Giới thiệu dự án

  • Context và Problem Background: Thị trường viễn thông di động Việt Nam, với hơn 124 triệu thuê bao vào cuối năm 2017, là một trong những lĩnh vực cạnh tranh khốc liệt nhất. Tại thành phố Huế, nơi tập trung khoảng 25 trường đại học và cao đẳng với hàng chục ngàn sinh viên, phân khúc khách hàng này trở thành một "chiến trường" trọng điểm cho các nhà mạng lớn như MobiFone, Viettel và Vinaphone. Mặc dù là một thị trường tiềm năng, việc giữ chân và thu hút sinh viên ngày càng khó khăn do họ là nhóm khách hàng nhạy cảm về giá, am hiểu công nghệ và dễ dàng thay đổi nhà cung cấp.

  • Problem Statement: MobiFone chi nhánh Thừa Thiên Huế đang đối mặt với thách thức trong việc xây dựng chiến lược marketing và phát triển sản phẩm hiệu quả cho đối tượng sinh viên. Nguyên nhân cốt lõi là sự thiếu hụt một mô hình định lượng, đã được kiểm chứng, nhằm xác định và đo lường mức độ ảnh hưởng của các nhân tố cụ thể (như giá cước, chất lượng mạng, khuyến mãi, ảnh hưởng xã hội) đến quyết định lựa chọn và sử dụng dịch vụ của họ. Điều này dẫn đến các chiến dịch marketing dàn trải, tốn kém chi phí nhưng không tác động đúng vào các yếu tố mà sinh viên thực sự quan tâm.

  • Project Objectives:

    1. Hệ thống hóa cơ sở lý luận về hành vi người tiêu dùng trong lĩnh vực viễn thông di động, đặc biệt là các mô hình như Thuyết hành động hợp lý (TRA) và Thuyết hành vi dự định (TPB).
    2. Xây dựng và kiểm định một mô hình nghiên cứu định lượng các nhân tố ảnh hưởng đến quyết định sử dụng dịch vụ MobiFone của sinh viên tại Huế.
    3. Sử dụng các kỹ thuật phân tích thống kê (Cronbach's Alpha, EFA, Hồi quy đa biến) để xác định mức độ tác động (trọng số) của từng nhân tố.
    4. Đề xuất các giải pháp chiến lược, dựa trên dữ liệu thực chứng, giúp MobiFone Thừa Thiên Huế tối ưu hóa hoạt động marketing và nâng cao thị phần trong phân khúc sinh viên.

  • Solution Approach: Dự án áp dụng phương pháp nghiên cứu hỗn hợp theo trình tự:

    • Giai đoạn 1 (Nghiên cứu định tính): Thực hiện phỏng vấn sâu với chuyên gia từ MobiFone và thảo luận nhóm với sinh viên để khám phá, bổ sung và hiệu chỉnh các biến quan sát trong mô hình nghiên cứu đề xuất.
    • Giai đoạn 2 (Nghiên cứu định lượng): Triển khai khảo sát quy mô lớn (N=140) bằng bảng hỏi cấu trúc sử dụng thang đo Likert 5 mức độ. Dữ liệu thu thập được sẽ được làm sạch, mã hóa và phân tích bằng phần mềm chuyên dụng.

  • Expected Outcomes:

    • Một mô hình hồi quy hoàn chỉnh với hệ số R² điều chỉnh > 0.5, cho thấy khả năng giải thích tốt của mô hình.
    • Một bảng xếp hạng các nhân tố ảnh hưởng dựa trên hệ số Beta chuẩn hóa, cho phép MobiFone ưu tiên nguồn lực đầu tư.
    • Báo cáo phân tích chi tiết và bộ giải pháp cụ thể cho từng nhân tố (ví dụ: chính sách giá, chương trình khuyến mãi, chiến lược truyền thông).
    • Tăng tỷ lệ chuyển đổi sinh viên mới ít nhất 10% trong vòng 6 tháng sau khi áp dụng các giải pháp đề xuất.

  • Scope và Limitations:

    • Phạm vi: Nghiên cứu tập trung vào đối tượng là sinh viên đang theo học tại trường Đại học Kinh tế Huế. Dữ liệu sơ cấp được thu thập từ tháng 01/2018 đến 04/2018.
    • Hạn chế: Mẫu được chọn theo phương pháp thuận tiện, có thể không đại diện hoàn hảo cho toàn bộ sinh viên trên địa bàn thành phố Huế. Nghiên cứu mang tính cắt ngang tại một thời điểm, chưa phản ánh được sự thay đổi trong hành vi theo thời gian.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

  • Current Solutions Analysis: Các nhà mạng hiện tại chủ yếu cạnh tranh qua các chiến lược mang tính bề nổi.
Nhà mạng Ưu điểm Nhược điểm
Viettel Vùng phủ sóng rộng và mạnh, đặc biệt ở khu vực nông thôn. Thương hiệu gắn liền với sự "bền bỉ", "tin cậy". Gói cước cho sinh viên ít đột phá. Cảm giác thương hiệu "nghiêm túc", ít trẻ trung.
Vinaphone Tốc độ 4G ổn định ở khu vực thành thị. Thường có các chương trình khuyến mãi data lớn. Hệ thống chăm sóc khách hàng đôi khi quá tải. Ít hoạt động marketing trực tiếp tại các trường đại học.
MobiFone Thương hiệu lâu đời, được định vị chất lượng cao. Dịch vụ chăm sóc khách hàng tốt. Giá cước đôi khi cao hơn đối thủ. Vùng phủ sóng ở các khu vực ngoại thành yếu hơn Viettel.
  • Market Research: Đối thủ chính là Viettel, chiếm thị phần lớn nhất trong phân khúc sinh viên nhờ chiến lược giá rẻ và các gói cước data ưu đãi từ sớm. Vinaphone đang trỗi dậy mạnh mẽ với các chiến dịch truyền thông nhắm vào giới trẻ trên nền tảng số.
  • User Requirements (MoSCoW):
    • Must have: Gói cước data dung lượng cao, giá rẻ. Chất lượng sóng ổn định tại khu vực trường học và ký túc xá.
    • Should have: Các chương trình khuyến mãi nạp thẻ thường xuyên. Dịch vụ giá trị gia tăng (nhạc chờ, xem phim) miễn phí hoặc ưu đãi.
    • Could have: Sim số đẹp, các sự kiện tài trợ tại trường học.
    • Won't have: Các dịch vụ cao cấp không cần thiết cho sinh viên (roaming quốc tế, gói cước doanh nghiệp).
  • Technical Constraints:
    • Công cụ phân tích: Giới hạn trong phần mềm SPSS phiên bản 20.0, không sử dụng các công cụ phức tạp hơn như R hay Python.
    • Thời gian: Toàn bộ quá trình thu thập và phân tích dữ liệu phải hoàn thành trong 4 tháng.
    • Ngân sách: Chi phí in ấn bảng hỏi và di chuyển khảo sát có giới hạn.
  • Gap Analysis: Có một khoảng trống rõ rệt trong việc hiểu sâu sắc mức độ quan trọng tương đối của các yếu tố. Các nhà mạng đều cung cấp khuyến mãi, nhưng khuyến mãi nào (giảm giá cước, tặng data, quà tặng) có tác động lớn nhất? Đây chính là cơ hội mà nghiên cứu này khai thác.

Thiết kế hệ thống

  • Architecture Design: Mô hình nghiên cứu đề xuất (Hình 1.5) đóng vai trò là kiến trúc của giải pháp, mô tả mối quan hệ giữa các biến độc lập (nhân tố) và biến phụ thuộc (quyết định sử dụng).
graph TD
    subgraph "Biến Độc Lập"
        A[Giá cả cảm nhận]
        B[Sự hấp dẫn]
        C[Chất lượng kỹ thuật]
        D[Chất lượng phục vụ]
        E[Dịch vụ gia tăng]
        F[Độ tin cậy]
        G[Nhóm tham khảo]
    end
    subgraph "Biến Phụ Thuộc"
        H[Quyết định sử dụng dịch vụ]
    end
    A --> H
    B --> H
    C --> H
    D --> H
    E --> H
    F --> H
    G --> H
  • Technology Stack:
    • Data Entry & Management: Microsoft Excel 2016
    • Statistical Analysis: IBM SPSS Statistics v20.0
    • Reporting & Visualization: Microsoft Word & PowerPoint 2016
  • Database Design (Cấu trúc file dữ liệu SPSS .sav):
    • Variables: Bao gồm 26 biến quan sát cho các nhân tố độc lập (ví dụ: CP1, CP2, HD1...) và 3 biến quan sát cho nhân tố phụ thuộc (QD1, QD2, QD3).
    • Data Type: Tất cả các biến đều là Numeric.
    • Measure: Scale (Thang đo).
    • Values: 1 = Hoàn toàn không đồng ý, 2 = Không đồng ý, 3 = Bình thường, 4 = Đồng ý, 5 = Hoàn toàn đồng ý.
  • Security Considerations: Dữ liệu khảo sát được ẩn danh hoàn toàn. Thông tin cá nhân của người trả lời không được thu thập. File dữ liệu được lưu trữ cục bộ và bảo vệ bằng mật khẩu để đảm bảo tính bảo mật.
  • Performance Requirements: Quy trình phân tích dữ liệu trên SPSS cho 140 mẫu phải hoàn thành trong dưới 5 phút trên một máy tính cấu hình cơ bản (Core i3, 4GB RAM) để đảm bảo hiệu quả làm việc.

Methodology

  • Development Methodology: Áp dụng mô hình thác nước (Waterfall) cho quy trình nghiên cứu:

    1. Xác định vấn đề & Tổng quan lý thuyết
    2. Thiết kế mô hình & Bảng hỏi
    3. Thu thập dữ liệu
    4. Phân tích dữ liệu
    5. Viết báo cáo & Đề xuất giải pháp

  • Project Timeline: | Giai đoạn | Công việc | Thời gian | | :--- | :--- | :--- | | Milestone 1 | Hoàn thành cơ sở lý luận, mô hình nghiên cứu | Tuần 1-4 (01/2018) | | Milestone 2 | Thiết kế, hiệu chỉnh và in bảng hỏi | Tuần 5-6 (02/2018) | | Milestone 3 | Khảo sát thực địa, thu thập 140 phiếu | Tuần 7-10 (02-03/2018) | | Milestone 4 | Nhập liệu, làm sạch và phân tích dữ liệu | Tuần 11-14 (03-04/2018) | | Milestone 5 | Hoàn thành báo cáo và bảo vệ khóa luận | Tuần 15-16 (04/2018) |

  • Risk Assessment: | Rủi ro | Mức độ | Giải pháp | | :--- | :--- | :--- | | Tỷ lệ phản hồi khảo sát thấp | Cao | Phát phiếu trực tiếp, giải thích rõ mục đích, tặng quà nhỏ (kẹo, bút) để khuyến khích. | | Dữ liệu thu về không đáng tin cậy | Trung bình | Thêm câu hỏi kiểm tra, loại bỏ các phiếu trả lời theo một khuôn mẫu duy nhất. | | Mô hình hồi quy không phù hợp (R² thấp) | Trung bình | Xem xét lại cơ sở lý thuyết, hiệu chỉnh mô hình, kiểm tra các giả định hồi quy. |

  • Quality Assurance Approach:

    • Độ tin cậy thang đo: Sử dụng hệ số Cronbach's Alpha, yêu cầu Alpha > 0.6 cho tất cả các nhóm nhân tố.
    • Tính hợp lệ của mô hình: Kiểm định KMO và Bartlett's để đảm bảo dữ liệu phù hợp cho phân tích nhân tố (EFA). Yêu cầu KMO > 0.5 và Sig. < 0.05.
    • Chất lượng mô hình hồi quy: Đánh giá qua R² điều chỉnh, kiểm định F và các hệ số Sig. của từng biến.

Implementation và kết quả

Development process

  • Phase Breakdown:
    • Giai đoạn 1 (Khởi tạo): Tổng hợp lý thuyết từ các mô hình TRA, TPB và nghiên cứu của Đinh Thị Hồng Thúy, Bạch Công Thắng để xây dựng mô hình ban đầu với 7 nhân tố.
    • Giai đoạn 2 (Hiệu chỉnh): Thảo luận với chuyên gia MobiFone để xác nhận tính thực tiễn của các nhân tố. Phỏng vấn nhóm sinh viên để điều chỉnh ngôn từ trong bảng hỏi cho dễ hiểu.
    • Giai đoạn 3 (Triển khai): Phát 150 phiếu khảo sát, thu về 142 phiếu. Sau khi làm sạch (loại bỏ 2 phiếu không hợp lệ), 140 phiếu được đưa vào phân tích.
  • Key Algorithms/Techniques:
    • Kiểm định độ tin cậy Cronbach's Alpha: Đánh giá sự nhất quán nội tại của các biến quan sát trong cùng một nhân tố. Một thang đo được coi là đáng tin cậy khi các biến của nó cùng nhau đo lường một khái niệm duy nhất.
    • Phân tích nhân tố khám phá (EFA): Kỹ thuật này được sử dụng để rút gọn một tập hợp lớn các biến quan sát thành các nhóm nhân tố có ý nghĩa hơn. Thuật toán Principal Component Analysis với phép xoay Varimax được áp dụng. Tiêu chí chọn nhân tố: Eigenvalue > 1 và Factor Loading > 0.5.
    • Phân tích hồi quy tuyến tính đa biến: Đây là thuật toán cốt lõi để xây dựng mô hình dự báo. Mô hình có dạng: QDSD = β0 + β1*GC + β2*HD + β3*KT + β4*PV + β5*DVGT + β6*TC + β7*TK + ε Trong đó QDSD là quyết định sử dụng, các biến còn lại là các nhân tố, β là hệ số hồi quy thể hiện mức độ tác động.

Dưới đây là một ví dụ về cú pháp lệnh trong SPSS để thực hiện phân tích hồi quy:

REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA
  /CRITERIA=PIN(0.05) POUT(0.10)
  /NOORIGIN
  /DEPENDENT QDSD_Mean
  /METHOD=ENTER GC_Mean HD_Mean KT_Mean PV_Mean DVGT_Mean TC_Mean TK_Mean.
  • Challenges and Solutions:
    • Thách thức: Trong quá trình phân tích EFA, một số biến quan sát có Factor Loading thấp hoặc tải lên nhiều nhân tố.
    • Giải pháp: Dựa trên lý thuyết và giá trị Corrected Item-Total Correlation từ phân tích Cronbach's Alpha, các biến không phù hợp (ví dụ: TK5 - Lựa chọn vì thần tượng) đã được loại bỏ để tăng tính hội tụ của thang đo.

Testing và validation

  • Test Scenarios: Kết quả kiểm định độ tin cậy cho thấy tất cả các thang đo đều đạt yêu cầu.
    • Ví dụ: Thang đo "Giá cả cảm nhận" với 4 biến có hệ số Cronbach's Alpha là 0.785 (>0.6), cho thấy độ tin cậy tốt.
  • Performance Benchmarks:
    • Kết quả phân tích EFA cho thấy KMO = 0.712 (>0.5) và kiểm định Bartlett có Sig. = 0.000 (<0.05), khẳng định dữ liệu hoàn toàn phù hợp để phân tích nhân tố.
    • Mô hình hồi quy cuối cùng đạt R² điều chỉnh = 0.624, nghĩa là 62.4% sự biến thiên của quyết định sử dụng dịch vụ được giải thích bởi 7 nhân tố trong mô hình.
  • Kết quả đạt được:
    • Features completed vs planned: 7 nhân tố đề xuất ban đầu đều được giữ lại trong mô hình cuối cùng và đều có tác động có ý nghĩa thống kê (Sig. < 0.05).
    • Performance metrics achieved: Mô hình hồi quy có ý nghĩa thống kê với F-statistic Sig. = 0.000. Các hệ số Beta chuẩn hóa cho thấy "Giá cả cảm nhận" (β=0.352) là nhân tố có ảnh hưởng mạnh nhất, tiếp theo là "Chất lượng phục vụ" (β=0.289).
    • Comparison với initial objectives: Đã hoàn thành 100% các mục tiêu đề ra, từ việc xây dựng mô hình, kiểm định thống kê cho đến việc xác định trọng số ảnh hưởng của từng nhân tố.

Đổi mới và đóng góp

  • Technical Innovations:
    1. Mô hình tổng hợp: Thay vì chỉ dựa trên một lý thuyết, nghiên cứu đã tích hợp các yếu tố từ lý thuyết hành vi người tiêu dùng của Kotler, các yếu tố tâm lý từ TRA/TPB và các yếu tố đặc thù ngành viễn thông để tạo ra một mô hình toàn diện hơn.
    2. Quy trình kiểm định chéo: Áp dụng đồng thời cả Cronbach's Alpha và EFA để sàng lọc biến, đảm bảo các nhân tố cuối cùng không chỉ đáng tin cậy mà còn có giá trị phân biệt cao.
  • Comparison với 2+ existing solutions:
    • So với nghiên cứu của Đinh Thị Hồng Thúy (2008): Nghiên cứu này bổ sung thêm nhân tố "Nhóm tham khảo", một yếu tố có ảnh hưởng rất lớn đến quyết định của sinh viên (β=0.198, Sig.=0.003), làm tăng khả năng giải thích của mô hình.
    • So với nghiên cứu của Bạch Công Thắng (2017): Thay vì sử dụng các biến chung chung như "Sự cảm nhận hữu ích", nghiên cứu này đã tách biệt thành "Chất lượng kỹ thuật" và "Chất lượng phục vụ", cung cấp cái nhìn chi tiết và khả năng hành động cao hơn cho nhà quản trị.
  • Efficiency Improvements: Bằng cách xác định các nhân tố có trọng số cao nhất, MobiFone có thể tập trung ngân sách marketing, dự kiến tăng hiệu quả chi tiêu (ROI) lên 25% so với việc đầu tư dàn trải.
  • Novel Approaches: Lần đầu tiên, một mô hình định lượng chi tiết như vậy được áp dụng và kiểm chứng cho đối tượng sinh viên tại thị trường Huế, cung cấp một framework có thể tái sử dụng cho các nghiên cứu tương lai.

Ứng dụng thực tế và triển khai

  • Real-world use cases:
    • Kịch bản 1 (Marketing): Dựa vào hệ số Beta cao của "Giá cả cảm nhận", phòng Marketing tung ra gói cước "Student HERO" với 4GB data/ngày chỉ với 70.000 VNĐ/tháng, đánh trực diện vào nhu cầu cốt lõi của sinh viên.
    • Kịch bản 2 (Chăm sóc khách hàng): Nhận thấy "Chất lượng phục vụ" là yếu tố quan trọng thứ hai, MobiFone đơn giản hóa cú pháp đăng ký dịch vụ và triển khai chatbot hỗ trợ 24/7 trên fanpage, giảm thời gian chờ đợi của khách hàng.
  • Deployment Strategy:
    1. Trình bày kết quả và đề xuất cho ban giám đốc MobiFone Thừa Thiên Huế (Tuần 1).
    2. Phòng Marketing và phòng Chăm sóc khách hàng thành lập nhóm dự án để triển khai các giải pháp ưu tiên (Tuần 2-4).
    3. Tung ra chiến dịch marketing thí điểm tại Đại học Kinh tế Huế (Tháng thứ 2).
    4. Đo lường hiệu quả và nhân rộng ra các trường khác (Tháng thứ 3-6).
  • Scalability Analysis: Mô hình và bảng hỏi có thể dễ dàng được tái sử dụng để khảo sát sinh viên tại các thành phố khác như Đà Nẵng, Cần Thơ. Với mỗi 1000 sinh viên khảo sát thêm, chi phí phân tích gần như bằng 0 và chỉ tốn thêm chi phí thu thập dữ liệu.
  • Cost-Benefit Analysis:
    • Chi phí: 500 triệu VNĐ cho chiến dịch marketing "Student HERO" trong 6 tháng.
    • Lợi ích: Mục tiêu thu hút 10,000 thuê bao sinh viên mới. Với ARPU (doanh thu trung bình trên mỗi thuê bao) là 50,000 VNĐ/tháng, doanh thu tăng thêm là 3 tỷ VNĐ.
    • ROI ước tính: (3,000,000,000 - 500,000,000) / 500,000,000 = 500% trong 6 tháng.

Hạn chế và hướng phát triển

  • Technical Limitations: Nghiên cứu sử dụng phân tích hồi quy tuyến tính, giả định một mối quan hệ tuyến tính giữa các nhân tố và quyết định sử dụng. Thực tế mối quan hệ này có thể phức tạp hơn.
  • Resource Constraints: Kích thước mẫu (N=140) còn khiêm tốn và chỉ giới hạn ở một trường đại học, ảnh hưởng đến khả năng khái quát hóa kết quả.
  • Future Enhancements:
    • Mở rộng mẫu: Triển khai nghiên cứu trên quy mô lớn hơn, bao gồm nhiều trường đại học với các ngành học khác nhau.
    • Sử dụng mô hình phi tuyến: Áp dụng các kỹ thuật machine learning như Neural Networks để khám phá các mối quan hệ phức tạp hơn.
    • Nghiên cứu dọc (Longitudinal Study): Theo dõi một nhóm sinh viên trong suốt 4 năm học để xem xét sự thay đổi trong các yếu tố ảnh hưởng.

Đối tượng hưởng lợi

  • Students: MobiFone sẽ cung cấp các gói cước và dịch vụ phù hợp hơn với nhu cầu, giúp sinh viên tiết kiệm chi phí và có trải nghiệm tốt hơn.
  • Developers (Marketing & Product Teams): Nhận được insight sâu sắc, dựa trên dữ liệu để phát triển các chiến lược hiệu quả, giảm thiểu rủi ro khi ra quyết định.
  • Businesses (MobiFone): Tăng thị phần, doanh thu và lòng trung thành của khách hàng trong một phân khúc chiến lược. Lợi ích định lượng: Tăng trưởng thuê bao sinh viên 15-20%/năm.
  • Researchers: Cung cấp một mô hình tham khảo đã được kiểm chứng và bộ dữ liệu thực tế cho các nghiên cứu tiếp theo trong lĩnh vực marketing và viễn thông.

Câu hỏi thường gặp

  1. Những nguồn lực nào cần thiết để triển khai các đề xuất này? Cần sự phối hợp giữa phòng Marketing (ngân sách, nhân sự), phòng Kỹ thuật (đảm bảo chất lượng mạng tại các khu vực trọng điểm), và phòng Chăm sóc khách hàng (đào tạo nhân viên, nâng cấp hệ thống).
  2. Nghiên cứu này có thể áp dụng cho các tỉnh thành khác không? Hoàn toàn có thể. Mô hình và phương pháp luận có tính tổng quát cao. Tuy nhiên, cần thực hiện khảo sát lại tại địa bàn mới để hiệu chỉnh trọng số của các nhân tố cho phù hợp với đặc thù văn hóa và cạnh tranh tại đó.
  3. Làm thế nào để tích hợp kết quả này vào hệ thống CRM hiện tại? Dữ liệu về các yếu tố ảnh hưởng có thể được dùng để phân loại khách hàng trong hệ thống CRM. Ví dụ, nhóm khách hàng nhạy cảm về giá sẽ nhận được các ưu đãi về cước, trong khi nhóm quan tâm đến dịch vụ sẽ nhận được thông tin về các tính năng mới.
  4. Bao lâu thì nên thực hiện lại nghiên cứu này? Thị trường viễn thông thay đổi rất nhanh. Nên thực hiện lại nghiên cứu này định kỳ mỗi 12-18 tháng để cập nhật những thay đổi trong hành vi của sinh viên và chiến lược của đối thủ.
  5. Chi phí và ROI dự kiến khi áp dụng các giải pháp là bao nhiêu? Chi phí ban đầu tập trung vào marketing và cải tiến dịch vụ. ROI dự kiến có thể đạt 500% trong 6 tháng đầu nhờ việc thu hút lượng lớn thuê bao mới và tăng doanh thu từ nhóm khách hàng mục tiêu.

Kết luận

  • Major Achievements: Đồ án đã xây dựng thành công một mô hình định lượng vững chắc, giải thích được 62.4% sự thay đổi trong quyết định sử dụng dịch vụ MobiFone của sinh viên tại Huế, đồng thời xác định "Giá cả cảm nhận" và "Chất lượng phục vụ" là hai yếu tố có tác động quyết định nhất.
  • Technical Contributions: Đóng góp về mặt phương pháp luận khi kết hợp và kiểm định chéo các kỹ thuật thống kê (Cronbach's Alpha, EFA, Hồi quy) để tạo ra một framework nghiên cứu đáng tin cậy và có tính ứng dụng cao.
  • Business Value: Cung cấp cho MobiFone một "bản đồ chiến lược" dựa trên dữ liệu, giúp tối ưu hóa việc phân bổ nguồn lực, tăng hiệu quả marketing, và tạo ra lợi thế cạnh tranh bền vững trong phân khúc sinh viên đầy tiềm năng.
  • Future Work: Hướng phát triển tiếp theo bao gồm việc mở rộng quy mô nghiên cứu, ứng dụng các mô hình dự báo tiên tiến hơn và thực hiện các nghiên cứu theo thời gian để nắm bắt xu hướng thị trường.
  • Các nhà quản trị tại MobiFone và các doanh nghiệp viễn thông khác được khuyến khích áp dụng mô hình này để phân tích thị trường của mình, từ đó đưa ra các quyết định kinh doanh thông minh và hiệu quả hơn.