Giới thiệu dự án

Thị trường dầu mỡ nhờn bôi trơn tại Việt Nam là một trong những phân khúc phát triển sôi động của ngành công nghiệp phụ trợ và tiêu dùng phương tiện vận tải. Với tốc độ tăng trưởng phương tiện cơ giới cá nhân đạt hơn 8-10%/năm và sự mở rộng liên tục của hệ thống giao thông vận tải, nhu cầu tiêu thụ các sản phẩm bôi trơn chuyên dụng (dầu động cơ 4 thì, dầu xe tay ga cao cấp, dầu truyền động và mỡ chịu nhiệt) tăng trưởng không ngừng. Tuy nhiên, thị trường chứng kiến sự cạnh tranh khốc liệt giữa các tập đoàn đa quốc gia và các doanh nghiệp nội địa quy mô lớn như Castrol BP Petco, Petrolimex (PLC), Shell, Total, và Mobil.

Công ty TNHH Dầu mỡ nhờn Hà Nội là nhà phân phối cấp I chính thức của Castrol BP Petco trên địa bàn thủ đô. Sau hơn 13 năm hoạt động (từ 2003), công ty đối mặt với tình trạng thị phần bị thu hẹp cục bộ: mức tỷ trọng đóng góp doanh thu tại thị trường trọng điểm Hà Nội sụt giảm từ 55,6% (năm 2013) xuống còn 50,5% (năm 2014). Nguyên nhân cốt lõi nằm ở việc công tác quản trị kinh doanh còn mang tính cảm tính, thiếu công cụ phân tích định lượng về hành vi tiêu dùng và chưa lượng hóa được độ nhạy cảm của thị trường trước các biến số kinh tế vĩ mô và vi mô.

                  +---------------------------------------------------+
                  |   Bối cảnh thị trường dầu mỡ nhờn Hà Nội           |
                  |   - Cạnh tranh: Castrol, Petrolimex, Shell, Total |
                  |   - Tỷ trọng DT Hà Nội giảm: 55,6% -> 50,5%       |
                  +-------------------------+-------------------------+
                                            |
                                            v
                  +---------------------------------------------------+
                  |   Vấn đề: Thiếu công cụ phân tích cầu định lượng  |
                  |   - Chưa xác định độ co dãn (Giá, Thu nhập, Chéo) |
                  |   - Chính sách giá và phân phối chưa tối ưu       |
                  +-------------------------+-------------------------+
                                            |
                                            v
                  +---------------------------------------------------+
                  |   Giải pháp: Mô hình hóa Kinh tế lượng + Khảo sát |
                  |   - Ước lượng OLS qua EViews 8.0                  |
                  |   - Thống kê điều tra qua IBM SPSS 22.0           |
                  |   - Hoạch định Marketing Mix (7P) đến 2020        |
                  +---------------------------------------------------+

Mục tiêu nghiên cứu cụ thể

  1. Hệ thống hóa lý luận: Tổng hợp khung lý thuyết chuẩn tắc về lý thuyết cầu, luật cầu, độ co dãn kinh tế và các mô hình ước lượng định lượng trong quản trị thương mại.
  2. Khảo sát và thu thập dữ liệu đa nguồn: Kết hợp dữ liệu thứ cấp giai đoạn 2011–2015 từ hệ thống kế toán công ty và dữ liệu sơ cấp qua 50 phiếu khảo sát người tiêu dùng trực tiếp tại Hà Nội.
  3. Mô hình hóa hàm cầu thực nghiệm: Ứng dụng phương pháp bình phương nhỏ nhất (Ordinary Least Squares - OLS) để thiết lập hàm cầu sản phẩm dầu xe tay ga, kiểm định độ tin cậy thống kê và đo lường độ co dãn.
  4. Xây dựng hệ giải pháp thúc đẩy tiêu thụ: Đề xuất các chính sách giá, cơ cấu danh mục sản phẩm, mở rộng mạng lưới phân phối và nâng cao năng lực nhân sự giai đoạn 2016–2020.

Phạm vi và giới hạn nghiên cứu

  • Không gian: Địa bàn thành phố Hà Nội (tập trung vào các quận nội thành trọng điểm: Cầu Giấy, Ba Đình, Đống Đa, Thanh Xuân, Bắc/Nam Từ Liêm).
  • Thời gian: Số liệu thứ cấp thu thập chuỗi 2011–2015; số liệu chuỗi thời gian theo tháng (24 tháng giai đoạn 2014–2015) phục vụ hồi quy; định hướng giải pháp ứng dụng đến năm 2020.
  • Đối tượng: Cầu và hành vi tiêu thụ các dòng sản phẩm dầu mỡ nhờn bôi trơn, trọng tâm là phân khúc dầu nhớt động cơ xe máy tay ga Castrol BP.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi triển khai nghiên cứu thực nghiệm, các phương pháp dự báo và quản trị tiêu thụ của doanh nghiệp bộc lộ nhiều điểm nghẽn nghiêm trọng khi so sánh với các phương pháp tiếp cận khoa học hiện đại:

Tiêu chí so sánh Phương pháp truyền thống tại công ty Phương pháp khảo sát định tính đơn thuần Phương pháp kinh tế lượng kết hợp (Đề tài đề xuất)
Bản chất dữ liệu Báo cáo kế toán bán hàng nội bộ Ý kiến cảm tính của 30-50 khách hàng Kết hợp chuỗi thời gian (24 tháng) & khảo sát sơ cấp
Độ chính xác dự báo Sai số cao (>25%), phụ thuộc kinh nghiệm Định tính, không tính toán được mức co dãn Hệ số xác định $R^2 = 93,19%$, lượng hóa cụ thể
Đánh giá đối thủ Định tính, quan sát thụ động So sánh bề nổi về thương hiệu Ước lượng độ co dãn chéo ($E_{Pr}$) với Petrolimex
Khả năng tối ưu giá Áp đặt cơ học theo giá nhập của hãng Khó lượng hóa ngưỡng chịu giá Đo lường chính xác độ co dãn của cầu theo giá ($E_P$)

Phân tích ưu tiên yêu cầu theo mô hình MoSCoW:

  • Must have (Bắt buộc phải có): Xây dựng hàm hồi quy tuyến tính OLS xác định mối quan hệ giữa sản lượng tiêu thụ ($Q$) với giá sản phẩm ($P$), thu nhập bình quân ($M$), giá sản phẩm thay thế ($Pr$); kiểm định đa cộng tuyến và phương sai sai số thay đổi.
  • Should have (Nên có): Phân tích bảng chéo (Cross-tabulation) tương quan giữa nhân khẩu học (độ tuổi, giới tính, thu nhập) với mức độ đánh giá các thuộc tính sản phẩm qua SPSS.
  • Could have (Có thể có): Xây dựng kịch bản dự báo cầu chuỗi thời gian (Time-series forecasting) đến năm 2020.
  • Won't have (Chưa thực hiện đợt này): Tích hợp hệ thống phân tích tự động thời gian thực (Real-time Automated Decision Platform).
          +---------------------------------------------------------------+
          |                  HỆ THỐNG PHÂN TÍCH VÀ MÔ HÌNH HÓA            |
          +-------------------------------+-------------------------------+
                                          |
                 +------------------------+------------------------+
                 |                                                 |
                 v                                                 v
  +------------------------------+                  +------------------------------+
  |    Module Dữ liệu Sơ cấp     |                  |    Module Dữ liệu Thứ cấp    |
  | - Khảo sát: n=50 người dùng  |                  | - Chuỗi thời gian: 24 tháng  |
  | - Xử lý: IBM SPSS 22.0       |                  | - Xử lý: IHS EViews 8.0      |
  | - Thống kê mô tả, Bảng chéo  |                  | - Hồi quy tuyến tính OLS     |
  +--------------+---------------+                  +--------------+---------------+
                 |                                                 |
                 +------------------------+------------------------+
                                          |
                                          v
          +---------------------------------------------------------------+
          |                     DIAGNOSTICS & TESTING                     |
          |  - Kiểm định White (Heteroskedasticity)                       |
          |  - Kiểm định VIF (Multicollinearity)                          |
          |  - Kiểm định t-test (p-value < 0.05), F-test                  |
          +-------------------------------+-------------------------------+
                                          |
                                          v
          +---------------------------------------------------------------+
          |                HOẠCH ĐỊNH GIẢI PHÁP MARKETING 7P              |
          |  - Tối ưu giá động theo Ep                                    |
          |  - Đa dạng hóa SKU & Mở rộng trạm dịch vụ thay dầu            |
          +---------------------------------------------------------------+

Công nghệ và công cụ sử dụng

  • IHS EViews v8.0 / v9.0: Thực hiện hồi quy kinh tế lượng đa biến, ước lượng tham số OLS, kiểm định chẩn đoán mô hình (White Test, Breusch-Godfrey LM Test, Ramsey RESET Test).
  • IBM SPSS Statistics v22.0: Xử lý dữ liệu bảng hỏi, mã hóa biến phân loại, thống kê tần số, phân tích phương sai ANOVA và kiểm định Chi-square ($\chi^2$).
  • Microsoft Excel 2016 (Data Analysis Toolpak): Tiền xử lý, chuẩn hóa chuỗi dữ liệu đầu vào và trực quan hóa dashboard.

Kiến trúc hàm cầu thực nghiệm

Phương trình hàm cầu tuyến tính dạng tổng quát: $$Q = f(P, M, Pr, N)$$

Trong đó:

  • $Q$: Sản lượng tiêu thụ dầu nhớt xe tay ga Castrol BP (Lít/tháng).
  • $P$: Đơn giá bán lẻ bình quân của Castrol BP (Nghìn VNĐ/Lít).
  • $M$: Thu nhập bình quân đầu người hàng tháng tại Hà Nội (Nghìn VNĐ/người/tháng).
  • $Pr$: Đơn giá sản phẩm cạnh tranh trực tiếp từ đối thủ Petrolimex (Nghìn VNĐ/Lít).
  • $N$: Quy mô dân số tại Hà Nội (Người).

Implementation và kết quả

Quy trình phân tích và ước lượng

Dữ liệu chuỗi thời gian 24 tháng (từ tháng 01/2014 đến tháng 12/2015) được chuẩn hóa và đưa vào ma trận ước lượng. Trong thử nghiệm mô hình ban đầu chứa biến quy mô dân số $N$: $$Q = a + bP + cM + dPr + eN + u$$

Kết quả kiểm định thống kê cho thấy biến $N$ có hệ số $p\text{-value} = 0,1622 > 0,05$, không đạt mức ý nghĩa thống kê 5%. Điều này hoàn toàn phù hợp với thực tế kinh tế: quy mô dân số trong ngắn hạn (24 tháng) biến động rất nhỏ và không tạo ra tác động biên tức thì lên lượng tiêu thụ dầu nhớt so với sự thay đổi của giá và thu nhập. Biến $N$ được loại bỏ để tránh hiện tượng đa cộng tuyến và tối ưu hóa bậc tự do (Degrees of Freedom).

# Mô phỏng thuật toán ước lượng OLS và kiểm định kinh tế lượng (Python Statsmodels/EViews syntax)
import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

# 1. Khởi tạo cấu trúc dữ liệu chuỗi thời gian (24 quan sát)
data = {
    'Price_P': [...],       # Đơn giá Castrol (nghìn VNĐ)
    'Income_M': [...],      # Thu nhập bình quân (nghìn VNĐ)
    'Price_Pr': [...],      # Đơn giá Petrolimex (nghìn VNĐ)
    'Quantity_Q': [...]     # Sản lượng tiêu thụ (Lít)
}
df = pd.DataFrame(data)

# 2. Thiết lập ma trận biến giải thích và biến phụ thuộc
X = df[['Price_P', 'Income_M', 'Price_Pr']]
X = sm.add_constant(X)
y = df['Quantity_Q']

# 3. Chạy hồi quy bình phương nhỏ nhất (OLS)
model = sm.OLS(y, X).fit()

# 4. Xuất kết quả báo cáo thống kê
print(model.summary())

Phương trình hồi quy mẫu (Sample Regression Function - SRF) thu được từ EViews: $$\hat{Q} = 220222,4 - 5061,041 \cdot P + 36,3634 \cdot M + 850,3813 \cdot Pr$$

==============================================================================
Dependent Variable: Q (Sản lượng tiêu thụ dầu xe tay ga - Lít)
Method: Least Squares (OLS) | Sample: 2014M01 - 2015M12 (24 Observations)
==============================================================================
Variable        Coefficient    Std. Error    t-Statistic    Prob. (P-value)
------------------------------------------------------------------------------
C (Hệ số chặn)   220222.4       45120.12        4.8808         0.0001
P (Giá Castrol) -5061.041        812.435       -6.2295         0.0000
M (Thu nhập)       36.3634         7.214        5.0407         0.0001
PR (Giá Petrol)   850.3813       198.562        4.2827         0.0004
------------------------------------------------------------------------------
R-squared: 0.931923     | Adjusted R-squared: 0.921711
F-statistic: 91.2741    | Prob(F-statistic): 0.000000
Durbin-Watson stat: 1.94| White Test p-value: 0.2841 (>0.05)
==============================================================================

       Quan hệ giữa Giá Castrol (P) và Sản lượng tiêu thụ (Q)
   Q (Lít)
     ^
     | * 
     |   *          Hệ số b = -5061,041
     |     *        (Giá tăng 1.000đ -> Sản lượng giảm 5.061 Lít)
     |       *
     |         * 
     |           * 
     +-------------------------------------------------------> P (Nghìn VNĐ)

Ý nghĩa kinh tế và kiểm định mô hình

  1. Hệ số $\hat{b} = -5061,041 < 0$: Phù hợp hoàn hảo với luật cầu. Khi các yếu tố khác không đổi, nếu giá dầu nhớt xe tay ga của công ty tăng thêm $1.000$ VNĐ/lít, sản lượng tiêu thụ trung bình sẽ suy giảm $5.061,041$ lít/tháng.
  2. Hệ số $\hat{c} = 36,3634 > 0$: Khi thu nhập bình quân của người dân Hà Nội tăng thêm $1.000$ VNĐ/tháng, sản lượng tiêu thụ tăng $36,3634$ lít/tháng. Xác nhận dầu nhớt cao cấp Castrol BP là hàng hóa thông thường (Normal Goods).
  3. Hệ số $\hat{d} = 850,3813 > 0$: Khi giá sản phẩm đối thủ cạnh tranh Petrolimex tăng thêm $1.000$ VNĐ/lít, sản lượng tiêu thụ của Castrol BP tại công ty tăng $850,3813$ lít/tháng. Chứng minh Castrol BP và Petrolimex là hàng hóa thay thế hoàn hảo (Substitute Goods).
  4. Độ phù hợp mô hình: Hệ số xác định $R^2 = 0,931923$ (93,19%) cho thấy 93,19% sự biến thiên của lượng tiêu thụ được giải thích bởi 3 biến độc lập trên. Kiểm định White không phát hiện phương sai sai số thay đổi ($p = 0,2841 > 0,05$); hệ số Durbin-Watson ($d = 1,94 \approx 2$) chứng minh mô hình không vi phạm tự tương quan bậc nhất.

Tính toán độ co dãn (Elasticity)

Công thức xác định độ co dãn tại điểm trung bình: $$E_P = \hat{b} \cdot \frac{\bar{P}}{\bar{Q}} \quad ; \quad E_M = \hat{c} \cdot \frac{\bar{M}}{\bar{Q}} \quad ; \quad E_{Pr} = \hat{d} \cdot \frac{\bar{Pr}}{\bar{Q}}$$

  • Độ co dãn của cầu theo giá ($|E_P| > 1$): Cầu về sản phẩm co dãn mạnh theo giá. Để gia tăng tổng doanh thu ($TR = P \cdot Q$), chiến lược tối ưu là áp dụng chính sách giảm giá có kiểm soát hoặc gia tăng chiết khấu thương mại.
  • Độ co dãn của cầu theo thu nhập ($E_M > 0$): Tốc độ đô thị hóa và mức tăng thu nhập tại Hà Nội là động lực mở rộng tiêu thụ các dòng dầu nhớt cao cấp (Fully Synthetic).
  • Độ co dãn chéo ($E_{Pr} > 0$): Mức độ nhạy cảm cao trước các động thái điều chỉnh giá của Petrolimex.

Kết quả khảo sát thực nghiệm (SPSS)

Khảo sát 50 đối tượng người tiêu dùng tại Hà Nội mang lại các phát hiện định lượng then chốt về mức độ đánh giá thuộc tính sản phẩm (Thang đo Likert 1–5):

Tiêu chí khảo sát Điểm trung bình (Mean) Độ lệch chuẩn (Std. Deviation) Mức độ quan tâm khi ra quyết định mua
Chất lượng sản phẩm 4,20 / 5,00 0,670 Rất quan trọng (Lý do cốt lõi duy trì thương hiệu)
Địa điểm thuận lợi 4,00 / 5,00 0,904 Quan trọng (Rào cản lớn do thiếu cửa hàng)
Dịch vụ thay dầu kèm theo 3,84 / 5,00 0,866 Quan trọng (Tạo giá trị gia tăng tại điểm bán)
Giá cả sản phẩm 3,80 / 5,00 0,782 Quan trọng (Yếu tố quyết định chuyển đổi nhãn hiệu)
Đa dạng chủng loại (SKU) 3,38 / 5,00 0,697 Trung bình (Cần bổ sung các dòng chuyên biệt)

Kết quả kiểm định Chi-Square ($\chi^2$) chỉ ra rằng: Mặc dù chất lượng được đánh giá cao nhất (3,77 điểm thực tế trải nghiệm), quyết định trung thành và mua lại ($56,7%$ khách hàng sẵn sàng tiếp tục mua) lại có mối liên hệ mật thiết và phụ thuộc có ý nghĩa thống kê vào chính sách giá và tính tiện lợi của địa điểm mua hàng ($p < 0,05$).

Đổi mới và đóng góp

  1. Chuyển đổi từ định tính sang mô hình toán kinh tế chính xác: Lần đầu tiên tại Công ty TNHH Dầu mỡ nhờn Hà Nội, một hàm cầu thực nghiệm định lượng có độ tin cậy $93,19%$ được xác lập, thay thế toàn bộ quy trình dự báo chủ quan bằng các tham số kinh tế lượng chuẩn mực.
  2. Lượng hóa ma trận cạnh tranh trực tiếp: Xác định chính xác hệ số co dãn chéo giữa Castrol BP và Petrolimex ($+850,38$ lít/1.000đ biến động giá đối thủ), tạo căn cứ vững chắc cho việc thiết lập rào cản giá phòng thủ.
  3. Phát hiện "Nghịch lý nhận thức - hành vi" của khách hàng dầu nhớt: Chỉ ra rằng chất lượng cao là điều kiện cần nhưng không đủ để giữ chân khách hàng; sự thuận tiện về vị trí địa lý và các chương trình khuyến mại trực tiếp mới là động lực thúc đẩy tỷ lệ mua lặp lại.
Khía cạnh Nghiên cứu trước đây (Đặng Thị Hà, 2013) Báo cáo chuyên đề (Phan Thu Hiền, 2008) Đề tài nghiên cứu hiện tại
Đối tượng Thị trường khí hóa lỏng (Gas) Sản phẩm may mặc Dầu mỡ nhờn kỹ thuật (Castrol BP)
Phạm vi dữ liệu 2010–2012 (2 năm) 2004–2007 (Thứ cấp đơn thuần) 2011–2015 (5 năm thứ cấp + 24 tháng hồi quy + 50 mẫu khảo sát)
Phương pháp Mô hình hồi quy cơ bản Thống kê mô tả Marketing Hồi quy OLS chuyên sâu + Xử lý SPSS + Kiểm định Gauss-Markov đầy đủ
Đóng góp ứng dụng Định giá sản phẩm dân dụng Đề xuất xúc tiến thương mại Tối ưu hóa giá động, chính sách đại lý B2B/B2C, mở rộng chuỗi dịch vụ

Ứng dụng thực tế và triển khai

Kế hoạch giải pháp thực thi (Marketing Mix 7P đến năm 2020)

                       +------------------------------------------+
                       |   HỆ THỐNG GIẢI PHÁP THỰC THI ĐẾN 2020   |
                       +--------------------+---------------------+
                                            |
         +------------------+---------------+------------------+------------------+
         |                  |                                  |                  |
         v                  v                                  v                  v
  +--------------+   +--------------+                   +--------------+   +--------------+
  |  Chính sách  |   |  Chính sách  |                   |  Mạng lưới   |   |   Dịch vụ    |
  |     GIÁ      |   |  SẢN PHẨM    |                   |  PHÂN PHỐI   |   |  KHÁCH HÀNG  |
  +--------------+   +--------------+                   +--------------+   +--------------+
  | - Chiết khấu |   | - Mở rộng    |                   | - Thêm 2-3   |   | - Miễn phí   |
  |   3% phuy    |   |   SKU xe ga  |                   |   cửa hàng   |   |   thay dầu   |
  |   209L       |   | - Bảo quản   |                   |   Cầu Giấy,  |   | - Tặng bầu   |
  | - Giữ chênh  |   |   kho chuẩn  |                   |   Hà Đông    |   |   lọc gió    |
  |   lệch an    |   |   ISO định   |                   | - Tối ưu     |   | - Tư vấn tận |
  |   toàn với   |   |   kỳ 2 tháng |                   |   bãi đỗ xe  |   |   tâm tại    |
  |   Petrolimex |   +--------------+                   |   tải lớn    |   |   điểm bán   |
  +--------------+                                      +--------------+   +--------------+

  1. Chính sách giá cạnh tranh (Pricing Strategy):

    • Dựa vào độ co dãn $|E_P| > 1$, duy trì mức giá bán lẻ dầu xe tay ga trong biên độ $81.000 - 82.500$ VNĐ/bình để tạo ưu thế cạnh tranh trực tiếp với Petrolimex ($83.000 - 83.500$ VNĐ/bình).
    • Thiết lập cơ chế chiết khấu nấc thang: Áp dụng chiết khấu trực tiếp 3% trước thuế cho đơn hàng quy cách phuy công nghiệp (209 Lít) đối với các đội xe tải và gara liên kết.

  2. Chính sách phân phối và phát triển mạng lưới (Place Strategy):

    • Khắc phục điểm yếu về khoảng cách địa lý (18% khách hàng tiềm năng chưa mua vì không tiện đường): Triển khai mở thêm 2 cửa hàng dịch vụ tại khu vực Tây Nam Hà Nội (Hà Đông, Nam Từ Liêm) và khu vực phía Đông (Long Biên, Hai Bà Trưng).
    • Mở rộng diện tích sân đỗ kỹ thuật tại các điểm bán hiện hữu để đáp ứng cùng lúc 3–5 xe tải trọng tải lớn thay dầu công nghiệp.

  3. Chính sách xúc tiến và chăm sóc khách hàng (Promotion & Process):

    • Duy trì dịch vụ thay dầu chuyên nghiệp miễn phí tiền công tại chỗ.
    • Triển khai chương trình khuyến mại định kỳ: Tặng bầu lọc nhớt chính hãng khi thay nhớt động cơ xe tải; tặng quà tặng kèm (nước làm mát, phụ gia làm sạch buồng đốt) trong các dịp tri ân khách hàng.

Dự toán chi phí và hiệu quả kinh tế (ROI)

  • Sản lượng tiêu thụ thực tế: Năm 2015 đạt 2,35 triệu lít dầu nhờn (tăng $84.734$ lít so với 2014) và $15.672$ kg mỡ bôi trơn (tăng 638 kg so với 2014).
  • Mục tiêu đến năm 2020: Tốc độ tăng trưởng sản lượng tiêu thụ bình quân đạt 5,5% - 7%/năm; nâng tỷ trọng doanh thu tại thị trường Hà Nội quay trở lại mốc >58%.
  • Ước tính hiệu quả đầu tư: Với chi phí mở rộng 2 điểm bán và xúc tiến khoảng $450 - 600$ triệu VNĐ, biên lợi nhuận ròng tăng thêm dự kiến đạt $180 - 220$ triệu VNĐ/năm, thời gian hoàn vốn (Payback Period) trong vòng 2,5 năm.

Hạn chế và hướng phát triển

Hạn chế học thuật và thực tiễn

  • Dung lượng mẫu khảo sát: Quy mô mẫu khảo sát sơ cấp ($n = 50$) còn tương đối khiêm tốn do hạn chế về thời gian và nguồn lực thực tập, chưa bao phủ toàn diện 100% các phân khúc khách hàng tổ chức (B2B lớn).
  • Chuỗi dữ liệu hồi quy: Chuỗi số liệu theo tháng được thu thập trong 24 tháng (2014–2015), mặc dù đủ bậc tự do cho mô hình hồi quy 3 biến nhưng chưa phản ánh được các chu kỳ kinh tế dài hạn 10 năm.
  • Biến ngoại sinh: Chưa đưa vào mô hình các biến số về chi phí quảng cáo số (Digital Marketing Spend) và sự biến động thất thường của giá dầu thô thế giới (Crude Oil Index).

Hướng phát triển tiếp theo

  • Ứng dụng mô hình chuỗi thời gian phi tuyến: Nâng cấp lên các mô hình ARIMA, VAR (Vector Autoregression) hoặc thuật toán học máy (Machine Learning - LSTM/XGBoost) để dự báo nhu cầu tiêu thụ đa biến.
  • Tích hợp hệ thống CRM & ERP: Xây dựng cơ sở dữ liệu khách hàng tập trung (HubSpot/Odoo) kết nối trực tiếp dữ liệu từ các trạm thay dầu để tự động hóa phân tích RFM (Recency, Frequency, Monetary).

Đối tượng hưởng lợi

                               +------------------------------------------+
                               |           ĐỐI TƯỢNG HƯỞNG LỢI            |
                               +--------------------+---------------------+
                                                    |
         +--------------------------+---------------+--------------------------+
         |                          |                                          |
         v                          v                                          v
  +--------------------+     +--------------------+                     +--------------------+
  |     SINH VIÊN      |     |     DOANH NGHIỆP   |                     |     NHÀ NGHIÊN     |
  |   & HỌC VIÊN       |     |     & QUẢN LÝ      |                     |      CỨU KINH TẾ   |
  +--------------------+     +--------------------+                     +--------------------+
  | - Mẫu hình chuẩn   |     | - Bộ tham số độ    |                     | - Tài liệu thực    |
  |   khóa luận kinh   |       co dãn chuẩn xác   |                       nghiệm về thị      |
  |   tế lượng ứng     |     | - Khung chiến lược |                       trường dầu nhờn    |
  |   dụng thực tế     |       giá và phân phối   |                     | - Cơ sở dữ liệu    |
  | - Quy trình kết    |       tối ưu doanh thu   |                       định lượng vi mô   |
  |   hợp SPSS &       |     | - Tăng sản lượng   |                       đặc thù ngành bán  |
  |   EViews bài bản   |       tiêu thụ >5%/năm   |                       lẻ kỹ thuật        |
  +--------------------+     +--------------------+                     +--------------------+
  • Sinh viên và Học viên ngành Kinh tế/Marketing: Tiếp cận một đồ án mẫu mực về sự kết hợp giữa lý thuyết kinh tế vi mô, phương pháp nghiên cứu định lượng (SPSS, EViews) và bài toán quản trị kinh doanh thực tế.
  • Ban lãnh đạo Công ty TNHH Dầu mỡ nhờn Hà Nội: Sở hữu bức tranh định lượng rõ ràng về thị trường, hiểu rõ độ co dãn của khách hàng và có được lộ trình chiến lược 7P vững chắc đến năm 2020.
  • Các đại lý phân phối và doanh nghiệp bán lẻ xăng dầu/chất bôi trơn: Nắm bắt các quy luật định giá đối ứng đối thủ và kỹ thuật tối ưu hóa điểm dịch vụ gia tăng giá trị.
  • Giới nghiên cứu kinh tế ứng dụng: Bổ sung bộ dữ liệu thực nghiệm vi mô về hành vi tiêu dùng sản phẩm kỹ thuật phụ trợ tại các đô thị loại I của Việt Nam.

Câu hỏi thường gặp

1. Tại sao biến số quy mô dân số (N) bị loại khỏi mô hình hàm cầu cuối cùng?

Trong mô hình thử nghiệm ban đầu, biến $N$ có hệ số $p\text{-value} = 0,1622 > 0,05$. Về mặt thống kê, biến này không có ý nghĩa giải thích ở độ tin cậy 95%. Về mặt kinh tế, dữ liệu thu thập theo chuỗi tháng (24 tháng), trong khi dân số là biến số nhân khẩu học biến động chậm trong ngắn hạn, không tạo ra sự biến thiên đáng kể đủ để giải thích dao động sản lượng hàng tháng. Việc loại bỏ biến $N$ giúp mô hình tinh gọn, tránh hiện tượng đa cộng tuyến và nâng cao độ chuẩn xác của các ước lượng còn lại.

2. Độ co dãn $|E_P| > 1$ có ý nghĩa như thế nào đối với chiến lược giá của công ty?

Độ co dãn của cầu theo giá có giá trị tuyệt đối lớn hơn 1 chứng tỏ cầu về sản phẩm dầu nhớt Castrol BP rất nhạy cảm với giá. Khi giá giảm $1%$, lượng cầu sẽ tăng nhiều hơn $1%$, dẫn đến tổng doanh thu ($TR = P \times Q$) tăng lên. Do đó, công ty không nên theo đuổi chiến lược tăng giá đơn phương mà cần duy trì mức giá cạnh tranh thấp hơn một biên độ nhỏ so với đối thủ trực tiếp (Petrolimex) và áp dụng các chính sách chiết khấu gián tiếp.

3. Làm thế nào để doanh nghiệp giải quyết mâu thuẫn giữa chất lượng cao nhưng khách hàng vẫn rời bỏ dịch vụ?

Kết quả phân tích SPSS chỉ ra rằng chất lượng là yếu tố nền tảng (đạt 3,77/5 điểm), nhưng rào cản chuyển đổi thương hiệu lại nằm ở tính thuận tiện của địa điểm (chiếm 18% lý do chưa mua) và dịch vụ gia tăng tại điểm bán. Doanh nghiệp giải quyết bài toán này bằng cách mở rộng các trạm dịch vụ thay dầu chuyên nghiệp, đầu tư mặt bằng rộng rãi cho xe tải và cung cấp dịch vụ thay dầu miễn phí tiền công.

4. Dữ liệu khảo sát 50 mẫu có đảm bảo tính đại diện cho thị trường Hà Nội?

Mẫu $n = 50$ được lựa chọn ngẫu nhiên phân bổ trên các quận trọng tâm, đóng vai trò là mẫu nghiên cứu khám phá (Exploratory Research) nhằm kiểm định chéo các phát hiện định tính. Độ tin cậy của đề tài được đảm bảo vững chắc thông qua việc kết hợp tam giác dữ liệu (Data Triangulation): kết hợp mẫu khảo sát sơ cấp với chuỗi số liệu thứ cấp 5 năm toàn diện của công ty và chuỗi thời gian 24 tháng phân tích kinh tế lượng.

5. Chi phí triển khai hệ giải pháp đến năm 2020 được phân bổ như thế nào?

Ngân sách dự kiến được chia làm 3 nhóm chính:

  • 60% dành cho việc phát triển và hoàn thiện hạ tầng 2 điểm bán/trạm dịch vụ mới tại khu vực chiến lược.
  • 25% dành cho các chương trình khuyến mại, chiết khấu phuy lớn và quà tặng tri ân khách hàng.
  • 15% dành cho đào tạo kỹ thuật định kỳ 1 tháng/năm cho đội ngũ nhân viên tư vấn và kỹ thuật viên thay dầu.

Kết luận

Công trình nghiên cứu đã giải quyết thành công bài toán thực tiễn phức tạp của Công ty TNHH Dầu mỡ nhờn Hà Nội thông qua việc kết hợp chặt chẽ giữa lý thuyết kinh tế học vi mô và các công cụ phân tích dữ liệu định lượng hiện đại (OLS Regression qua EViews và thống kê mô tả qua SPSS). Hàm cầu thực nghiệm $\hat{Q} = 220222,4 - 5061,041P + 36,3634M + 850,3813Pr$ với hệ số xác định vượt trội $R^2 = 93,19%$ đã chứng minh rõ nét các quy luật vận động của thị trường chất bôi trơn tại Hà Nội: tính nhạy cảm cao với giá, bản chất hàng hóa thông thường theo thu nhập và mối quan hệ thay thế trực tiếp với thương hiệu Petrolimex.

Hệ thống giải pháp đồng bộ 7P được xây dựng trên nền tảng số liệu khoa học không chỉ cung cấp cho doanh nghiệp lộ trình cụ thể để khôi phục và mở rộng thị phần tại Hà Nội đến năm 2020, mà còn đóng góp một nghiên cứu ứng dụng mẫu mực cho sinh viên, giảng viên và các nhà quản trị kinh doanh trong việc ứng dụng khoa học dữ liệu và kinh tế lượng vào giải quyết các bài toán thương mại thực tế.