Giới thiệu dự án

Thị trường kinh tế số tại Việt Nam đang chứng kiến sự bùng nổ mạnh mẽ với 76,95 triệu người dùng mạng xã hội (chiếm 78,1% tổng dân số năm 2022 theo báo cáo We Are Social), phân bổ trên các nền tảng chủ đạo gồm Facebook (70,40 triệu người dùng), YouTube (60,25 triệu) và TikTok (39,91 triệu). Tuy nhiên, khảo sát thực tế của Nguyễn Hải Ninh trên 500 doanh nghiệp vừa và nhỏ (SME) chỉ ra nghịch lý: 20% doanh nghiệp không đầu tư ngân sách cho thương hiệu và hơn 70% doanh nghiệp chi dưới 5% doanh số cho hoạt động tiếp thị; 85% nhãn hiệu đăng ký tại Việt Nam thuộc về các doanh nghiệp nước ngoài.

Tại thị trường Thừa Thiên Huế, sự bùng nổ của các đơn vị cung cấp dịch vụ Digital Marketing tạo ra môi trường cạnh tranh gay gắt. Khách hàng B2B (các chủ cửa hàng kinh doanh, doanh nghiệp địa phương) đối mặt với tình trạng quá tải thông tin, khó phân biệt năng lực giữa các Agency. Công ty TNHH Truyền thông và Giải trí Thái Thu (Thai Thu Marketing) sau hơn 3 năm hình thành (thành lập 03/10/2019, triển khai 180+ dự án, thiết kế 114 bộ nhận diện thương hiệu, đào tạo 650+ học viên) đối mặt với thách thức: thiếu một cơ sở dữ liệu định lượng chính xác về vị thế thương hiệu trong tâm trí khách hàng, dẫn đến nguy cơ phân tán nguồn lực tiếp thị.

Đề tài khóa luận tập trung giải quyết bài toán cốt lõi: Xác định và lượng hóa các yếu tố cấu thành vị thế thương hiệu Thai Thu Marketing trong nhận thức của nhóm khách hàng mục tiêu tại thành phố Huế, từ đó thiết lập ma trận giải pháp nâng cao năng lực cạnh tranh.

Mục tiêu nghiên cứu cụ thể

  1. Hệ thống hóa cơ sở lý luận về thương hiệu, tài sản thương hiệu (Brand Equity) và các mô hình định vị trong ngành dịch vụ B2B.
  2. Thiết lập thang đo, thu thập và phân tích dữ liệu thực nghiệm về mức độ nhận biết và đánh giá của khách hàng đối với Thai Thu Marketing so với đối thủ cạnh tranh.
  3. Kiểm định độ tin cậy của thang đo (Cronbach's Alpha) và kiểm định giá trị trung bình (One-Sample T-Test) trên 8 nhóm nhân tố định vị.
  4. Đề xuất hệ thống giải pháp Marketing Mix (4P) đồng bộ dựa trên phân tích ma trận SWOT thực tế của doanh nghiệp.

Phạm vi và Giới hạn nghiên cứu

  • Không gian: Địa bàn thành phố Huế, tập trung vào các tuyến phố thương mại tập trung mật độ cao các cơ sở kinh doanh.
  • Thời gian: Dữ liệu thứ cấp thu thập giai đoạn 2019 – 2021; Dữ liệu sơ cấp điều tra từ ngày 05/10/2022 đến ngày 20/11/2022.
  • Khách thể nghiên cứu: 135 chủ cơ sở kinh doanh, nhà quản lý doanh nghiệp đã, đang hoặc có tiềm năng sử dụng dịch vụ Digital Marketing tại Huế.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phương pháp tiếp cận Ưu điểm Nhược điểm Tính ứng dụng tại Thai Thu Marketing
Định vị cảm tính (Qualitative Intuition) Triển khai nhanh, không tốn chi phí khảo sát Thiếu tính khách quan, rủi ro sai lệch nhận thức cao Đã áp dụng giai đoạn 2019-2021, bộc lộ nhiều hạn chế
Mô hình Aaker thuần túy (1991) Toàn diện về cấu trúc tài sản thương hiệu Nhiều biến số trừu tượng, khó áp dụng trực tiếp cho Agency địa phương Cần hiệu chỉnh tinh gọn theo đặc thù dịch vụ B2B
Mô hình thực nghiệm kết hợp (Đề xuất) Đo lường chính xác bằng định lượng SPSS, tích hợp 8 nhóm thuộc tính B2B Đòi hỏi quy trình thu thập mẫu nghiêm ngặt Phù hợp tối ưu với nguồn lực và mục tiêu nghiên cứu

Yêu cầu nghiên cứu được phân loại theo mô hình MoSCoW:

  • Must-have (Bắt buộc): Đo lường mức độ nhận biết thương hiệu (Top of Mind, Spontaneous, Aided Recall); Kiểm định độ tin cậy thang đo ($\alpha \ge 0.70$); Kiểm định T-Test mức độ hài lòng ($\mu_0 = 3.0$).
  • Should-have (Nên có): Phân tích tương quan giữa nhận thức chất lượng và quyết định tái ký hợp đồng dịch vụ.
  • Could-have (Có thể có): Lập bản đồ định vị không gian đa chiều (Perceptual Mapping) giữa Thai Thu Marketing và các đối thủ chính.
  • Won't-have (Không thực hiện): Đánh giá nhận thức người tiêu dùng cuối (End-users) của các chiến dịch do Thai Thu thực hiện.

Thiết kế hệ thống thang đo và dữ liệu

Hệ thống biến quan sát được chuẩn hóa thành 8 nhóm nhân tố gồm 24 biến quan sát, đo lường trên thang điểm Likert 5 mức độ (1: Rất không đồng ý đến 5: Rất đồng ý):

Thang đo định vị thương hiệu (24 biến quan sát)

Phương pháp nghiên cứu và Cỡ mẫu

Nghiên cứu áp dụng phương pháp lấy mẫu phi ngẫu nhiên (thuận tiện). Cỡ mẫu tối thiểu được tính toán dựa trên quy tắc thực nghiệm của Hair et al. (1998): Cỡ mẫu tối thiểu gấp 5 lần tổng số biến quan sát ($n \ge 5 \times m$). $$n_{\text{min}} = 5 \times 24 = 120\text{ mẫu}$$ Để dự phòng sai số và phiếu không hợp lệ, tổng số phiếu phát ra là $N = 135$ phiếu, thu về 120 phiếu hợp lệ (tỷ lệ sử dụng đạt 88,89%), đảm bảo độ tin cậy 95% và sai số cho phép $e = 5%$.

Implementation và kết quả

Quy trình xử lý và Thuật toán thống kê

Dữ liệu khảo sát được mã hóa và xử lý trên nền tảng IBM SPSS Statistics phiên bản 20.0. Các thuật toán xử lý dữ liệu lõi bao gồm:

  1. Hệ số tin cậy Cronbach's Alpha ($\alpha$): Đánh giá tính nhất quán nội tại của các biến quan sát trong từng thang đo thành phần: $$\alpha = \frac{k}{k - 1} \left( 1 - \frac{\sum_{i=1}^k \sigma_{Y_i}^2}{\sigma_X^2} \right)$$ Điều kiện chấp nhận: $\alpha \ge 0.70$; Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $r_{it} \ge 0.30$.

  2. Kiểm định One-Sample T-Test: Kiểm tra giá trị trung bình mẫu ($\bar{X}$) so với giá trị kiểm định trung hòa $\mu_0 = 3.0$ (Mức độ trung lập trên thang Likert 5 điểm): $$t = \frac{\bar{X} - \mu_0}{S / \sqrt{n}}, \quad df = n - 1$$ Quy tắc quyết định: Bác bỏ giả thuyết $H_0$ khi giá trị kiểm định $\text{Sig. (2-tailed)} < 0.05$.

import numpy as np
from scipy import stats

def evaluate_brand_metrics(data_matrix, mu_0=3.0, alpha_level=0.05):
    """
    Tính toán kiểm định One-Sample T-Test cho các biến quan sát thang đo định vị
    """
    results = {}
    n = data_matrix.shape[0]
    for col_idx in range(data_matrix.shape[1]):
        col_data = data_matrix[:, col_idx]
        mean_val = np.mean(col_data)
        std_val = np.std(col_data, ddof=1)
        t_stat, p_val = stats.ttest_1samp(col_data, mu_0)
        
        results[f"VAR_{col_idx+1}"] = {
            "N": n,
            "Mean": round(mean_val, 3),
            "Std_Dev": round(std_val, 3),
            "t_statistic": round(t_stat, 3),
            "p_value": round(p_val, 5),
            "Significant": p_val < alpha_level and mean_val > mu_0
        }
    return results

* SPSS Syntax: Kiem dinh do tin cay Cronbach Alpha va T-Test cho nhan to Chat Luong SP-DV.
RELIABILITY
  /VARIABLES=CL1 CL2 CL3
  /SCALE('Chat Luong SP-DV') ALL
  /MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE CORR
  /SUMMARY=TOTAL.

T-TEST
  /TESTVAL=3.0
  /MISSING=ANALYSIS
  /VARIABLES=CL1 CL2 CL3 GC1 GC2 GC3 DV1 DV2 DV3
  /CRITERIA=CI(.95).

Kết quả kiểm định và Đo lường thực nghiệm

Tất cả 8 nhóm thang đo với 24 biến quan sát đều vượt qua kiểm định độ tin cậy với hệ số Cronbach's Alpha dao động từ $0.742$ đến $0.886$, không có biến nào có hệ số tương quan biến - tổng nhỏ hơn $0.30$.

Kết quả kiểm định độ tin cậy thang đo (Cronbach's Alpha)
Nhóm nhân tố              Số biến    Cronbach's Alpha    Đánh giá
Tên thương hiệu (TH)         3             0.812         Rất tốt
Logo thương hiệu (LG)        3             0.785         Tốt
Quảng bá thương hiệu (QB)    3             0.742         Đạt yêu cầu
Đánh giá thương hiệu (ĐG)    3             0.834         Rất tốt
Giá cả dịch vụ (GC)          3             0.768         Tốt
Chất lượng SP-DV (CL)        3             0.886         Xuất sắc
Chăm sóc khách hàng (DV)     3             0.854         Rất tốt
Khuyến mãi (KM)              3             0.759         Tốt

Kết quả kiểm định One-Sample T-Test (Giá trị kiểm định = 3.0)
Biến quan sát    GTTB (Mean)   Độ lệch chuẩn   Giá trị t    Sig. (2-tailed)
TH1 (Ngắn gọn)      4.12           0.68          18.03           0.000
LG2 (Màu sắc)       3.95           0.72          14.44           0.000
CL1 (Chất lượng)    4.08           0.65          18.21           0.000
CL3 (Tiến độ)       3.88           0.79          12.20           0.000
GC3 (Tương xứng)    3.74           0.81           9.98           0.000
DV1 (Phản hồi)      4.15           0.61          20.65           0.000
KM2 (Tần suất)      3.21           0.94           2.45           0.016

Đánh giá nhận thức vị thế cạnh tranh

  • Mức độ nhận biết thương hiệu: 68,3% đối tượng khảo sát nhận biết thương hiệu Thai Thu Marketing khi được nhắc nhở (Aided Recall), tuy nhiên chỉ số nhớ đến đầu tiên (Top of Mind) đạt 18,5%, đứng sau 2 đối thủ cạnh tranh trực tiếp tại thị trường miền Trung.
  • Điểm mạnh cốt lõi: Dịch vụ chăm sóc khách hàng ($\bar{X}{\text{DV1}} = 4.15$), Tên thương hiệu dễ đọc ($\bar{X}{\text{TH1}} = 4.12$), Chất lượng giải pháp chuyên môn ($\bar{X}_{\text{CL1}} = 4.08$).
  • Điểm hạn chế cần cải thiện: Tần suất và giá trị chương trình khuyến mãi còn thấp ($\bar{X}{\text{KM2}} = 3.21$), nội dung quảng bá chưa tạo độ phủ diện rộng trên các kênh B2B ($\bar{X}{\text{QB1}} = 3.42$).

Đổi mới và đóng góp

Điểm mới khoa học và thực tiễn

  1. Chuẩn hóa khung thang đo định vị Agency B2B địa phương: Khác với các nghiên cứu hàng tiêu dùng FMCG (như nghiên cứu nước khoáng Alba của Phạm Thị Linh, 2020) hay chuỗi bán lẻ (cà phê Đồng Xanh của Trần Thị Phương Thảo, 2018), đề tài đã tinh chỉnh hệ thống biến quan sát tập trung vào các tiêu chí đặc thù của dịch vụ giải pháp truyền thông: Tốc độ hoàn thành dự án, Tính thẩm mỹ nhận diện, Trình độ chuyên môn đội ngũ và Năng lực tư vấn giải pháp.
Tiêu chí so sánh Khóa luận Thai Thu Marketing (2022) Đề tài Alba Mineral Water (2020) Đề tài Cà phê Đồng Xanh (2018)
Ngành hàng Dịch vụ B2B Digital Marketing Hàng tiêu dùng đóng chai (FMCG) Dịch vụ F&B bán lẻ
Đối tượng mẫu Chủ doanh nghiệp, Quản lý kinh doanh Người tiêu dùng đại trà Khách hàng cá nhân tại quán
Số biến quan sát 24 biến (8 nhóm nhân tố) 18 biến (5 nhóm nhân tố) 20 biến (6 nhóm nhân tố)
Công cụ kiểm định Cronbach's Alpha + One-Sample T-Test Thống kê mô tả + ANOVA Cronbach's Alpha + EFA
Tính ứng dụng Tối ưu hóa phễu chuyển đổi B2B Agency Tối ưu hóa chuỗi phân phối siêu thị Cải tiến menu và không gian quán
  1. Định lượng hóa năng lực cạnh tranh: Chuyển đổi toàn bộ các nhận định trực quan của ban điều hành thành các chỉ số thống kê có ý nghĩa xác thực ($p < 0.05$), tạo căn cứ vững chắc cho việc phân bổ ngân sách marketing theo từng quý.
  2. Mô hình phối hợp SWOT - 4P thực chiến: Kết nối trực tiếp kết quả thống kê khảo sát với ma trận điểm mạnh - điểm yếu nội bộ, tạo ra cẩm nang giải pháp có tính thực thi ngay lập tức cho doanh nghiệp.

Ứng dụng thực tế và triển khai

Chiến lược Marketing Mix (4P) nâng cao vị thế thương hiệu

Kế hoạch triển khai theo giai đoạn (Roadmap)

Lộ trình triển khai chiến lược định vị 2023 - 2024

Phân tích Chi phí - Hiệu quả (Cost-Benefit Analysis)

  • Dự toán ngân sách triển khai: Chi phí tái định vị và mở rộng kênh truyền thông ước tính chiếm khoảng $6,5% - 8%$ tổng doanh thu năm 2023.
  • Lợi ích kinh tế kỳ vọng: Tăng tỷ lệ nhận biết không nhắc nhở (Spontaneous Recall) từ $18,5%$ lên $>35%$; Tăng tỷ lệ chuyển đổi khách hàng tiềm năng thêm $25%$; Nâng tỷ lệ giữ chân khách hàng (Client Retention Rate) đạt ngưỡng $>40%$, giúp thu hồi vốn đầu tư marketing (ROI) trong vòng 8-10 tháng.

Hạn chế và hướng phát triển

Hạn chế của đề tài

  1. Phương pháp chọn mẫu: Sử dụng mẫu thuận tiện phi ngẫu nhiên ($N = 120$) dẫn đến khả năng khái quát hóa toàn bộ thị trường B2B miền Trung còn có độ trễ nhất định.
  2. Công cụ phân tích: Dừng lại ở mức độ thống kê mô tả, kiểm định Cronbach's Alpha và One-Sample T-Test; chưa áp dụng mô hình phương trình cấu trúc tuyến tính (SEM) để lượng hóa trọng số tác động của từng nhân tố đến lòng trung thành thương hiệu.

Hướng phát triển tiếp theo

  • Mở rộng phạm vi điều tra sang các thị trường lân cận (Đà Nẵng, Quảng Nam, Quảng Trị) với quy mô mẫu $N \ge 350$.
  • Ứng dụng kỹ thuật phân tích nhân tố khám phá (EFA), nhân tố khẳng định (CFA) và mô hình PLS-SEM bằng SmartPLS 4 nhằm xác định biến trung gian và biến điều tiết.
  • Ứng dụng công nghệ xử lý ngôn ngữ tự nhiên (NLP) để phân tích sắc thái cảm xúc (Sentiment Analysis) của khách hàng trên các kênh mạng xã hội tự động theo thời gian thực.

Đối tượng hưởng lợi

  • Sinh viên khối ngành Kinh tế & Marketing: Tài liệu tham khảo toàn diện về phương pháp luận nghiên cứu định lượng, kỹ thuật xây dựng bảng hỏi Likert 5 mức độ và phương pháp làm sạch dữ liệu trong SPSS.
  • Chuyên viên phân tích dữ liệu thị trường: Mẫu quy trình chuẩn từ thu thập dữ liệu Google Forms đến phân tích T-Test và kiểm định Alpha có thể tái sử dụng trực tiếp trên các tập dữ liệu khảo sát khác.
  • Ban Giám đốc và Đội ngũ Marketing Thai Thu: Bản báo cáo trực quan giúp loại bỏ các định kiến chủ quan, hỗ trợ ra quyết định phân bổ ngân sách marketing chính xác cho từng thuộc tính dịch vụ.
  • Cộng đồng doanh nghiệp SME tại Huế: Tiếp cận dịch vụ Digital Marketing chất lượng cao, chuẩn hóa với chi phí và lộ trình minh bạch.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và công cụ cần thiết để tái lập nghiên cứu này là gì?

Cần trang bị máy tính cài đặt hệ điều hành Windows/macOS, phần mềm IBM SPSS Statistics (từ phiên bản 20.0 trở lên), Microsoft Excel để mã hóa bảng hỏi, và tài khoản Google Workspace (Google Forms) để triển khai biểu mẫu thu thập số liệu trực tuyến.

2. Tại sao nghiên cứu chọn kích thước mẫu N = 120 mà không phải con số khác?

Theo nguyên tắc tối thiểu của Hair et al. (1998) trong phân tích định lượng đa biến, kích thước mẫu cần đạt tối thiểu tỷ lệ 5:1 so với số biến quan sát ($n = 5 \times m$). Với 24 biến quan sát, cỡ mẫu tối thiểu là $120$. Việc khảo sát 135 mẫu và thu về 120 mẫu sạch đảm bảo tính đại diện thống kê ở mức tin cậy 95% và sai số $5%$.

3. Làm thế nào để áp dụng bộ thang đo này cho một Agency ở tỉnh thành khác?

Doanh nghiệp chỉ cần kế thừa khung 8 nhóm nhân tố (TH, LG, QB, ĐG, GC, CL, DV, KM), điều chỉnh ngữ cảnh các biến quan sát cho phù hợp với đặc thù dịch vụ địa phương, tiến hành khảo sát thử nghiệm (Pilot Test, $N \approx 30$) để kiểm định lại Cronbach's Alpha trước khi triển khai diện rộng.

4. Chi phí ước tính để duy trì và cập nhật dữ liệu định vị định kỳ là bao nhiêu?

Nếu tự triển khai nội bộ thông qua biểu mẫu số hóa và phần mềm phân tích sẵn có, chi phí chủ yếu là nhân sự khảo sát thực địa và quà tặng khuyến khích đối tượng trả lời (khoảng 3.000.000 – 5.000.000 VNĐ cho mỗi đợt khảo sát 150 mẫu định kỳ 6 tháng/lần).

5. Tại sao kiểm định One-Sample T-Test lại chọn giá trị kiểm định Test Value = 3.0?

Trên thang đo khoảng Likert 5 điểm, giá trị $3.0$ đại diện cho mức đánh giá "Trung hòa/Không có ý kiến". Khi giá trị trung bình $\bar{X} > 3.0$ và có ý nghĩa thống kê ($p < 0.05$), ta có đủ bằng chứng khoa học khẳng định khách hàng đánh giá tích cực đối với thuộc tính thương hiệu đó.

Kết luận

Khóa luận tốt nghiệp "Định vị thương hiệu Công ty TNHH Truyền thông và Giải trí Thái Thu trong nhận thức khách hàng tại địa bàn Thành phố Huế" đã hoàn thành xuất sắc các mục tiêu nghiên cứu đặt ra:

  1. Xác lập cơ sở khoa học vững chắc về tài sản thương hiệu và định vị dịch vụ B2B thông qua việc tổng hợp các mô hình kinh điển của David Aaker, Lassar et al., cùng các nghiên cứu thực nghiệm tại Việt Nam.
  2. Xây dựng và kiểm định thành công hệ thống thang đo gồm 8 nhóm nhân tố và 24 biến quan sát với độ tin cậy nội tại cao (Cronbach's Alpha từ $0.742$ đến $0.886$).
  3. Cung cấp bức tranh định lượng rõ nét về nhận thức của 120 khách hàng doanh nghiệp tại Huế, khẳng định các thế mạnh về chuyên môn, thái độ phục vụ, đồng thời chỉ ra các mắt xích cần cải thiện trong chính sách khuyến mãi và độ phủ truyền thông.
  4. Đề xuất hệ thống giải pháp Marketing 4P và lộ trình thực thi giai đoạn 2023 - 2024 có tính khả thi cao, gắn liền với thực tiễn phát triển của Thai Thu Marketing.

Các doanh nghiệp dịch vụ và Agency truyền thông tại khu vực miền Trung có thể tham khảo, ứng dụng quy trình nghiên cứu này để chủ động đánh giá và nâng cao giá trị tài sản thương hiệu của mình trên thị trường số.