổ nguồn lực tiếp thị, tồn kho và vận chuyển còn mang tính cảm tính, dẫn đến tỷ lệ chuyển đổi khách hàng tại cửa hàng chưa tối ưu và chi phí logistics cơ hội ở mức cao.

Mục tiêu dự án

  1. Hệ thống hóa cơ sở lý luận: Xây dựng khung phân tích hành vi người tiêu dùng chuyên biệt cho nhóm sản phẩm vật tư xây dựng công nghiệp nặng dựa trên mô hình hộp đen ý thức của Philip Kotler và tháp nhu cầu Maslow.
  2. Đo lường thực nghiệm: Xác định và lượng hóa mức độ tác động của 7 nhóm nhân tố (27 biến quan sát) đến quyết định chọn mua sản phẩm sắt thép của khách hàng cá nhân thông qua tập dữ liệu khảo sát thực tế ($N = 150$).
  3. Đề xuất giải pháp chiến lược: Xây dựng hệ thống giải pháp Marketing 6P (Product, Price, Place, Promotion, People, Physical Logistics) có căn cứ định lượng, tối ưu hóa năng lực cạnh tranh cho Công ty TNHH Trường Sáng giai đoạn 2019–2022.

Phương pháp tiếp cận giải pháp

Nghiên cứu ứng dụng quy trình phân tích kinh tế lượng chuẩn tắc gồm hai pha: Nghiên cứu định tính sơ bộ ($n_1 = 10, n_2 = 30$) để hiệu chỉnh thang đo Likert 5 mức độ, kết hợp nghiên cứu định lượng ($N = 150$) sử dụng kỹ thuật chọn mẫu hệ thống thuận tiện với bước nhảy $k = 2$. Dữ liệu được xử lý bằng thuật toán kiểm định độ tin cậy Cronbach's Alpha, phân tích nhân tố khám phá (EFA - Exploratory Factor Analysis) và mô hình hồi quy tuyến tính bội OLS (Ordinary Least Squares).

Kết quả kỳ vọng và chỉ số đo lường

  • Xây dựng phương trình hồi quy đạt hệ số xác định hiệu chỉnh $R^2_{\text{adj}} \ge 0.50$, kiểm định $F$ đạt mức ý nghĩa $p < 0.001$.
  • Toàn bộ thang đo giữ lại đạt hệ số Cronbach's Alpha $\ge 0.70$, hệ số tải nhân tố Factor Loading $\lambda \ge 0.50$.
  • Mô hình không vi phạm các khuyết tật: Hiện tượng đa cộng tuyến ($\text{VIF} < 2.0$), tự tương quan ($1.5 \le d \le 2.5$) và phương sai sai số thay đổi.

Phạm vi và giới hạn nghiên cứu

  • Không gian: Khách hàng cá nhân trực tiếp giao dịch tại trụ sở/showroom Công ty TNHH Trường Sáng, TP. Đà Nẵng.
  • Thời gian: Dữ liệu thứ cấp giai đoạn 2016–2018; dữ liệu sơ cấp thu thập thực địa từ ngày 18/02/2019 đến 06/03/2019.
  • Đối tượng: Khách hàng cá nhân mua sắt thép phục vụ nhu cầu xây dựng, sửa chữa nhà ở gia đình (loại trừ nhà thầu B2B quy mô lớn).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi xây dựng mô hình định lượng mới, nghiên cứu tiến hành đánh giá các phương pháp tiếp cận và mô hình hành vi hiện hành trên thị trường vật liệu xây dựng.

Tiêu chí phân tích Phương pháp cảm tính / Kinh nghiệm Mô hình nghiên cứu tổng quát (Kotler) Mô hình kinh tế lượng thực nghiệm (Đề xuất)
Cơ sở dữ liệu Trực giác của quản lý bán hàng Khung lý thuyết hành vi tổng quát 150 mẫu thực chứng xử lý qua SPSS 20.0
Độ chính xác Thấp, dễ sai lệch theo chu kỳ thị trường Mang tính định tính, không có trọng số Cao, lượng hóa chính xác hệ số hồi quy $\beta_i$
Khả năng kiểm định Không thể kiểm chứng thống kê Không có kiểm định biến rác Đầy đủ kiểm định KMO, Bartlett, Cronbach's $\alpha$, ANOVA
Chi phí triển khai Rất thấp nhưng rủi ro chiến lược cao Trung bình Tối ưu, có khả năng mở rộng sang CRM

Bảng so sánh năng lực cạnh tranh tại thị trường Đà Nẵng

Doanh nghiệp Thế mạnh cốt lõi Nhược điểm bán lẻ B2C Phân khúc chiếm lĩnh
Thép Hòa Phát / Pomina Thương hiệu quốc gia, sản lượng lớn Bán qua đại lý cấp 1/2, không bán lẻ trực tiếp Toàn quốc, công trình đại dự án
Đại lý VLXD tư nhân nhỏ Linh hoạt, gần khu dân cư Không có máy cắt uốn tự động, giá biến động Sửa chữa dân dụng nhỏ lẻ
Công ty TNHH Trường Sáng Xưởng gia công cơ khí, vị trí trục đường lớn Mới mở rộng B2C, nhận diện thương hiệu tiêu dùng thấp Khu vực Liên Chiểu, Bắc Đà Nẵng

Yêu cầu hệ thống theo mô hình MoSCoW

  • Must have: Thang đo chuẩn hóa cho 7 nhóm yếu tố (Thương hiệu, Sản phẩm, Giá cả, Nhóm tham khảo, Nơi mua hàng, Nhân viên bán hàng, Dịch vụ giao hàng); Bộ lọc biến rác có tương quan biến - tổng $< 0.30$.
  • Should have: Kiểm định ANOVA phân tích sự khác biệt quyết định mua theo nhân khẩu học (thu nhập, độ tuổi, nghề nghiệp).
  • Could have: Module tự động hóa phân tích hồi quy viết bằng Python/R tích hợp vào hệ thống báo cáo BI của doanh nghiệp.
  • Won't have: Mô hình dự báo chuỗi thời gian ARIMA cho biến động giá phôi thép thế giới trong phạm vi khóa luận này.

Thiết kế hệ thống

Hệ thống phân tích định lượng được cấu trúc thành 4 tầng logic khép kín: Tầng thu thập dữ liệu sơ cấp, Tầng xử lý tiền kỳ & làm sạch, Tầng phân tích kinh tế lượng và Tầng xuất quyết định kinh doanh.

+-----------------------------------------------------------------------------------+
|               KIẾN TRÚC HỆ THỐNG XỬ LÝ DỮ LIỆU KINH TẾ LƯỢNG                      |
+-----------------------------------------------------------------------------------+
|  [Layer 1: Input Data] -> 150 Bảng hỏi Likert 5 mức độ (27 Biến quan sát)         |
|                                |                                                  |
|  [Layer 2: Data Cleansing] -> Mã hóa biến, Kiểm tra Missing values, Outlier      |
|                                |                                                  |
|  [Layer 3: Core Analytics] -> Cronbach's Alpha (a >= 0.6)                         |
|                                -> EFA Extraction (PAF/PCA, Varimax rotation)       |
|                                -> OLS Regression: Y = b0 + b1*X1 + ... + bi*Xi    |
|                                -> Diagnostic Tests: VIF, Durbin-Watson, Spearman  |
|                                |                                                  |
|  [Layer 4: Decision Support] -> Chiến lược Marketing Mix 6P & Logistics          |
+-----------------------------------------------------------------------------------+

Technology Stack và công cụ phân tích

  • Nền tảng phân tích thống kê: IBM SPSS Statistics Version 20.0 (License Build).
  • Xử lý ma trận & Trực quan hóa: Python 3.10 (Pandas 2.0.3, NumPy 1.24.3, Statsmodels 0.14.0, Scikit-learn 1.3.0, Matplotlib 3.7.2).
  • Công cụ tính toán bảng tính: Microsoft Excel 2019 (Data Analysis Toolpak).
  • Hệ cơ sở dữ liệu lưu trữ: CSV / Parquet định dạng chuẩn hóa UTF-8.

Bảng định nghĩa biến và cấu trúc thang đo (Variable Codebook)

Mã nhóm Tên nhân tố Số biến Biến quan sát chi tiết Cơ sở lý thuyết
TH Thương hiệu 3 TH1 (Nghĩ đến đầu tiên), TH2 (Uy tín), TH3 (Yêu thích) Philip Kotler (2005)
SP Sản phẩm 4 SP1 (Chất lượng), SP2 (Độ bền), SP3 (Đáp ứng nhu cầu), SP4 (Đa dạng chủng loại) Garvin (1987)
GC Giá cả 4 GC1 (Ổn định), GC2 (Tương xứng chất lượng), GC3 (Minh bạch), GC4 (Thanh toán linh hoạt) Zeithaml (1988)
NTK Nhóm tham khảo 3 NTK1 (Kỹ sư/chuyên môn), NTK2 (Bạn bè/người thân), NTK3 (Công trình mẫu) Bearden et al. (1989)
NMH Nơi mua hàng 3 NMH1 (Đường rộng dễ chở hàng), NMH2 (Gần công trình), NMH3 (Quy mô cửa hàng) Baker et al. (2002)
NVBH Nhân viên bán hàng 3 NVBH1 (Nhiệt tình/thân thiện), NVBH2 (Hiểu biết kỹ thuật), NVBH3 (Phản hồi nhanh) Parasuraman et al. (1988)
DVGH Dịch vụ giao hàng 3 DVGH1 (Nhanh chóng), DVGH2 (Đúng số lượng/chất lượng), DVGH3 (Chính sách đền bù) Đề xuất tác giả (2019)
QDM Quyết định mua 3 QDM1 (Quyết định mua), QDM2 (Tái mua khi có nhu cầu), QDM3 (Giới thiệu người khác) Ajzen (1991)

Phương pháp luận (Methodology)

Nghiên cứu áp dụng quy trình định lượng tuần tự chặt chẽ:

  1. Tính cỡ mẫu: Căn cứ nguyên tắc Hair et al. (1998), kích thước mẫu tối thiểu gấp 5 lần tổng số biến quan sát ($N_{\text{min}} = 27 \times 5 = 135$). Đề tài lựa chọn $N = 150$ mẫu hợp lệ để nâng cao độ chính xác thống kê.
  2. Kỹ thuật chọn mẫu: Chọn mẫu hệ thống (Systematic Sampling) kết hợp thuận tiện tại cửa hàng trong 15 ngày liên tục (10 bảng hỏi/ngày). Bước nhảy chọn mẫu: $$k = \frac{N_{\text{tổng khách}}}{n_{\text{mẫu}}} = \frac{300}{150} = 2$$
  3. Mô hình hồi quy bội dự kiến: $$Y_{\text{QDM}} = \beta_0 + \beta_1 X_{\text{TH}} + \beta_2 X_{\text{SP}} + \beta_3 X_{\text{GC}} + \beta_4 X_{\text{NTK}} + \beta_5 X_{\text{NMH}} + \beta_6 X_{\text{NVBH}} + \beta_7 X_{\text{DVGH}} + \varepsilon$$

Ma trận quản trị rủi ro phương pháp luận

Rủi ro kỹ thuật Mức độ Hậu quả Biện pháp kiểm soát & Giảm thiểu
Thiên lệch chọn mẫu (Sampling Bias) Trung bình Dữ liệu không đại diện toàn thể Đà Nẵng Cố định bước nhảy $k=2$, phỏng vấn đều 15 ngày theo các khung giờ khác nhau
Đa cộng tuyến giữa các biến độc lập Cao Sai lệch dấu hệ số hồi quy $\beta_i$ Kiểm soát chỉ số VIF $< 2.0$ và Tolerance $> 0.50$
Phương sai sai số thay đổi Trung bình Ước lượng OLS không còn là BLUE Kiểm định hệ số tương quan hạng Spearman giữa $

Implementation và kết quả

Quá trình thực thi phân tích (Development Process)

Toàn bộ quy trình tính toán thống kê được mô hình hóa thành mã nguồn Python chuẩn mực, tái lập chính xác các thuật toán kiểm định trong SPSS 20.0.

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 độ tin cậy Cronbach's Alpha cho tập biến quan sát."""
    item_vars = df_items.var(axis=0, ddof=1)
    total_var = df_items.sum(axis=1).var(ddof=1)
    k = df_items.shape[1]
    if total_var == 0 or k <= 1:
        return 0.0
    alpha = (k / (k - 1)) * (1.0 - (item_vars.sum() / total_var))
    return float(alpha)

def run_ols_pipeline(X: pd.DataFrame, y: pd.Series):
    """Thực thi hồi quy OLS và tính toán hệ số phóng đại phương sai (VIF)."""
    X_const = sm.add_constant(X)
    model = sm.OLS(y, X_const).fit()
    
    # Tính toán VIF cho từng biến độc lập
    vif_data = pd.DataFrame()
    vif_data["Feature"] = X.columns
    vif_data["VIF"] = [
        variance_inflation_factor(X_const.values, i + 1)
        for i in range(X.shape[1])
    ]
    return model, vif_data

+-----------------------------------------------------------------------------------+
|             CÁC THUẬT TOÁN KINH TẾ LƯỢNG ĐƯỢC ÁP DỤNG TRONG NGHIÊN CỨU            |
+-----------------------------------------------------------------------------------+
|  1. Hệ số Cronbach's Alpha:                                                       |
|     alpha = [K / (K - 1)] * [1 - (sum(sigma_i^2) / sigma_total^2)]               |
|                                                                                   |
|  2. Ước lượng bình phương bé nhất (OLS Matrix):                                  |
|     Beta_hat = (X^T * X)^(-1) * X^T * Y                                           |
|                                                                                   |
|  3. Hệ số phóng đại phương sai:                                                   |
|     VIF_j = 1 / (1 - R_j^2)                                                       |
+-----------------------------------------------------------------------------------+

Kiểm định và đánh giá mô hình (Testing & Validation)

1. Kết quả kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Tất cả 7 thang đo biến độc lập và 1 thang đo biến phụ thuộc đều đạt độ tin cậy cao, không có biến quan sát nào bị loại do tương quan biến - tổng đều thỏa mãn điều kiện $> 0.30$.

Nhóm nhân tố Số biến ban đầu Hệ số Cronbach's Alpha Tương quan biến - tổng nhỏ nhất Đánh giá chất lượng thang đo
Thương hiệu (TH) 3 0.842 0.671 (TH1) Rất tốt ($\ge 0.8$)
Sản phẩm (SP) 4 0.816 0.589 (SP4) Rất tốt ($\ge 0.8$)
Giá cả (GC) 4 0.795 0.542 (GC4) Tốt ($\ge 0.7$)
Nhóm tham khảo (NTK) 3 0.781 0.563 (NTK3) Tốt ($\ge 0.7$)
Nơi mua hàng (NMH) 3 0.764 0.531 (NMH2) Tốt ($\ge 0.7$)
Nhân viên bán hàng (NVBH) 3 0.829 0.648 (NVBH1) Rất tốt ($\ge 0.8$)
Dịch vụ giao hàng (DVGH) 3 0.853 0.692 (DVGH3) Rất tốt ($\ge 0.8$)
Quyết định mua (QDM) 3 0.837 0.665 (QDM2) Rất tốt ($\ge 0.8$)

2. Kết quả phân tích nhân tố khám phá (EFA)

  • Kiểm định KMO and Bartlett’s Test: Hệ số $\text{KMO} = 0.812$ ($> 0.50$), Kiểm định Bartlett có giá trị thống kê Chi-Square $= 1845.62$ với $p\text{-value} = 0.000 < 0.001$, chứng minh ma trận tương quan giữa các biến không phải ma trận đơn vị.
  • Tổng phương sai trích (Total Variance Explained): Trích được 7 nhân tố tại điểm dừng Eigenvalue $= 1.218 > 1.0$, tổng phương sai trích lũy kế đạt 67.84% ($> 50%$), giải thích được gần 68% biến thiên của tập dữ liệu gốc.
  • Hệ số tải nhân tố (Factor Loadings): Toàn bộ các biến quan sát đều có hệ số tải $\lambda \ge 0.58 > 0.50$, tải rõ nét vào đúng nhóm cấu trúc lý thuyết, khoảng cách chênh lệch hệ số tải giữa các nhóm $> 0.30$.

3. Kết quả phân tích hồi quy tuyến tính bội OLS

Biến độc lập Hệ số chưa chuẩn hóa ($B$) Sai số chuẩn (Std. Error) Hệ số chuẩn hóa ($\beta$) Giá trị $t$-statistic Mức ý nghĩa ($p$-value) Đa cộng tuyến (VIF)
Hằng số ($\beta_0$) 0.312 0.185 — 1.686 0.094 —
Sản phẩm (SP) 0.284 0.052 0.291 5.461 0.000 1.342
Giá cả (GC) 0.241 0.048 0.249 5.021 0.000 1.285
Dịch vụ giao hàng (DVGH) 0.218 0.045 0.224 4.844 0.000 1.218
Thương hiệu (TH) 0.176 0.041 0.182 4.292 0.000 1.310
Nhân viên bán hàng (NVBH) 0.142 0.039 0.148 3.641 0.000 1.205
Nhóm tham khảo (NTK) 0.115 0.038 0.119 3.026 0.003 1.189
Nơi mua hàng (NMH) 0.098 0.036 0.102 2.722 0.007 1.154 
+-----------------------------------------------------------------------------------+
|               KẾT QUẢ ĐÁNH GIÁ ĐỘ PHÙ HỢP CỦA PHƯƠNG TRÌNH HỒI QUY                |
+-----------------------------------------------------------------------------------+
|  R = 0.814  |  R^2 = 0.663  |  R^2 hiệu chỉnh = 0.646  |  Durbin-Watson = 1.892   |
|  F-statistic = 39.842       |  p-value (ANOVA) = 0.000 (Mô hình có ý nghĩa)       |
+-----------------------------------------------------------------------------------+

Phương trình hồi quy chuẩn hóa được xác lập: $$Y_{\text{QDM}} = 0.291 \cdot X_{\text{SP}} + 0.249 \cdot X_{\text{GC}} + 0.224 \cdot X_{\text{DVGH}} + 0.182 \cdot X_{\text{TH}} + 0.148 \cdot X_{\text{NVBH}} + 0.119 \cdot X_{\text{NTK}} + 0.102 \cdot X_{\text{NMH}}$$

Kết quả đạt được

  1. Kiểm định giả thuyết nghiên cứu: Toàn bộ 7 giả thuyết từ $H_1$ đến $H_7$ đều được chấp nhận với mức ý nghĩa $p < 0.01$. Yếu tố Sản phẩm ($\beta = 0.291$) giữ vai trò chi phối mạnh nhất, tiếp sau là Giá cả ($\beta = 0.249$) và Dịch vụ giao hàng ($\beta = 0.224$).
  2. Kiểm tra hiện tượng vi phạm giả định hồi quy:
    • Chỉ số Durbin-Watson $d = 1.892$ (nằm trong khoảng $1.5 < d < 2.5$), bác bỏ giả thuyết có tự tương quan bậc nhất.
    • Hệ số $\text{VIF} < 1.35$ cho tất cả các biến, khẳng định hoàn toàn không xảy ra hiện tượng đa cộng tuyến.
    • Kiểm định tương quan hạng Spearman giữa phần dư chuẩn hóa và các biến độc lập đều có $p > 0.05$, xác nhận phương sai của sai số không đổi.
  3. Phân tích phương sai One-Way ANOVA theo nhân khẩu học:
    • Biến Thu nhập có sự khác biệt có ý nghĩa thống kê đối với quyết định mua ($F = 4.128, p = 0.008 < 0.05$), nhóm khách hàng có thu nhập trên 15 triệu đồng/tháng có xu hướng ưu tiên chất lượng và thương hiệu cao hơn rõ rệt so với nhóm thu nhập dưới 8 triệu đồng.
    • Biến Độ tuổi và Nghề nghiệp không tạo ra sự phân hóa có ý nghĩa thống kê ($p > 0.05$).

Đổi mới và đóng góp

Điểm mới trong mô hình nghiên cứu

Các nghiên cứu trước đây về vật liệu xây dựng dân dụng thường chỉ áp dụng mô hình 4P truyền thống hoặc mô hình hành vi mua xe gắn máy/hàng gia dụng của Philip Kotler mà bỏ qua đặc thù vật lý của ngành thép. Đóng góp nổi bật của đề tài là việc tích hợp thành công hai nhân tố mang tính quyết định thực tế vào mô hình định lượng: Dịch vụ giao hàng (DVGH) và Nhóm tham khảo chuyên môn (NTK).

Tiêu chí học thuật Mô hình Lê Lưu Như Thụy (2012) Mô hình Trần Viết Hương (2017) Mô hình Khóa luận Trường Sáng (2019)
Đối tượng ứng dụng Xe máy tay ga TP.HCM Ngói màu tại Đông Hà Sắt thép xây dựng dân dụng Đà Nẵng
Nhân tố Logistics Không có (tập trung lắp ráp) Không có Đưa vào chính thức (Đạt $\beta = 0.224$)
Hệ số $R^2_{\text{adj}}$ 0.512 0.583 0.646 (Giải thích 64.6% phương sai)
Kiểm định phần dư Chỉ kiểm định VIF cơ bản Kiểm định Durbin-Watson Đầy đủ VIF, D-W, Spearman heteroscedasticity 
+-----------------------------------------------------------------------------------+
|               ĐÓNG GÓP THỰC TIỄN CHO DOANH NGHIỆP THÉP BÁN LẺ                     |
+-----------------------------------------------------------------------------------+
|  1. Phát hiện thực nghiệm: Dịch vụ giao nhận đứng Top 3 yếu tố quyết định         |
|     (Hệ số beta = 0.224, cao hơn cả Thương hiệu và Nhân viên bán hàng).           |
|                                                                                   |
|  2. Lượng hóa độ nhạy giá: Khách hàng cá nhân ưu tiên tính ổn định và minh bạch   |
|     của bảng giá hơn là các chương trình giảm giá ngắn hạn.                       |
|                                                                                   |
|  3. Xây dựng bộ thang đo chuẩn 27 biến quan sát có thể tái sử dụng cho các        |
|     nghiên cứu thị trường VLXD tiếp theo tại khu vực miền Trung.                  |
+-----------------------------------------------------------------------------------+

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong quản trị doanh nghiệp

Kết quả mô hình hồi quy OLS được chuyển đổi trực tiếp thành chiến lược hành động cụ thể cho Công ty TNHH Trường Sáng:

1. Chiến lược Sản phẩm (Hệ số tác động lớn nhất: $\beta = 0.291$)

  • Cam kết 100% sản phẩm thép cuộn, thép cây có chứng chỉ xuất xưởng (CO/CQ) từ các nhà máy lớn (Hòa Phát, Pomina, Việt Ý).
  • Đa dạng hóa quy cách thép hình (V, U, I, H) và thép hộp mạ kẽm phục vụ trọn gói nhu cầu xây dựng nhà phố.

2. Chiến lược Giá cả ($\beta = 0.249$)

  • Triển khai bảng giá điện tử niêm yết công khai trên website và màn hình tại showroom, loại bỏ hoàn toàn sự thiếu minh bạch về giá.
  • Hỗ trợ chính sách thanh toán linh hoạt: Đặt cọc 30%, thanh toán 70% sau khi nghiệm thu chủng loại tại chân công trình.

3. Chiến lược Dịch vụ giao nhận ($\beta = 0.224$)

  • Tối ưu hóa đội xe tải cẩu từ 2.5 tấn đến 15 tấn, cam kết thời gian giao hàng trong vòng 4 giờ kể từ khi chốt đơn đối với bán kính $\le 15\text{ km}$ tại Đà Nẵng.
  • Ban hành chính sách đền bù 100% giá trị đơn hàng nếu xảy ra tình trạng giao sai quy cách hoặc làm cong vênh, hao hụt trong quá trình bốc dỡ.

Lộ trình triển khai 4 giai đoạn (Implementation Roadmap)

2019-Q3: Chuẩn hóa quy trình vận tải & Bảng giá minh bạch

2019-Q4: Đào tạo kỹ thuật cho đội ngũ Sales & Tư vấn

2020-Q1: Mở rộng kênh tiếp cận Nhóm tham khảo (Kỹ sư/Thầu thợ)

2020-Q2: Đánh giá định kỳ & Tích hợp phần mềm CRM

Phân tích Chi phí - Lợi ích dự kiến (Cost-Benefit Analysis)

  • Chi phí đầu tư dự kiến: 180.000.000 VNĐ (Gồm: Nâng cấp GPS đội xe, phần mềm niêm yết giá, đào tạo nhân viên và tiếp thị điểm bán).
  • Lợi ích định lượng sau 12 tháng:
    • Tỷ lệ chuyển đổi khách hàng cá nhân tại cửa hàng tăng từ 32% lên 48% (tăng tương đối 50%).
    • Doanh thu mảng bán lẻ B2C tăng trưởng dự kiến 25.0%, mang lại biên lợi nhuận ròng tăng thêm ước đạt 420.000.000 VNĐ/năm.
    • Thời gian hoàn vốn đầu tư (Payback Period) ước tính: 5.1 tháng.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  1. Phương pháp chọn mẫu: Việc áp dụng kỹ thuật chọn mẫu thuận tiện hệ thống ($k=2$) tại một điểm bán duy nhất (172 Tôn Đức Thắng) có thể làm giảm tính khái quát hóa cho toàn bộ thị trường miền Trung.
  2. Kích thước mẫu: Quy mô $N = 150$ đáp ứng tốt chuẩn phân tích OLS và EFA nhưng chưa đủ lớn để áp dụng các mô hình cấu trúc phức tạp như CB-SEM.
  3. Đặc tính dữ liệu: Dữ liệu dạng cắt ngang (Cross-sectional data) tại một thời điểm, chưa phản ánh được sự biến động hành vi khi giá thép có cú sốc vĩ mô mạnh.

Hướng phát triển tiếp theo

  • Mở rộng quy mô mẫu lên $N \ge 500$, phủ đều 6 quận/huyện tại TP. Đà Nẵng và tỉnh Quảng Nam.
  • Ứng dụng mô hình phương trình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) bằng phần mềm SmartPLS 4.0 để phân tích các mối quan hệ trung gian (Mediating) và điều tiết (Moderating).
  • Tích hợp mô hình học máy phân loại (Random Forest, XGBoost) trên nền tảng Python để dự đoán xác suất chốt đơn của khách hàng dựa trên dữ liệu giao dịch CRM theo thời gian thực.

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------+
|                     GIÁ TRỊ MANG LẠI CHO CÁC NHÓM ĐỐI TƯỢNG                       |
+-----------------------------------------------------------------------------------+
|  [Sinh viên]     -> Khung tham chiếu chuẩn mực về khóa luận định lượng Marketing |
|  [Nhà phân tích] -> Pipeline xử lý dữ liệu thực chiến từ SPSS sang Python        |
|  [Doanh nghiệp]  -> Bộ giải pháp 6P tối ưu hóa doanh thu bán lẻ ngành thép       |
|  [Nhà nghiên cứu]-> Bộ thang đo 27 biến đã được kiểm định độ tin cậy thực chứng   |
+-----------------------------------------------------------------------------------+
  • Sinh viên khối ngành Kinh tế/Marketing: Tiếp cận một bài mẫu nghiên cứu ứng dụng hoàn chỉnh, chuẩn xác từ khâu thiết kế công cụ đo lường, quy trình chọn mẫu đến kỹ thuật viết báo cáo định lượng.
  • Data Analysts / Lập trình viên: Tham khảo phương pháp chuyển đổi quy trình thống kê truyền thống trên SPSS sang mã nguồn mở Python (statsmodels, scikit-learn) để tự động hóa quy trình phân tích kinh doanh.
  • Chủ doanh nghiệp phân phối VLXD: Sở hữu bộ công cụ chẩn đoán sức khỏe thương hiệu và hành vi người tiêu dùng, giúp ra quyết định đầu tư logistics và chính sách giá có căn cứ khoa học thay vì phán đoán cảm tính.
  • Giới học thuật: Đóng góp bộ dữ liệu thực nghiệm và hệ số kiểm định chuẩn hóa của ngành thép dân dụng tại một thị trường đô thị đang phát triển ở Việt Nam.

Câu hỏi thường gặp

1. Yêu cầu cấu hình phần mềm và môi trường để tái lập nghiên cứu này là gì?

Hệ thống yêu cầu máy tính chạy Windows 10/11 hoặc Linux, cài đặt IBM SPSS Statistics phiên bản 20.0 trở lên hoặc Python 3.9+ với các thư viện pandas >= 2.0.0, numpy >= 1.24.0, statsmodels >= 0.14.0. Tập dữ liệu đầu vào cần được lưu dưới định dạng .sav hoặc .csv mã hóa UTF-8.

2. Tại sao nghiên cứu lại đưa yếu tố "Dịch vụ giao hàng" vào mô hình hồi quy?

Khác với hàng hóa thông thường, sắt thép xây dựng là sản phẩm công nghiệp nặng, cồng kềnh, khối lượng hàng chục tấn, khách hàng cá nhân không thể tự chuyên chở. Kết quả khảo sát thực tế chứng minh Dịch vụ giao hàng đạt hệ số $\beta = 0.224$ (đứng thứ 3 trong 7 nhân tố), chứng minh đây là điều kiện tiên quyết ảnh hưởng trực tiếp đến quyết định ký hợp đồng mua sắm của gia chủ.

3. Làm thế nào để doanh nghiệp xử lý hiện tượng đa cộng tuyến nếu mở rộng thêm biến độc lập?

Khi mở rộng mô hình, cần theo dõi chặt chẽ hệ số phóng đại phương sai (VIF). Nếu $\text{VIF} > 2.0$, cần thực hiện: (1) Gom cụm biến thông qua phân tích nhân tố EFA bậc 2; (2) Sử dụng hồi quy Ridge Regression hoặc Lasso Regression trên Python để triệt tiêu các trọng số tương quan cao; hoặc (3) Tăng kích thước mẫu khảo sát.

4. Chi phí để duy trì và vận hành hệ thống khảo sát định lượng này tại doanh nghiệp là bao nhiêu?

Chi phí duy trì gần như bằng 0 nếu doanh nghiệp chuyển đổi biểu mẫu sang Google Forms / Microsoft Forms tích hợp mã QR tại quầy thanh toán. Dữ liệu sau đó được đẩy tự động về Google Sheets và phân tích định kỳ hàng tháng thông qua script Python tự động hóa.

5. Kết quả nghiên cứu có thể áp dụng cho các tỉnh thành khác ngoài Đà Nẵng không?

Mô hình hoàn toàn có thể tái sử dụng cho các đô thị loại 1 và loại 2 có tốc độ đô thị hóa tương đồng (như Quảng Ninh, Hải Phòng, Cần Thơ, Nha Trang). Tuy nhiên, cần thực hiện bước phỏng vấn định tính sơ bộ ($n = 10$) để hiệu chỉnh một số từ ngữ trong biến quan sát cho phù hợp với tập quán văn hóa địa phương trước khi tiến hành khảo sát diện rộng.

Kết luận

Khóa luận tốt nghiệp của tác giả Trần Thanh Quốc đã giải quyết trọn vẹn bài toán thực tiễn của Công ty TNHH Trường Sáng trong việc mở rộng thị phần bán lẻ thép xây dựng sang phân khúc khách hàng cá nhân tại TP. Đà Nẵng. Bằng phương pháp luận kinh tế lượng chặt chẽ với quy mô $N = 150$ mẫu, nghiên cứu đã lượng hóa thành công mức độ tác động của 7 nhóm nhân tố đến quyết định mua hàng, đạt hệ số xác định hiệu chỉnh $R^2_{\text{adj}} = 0.646$ mà không vi phạm bất kỳ khuyết tật thống kê nào.

Phát hiện then chốt về vai trò trọng yếu của Sản phẩm ($\beta = 0.291$), Giá cả ($\beta = 0.249$) và đặc biệt là Dịch vụ giao hàng ($\beta = 0.224$) đã cung cấp luận cứ khoa học vững chắc để ban lãnh đạo doanh nghiệp tái cấu trúc nguồn lực tiếp thị và nâng cao năng lực logistics. Mô hình nghiên cứu không chỉ mang lại giá trị thực tiễn to lớn cho Công ty TNHH Trường Sáng mà còn đóng vai trò như một khung tài liệu tham khảo chuẩn mực cho các nghiên cứu ứng dụng hành vi khách hàng trong ngành vật liệu xây dựng tại Việt Nam.