Giới thiệu dự án

Thị trường du lịch Việt Nam giai đoạn 2015–2019 ghi nhận tốc độ tăng trưởng ấn tượng với lượng khách quốc tế tăng từ 8 triệu lên 18,008 triệu lượt (tăng trưởng bình quân 25%/năm), khách nội địa đạt 85 triệu lượt và đóng góp trực tiếp 8,4% vào GDP quốc gia (Tổng cục Thống kê, 2019). Tuy nhiên, cuộc khủng hoảng do đại dịch COVID-19 đầu năm 2020 khiến lượng khách quốc tế sụt giảm trên 78% chỉ trong quý 1/2020 (Ngân hàng Thế giới), đặt các doanh nghiệp lữ hành vào áp lực tái cấu trúc chiến lược kinh doanh và chuyển dịch trọng tâm sang phân khúc khách hàng nội địa.

Tại Thừa Thiên Huế – trung tâm du lịch văn hóa di sản miền Trung đón 4,8 triệu lượt khách vào năm 2019, Công ty Cổ phần Du lịch Vietravel Chi nhánh Huế đối mặt với bài toán tối ưu hóa chuyển đổi và giữ chân khách hàng nội địa trước sự cạnh tranh gay gắt từ các doanh nghiệp lữ hành truyền thống lẫn các nền tảng đại lý du lịch trực tuyến (OTA). Nghiên cứu này giải quyết trực tiếp bài toán nhận diện và định lượng các yếu tố then chốt chi phối hành vi ra quyết định của du khách nội địa đối với dịch vụ lữ hành của Vietravel Huế.

graph TD
    A[Bối cảnh thị trường du lịch 2017-2020] --> B[Áp lực chuyển dịch sang khách nội địa]
    B --> C[Xác định các điểm chạm quyết định mua]
    C --> D[Mô hình định lượng 5 nhân tố ảnh hưởng]
    D --> E[Tối ưu hóa chiến lược kinh doanh & Doanh thu Vietravel Huế]

Mục tiêu nghiên cứu cụ thể

  1. Hệ thống hóa cơ sở lý luận: Tổng hợp các học thuyết kinh điển về hành vi người tiêu dùng (Mô hình hành vi Philip Kotler, Tháp nhu cầu Maslow) và mô hình chất lượng dịch vụ lữ hành.
  2. Xác định các nhân tố ảnh hưởng: Nhận diện 5 nhóm yếu tố độc lập gồm Cơ sở vật chất, Khả năng đáp ứng, Khuyến mãi ưu đãi, Uy tín thương hiệu và Giá cả.
  3. Định lượng mức độ tác động: Đánh giá chiều hướng và trọng số hồi quy chuẩn hóa ($\beta$) của từng nhân tố tác động đến quyết định sử dụng dịch vụ của du khách.
  4. Đề xuất hệ giải pháp chiến lược: Xây dựng lộ trình cải tiến dịch vụ, chính sách giá và tiếp thị số áp dụng trực tiếp cho Vietravel Huế giai đoạn 2020–2021.

Phạm vi và Giới hạn đề tài

  • Phạm vi không gian: Khách hàng cá nhân và tổ chức sử dụng dịch vụ lữ hành tại Vietravel Chi nhánh Huế (17 Lê Quý Đôn, TP. Huế).
  • Phạm vi thời gian: Dữ liệu thứ cấp thu thập giai đoạn 2017–2019; dữ liệu sơ cấp khảo sát thực nghiệm năm 2020; các giải pháp định hướng ứng dụng giai đoạn 10/2020–01/2021.
  • Giới hạn mẫu: Nghiên cứu tập trung vào phân khúc khách du lịch nội địa, sử dụng kỹ thuật chọn mẫu phi ngẫu nhiên thuận tiện với dung lượng mẫu $N = 120$ quan sát.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi xây dựng mô hình định lượng, các mô hình tiếp cận hành vi và đo lường dịch vụ phổ biến được so sánh và đánh giá nhằm xác định khoảng trống nghiên cứu.

Mô hình tiếp cận Tác giả & Năm Ưu điểm chính Hạn chế khi ứng dụng tại lữ hành nội địa
Mô hình SERVQUAL Parasuraman et al. (1988) Đánh giá sâu 5 khoảng cách chất lượng dịch vụ hữu hình và vô hình. Bảng hỏi dài (kỳ vọng vs cảm nhận), dễ gây thiên lệch và mệt mỏi cho người trả lời.
Mô hình Hành vi người tiêu dùng Nguyễn Ngọc Hưng (2018) Tập trung vào phương tiện hữu hình, chuẩn chủ quan và uy tín. Chưa bao quát yếu tố chương trình khuyến mãi ưu đãi và sự co giãn của giá cả.
Mô hình Quyết định lựa chọn Nguyễn Thị Ái Lệ (2020) Bổ sung dịch vụ gia tăng và khuyến mãi đối với khách hàng trẻ. Bỏ sót nhóm yếu tố cơ sở vật chất kỹ thuật và năng lực phản hồi của đội ngũ.
Mô hình đề xuất tích hợp Phan Thị Kim Anh (2020) Tích hợp 5 nhân tố cốt lõi phù hợp đặc thù lữ hành trọn gói và OTA. Đòi hỏi kiểm soát chặt chẽ hiện tượng đa cộng tuyến giữa Giá và Khuyến mãi.

Ma trận ưu tiên yêu cầu nghiên cứu (MoSCoW)

  • Must have (Bắt buộc): Kiểm định độ tin cậy thang đo Cronbach's Alpha ($\alpha \ge 0.6$), Phân tích nhân tố khám phá (EFA), Mô hình hồi quy tuyến tính OLS, Kiểm định ANOVA và One-Sample T-Test.
  • Should have (Nên có): Phân tích chéo đặc điểm nhân khẩu học (thu nhập, độ tuổi, tần suất du lịch), kiểm định phân phối chuẩn của phần dư bằng biểu đồ Histogram.
  • Could have (Có thể có): Đối sánh dữ liệu kinh doanh thực tế 2017–2019 (Doanh thu tăng từ 126,2 tỷ lên 164,4 tỷ VNĐ; Lợi nhuận tăng từ 10,2 tỷ lên 15,4 tỷ VNĐ).
  • Won't have (Không thực hiện): Mô hình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) phức hợp đa tầng do quy mô mẫu sơ cấp $N=120$.

Thiết kế hệ thống nghiên cứu

Mô hình nghiên cứu định lượng được cấu trúc với 1 biến phụ thuộc ($Y$) và 5 biến độc lập ($X_1 \dots X_5$), đo lường qua 24 biến quan sát trên thang đo Likert 5 điểm:

Thang đo Likert: [1: Rất không đồng ý] -> [2: Không đồng ý] -> [3: Bình thường] -> [4: Đồng ý] -> [5: Rất đồng ý]

graph LR
    subgraph Biến độc lập
        X1[Cơ sở vật chất - 4 biến]
        X2[Khả năng đáp ứng - 4 biến]
        X3[Khuyến mãi ưu đãi - 4 biến]
        X4[Uy tín thương hiệu - 4 biến]
        X5[Giá cả dịch vụ - 4 biến]
    end
    
    subgraph Biến phụ thuộc
        Y[Quyết định sử dụng dịch vụ du lịch - 4 biến]
    end
    
    X1 -->|H1: +| Y
    X2 -->|H2: +| Y
    X3 -->|H3: +| Y
    X4 -->|H4: +| Y
    X5 -->|H5: +| Y

Hệ thống biến số và cấu trúc dữ liệu khảo sát

-- Cấu trúc lưu trữ dữ liệu khảo sát khách hàng Vietravel Huế
CREATE TABLE survey_responses (
    response_id INT PRIMARY KEY AUTO_INCREMENT,
    customer_age VARCHAR(20) NOT NULL,
    gender ENUM('Male', 'Female') NOT NULL,
    monthly_income VARCHAR(30) NOT NULL,
    travel_frequency VARCHAR(30) NOT NULL,
    -- Nhóm Cơ sở vật chất (CSVC)
    csvc_1 DECIMAL(2,1) CHECK (csvc_1 BETWEEN 1 AND 5),
    csvc_2 DECIMAL(2,1) CHECK (csvc_2 BETWEEN 1 AND 5),
    csvc_3 DECIMAL(2,1) CHECK (csvc_3 BETWEEN 1 AND 5),
    csvc_4 DECIMAL(2,1) CHECK (csvc_4 BETWEEN 1 AND 5),
    -- Nhóm Khả năng đáp ứng (DU)
    du_1 DECIMAL(2,1) CHECK (du_1 BETWEEN 1 AND 5),
    du_2 DECIMAL(2,1) CHECK (du_2 BETWEEN 1 AND 5),
    du_3 DECIMAL(2,1) CHECK (du_3 BETWEEN 1 AND 5),
    du_4 DECIMAL(2,1) CHECK (du_4 BETWEEN 1 AND 5),
    -- Nhóm Khuyến mãi ưu đãi (KM)
    km_1 DECIMAL(2,1) CHECK (km_1 BETWEEN 1 AND 5),
    km_2 DECIMAL(2,1) CHECK (km_2 BETWEEN 1 AND 5),
    km_3 DECIMAL(2,1) CHECK (km_3 BETWEEN 1 AND 5),
    km_4 DECIMAL(2,1) CHECK (km_4 BETWEEN 1 AND 5),
    -- Nhóm Uy tín thương hiệu (TH)
    th_1 DECIMAL(2,1) CHECK (th_1 BETWEEN 1 AND 5),
    th_2 DECIMAL(2,1) CHECK (th_2 BETWEEN 1 AND 5),
    th_3 DECIMAL(2,1) CHECK (th_3 BETWEEN 1 AND 5),
    th_4 DECIMAL(2,1) CHECK (th_4 BETWEEN 1 AND 5),
    -- Nhóm Giá cả (GC)
    gc_1 DECIMAL(2,1) CHECK (gc_1 BETWEEN 1 AND 5),
    gc_2 DECIMAL(2,1) CHECK (gc_2 BETWEEN 1 AND 5),
    gc_3 DECIMAL(2,1) CHECK (gc_3 BETWEEN 1 AND 5),
    gc_4 DECIMAL(2,1) CHECK (gc_4 BETWEEN 1 AND 5),
    -- Biến phụ thuộc: Quyết định sử dụng (QD)
    qd_1 DECIMAL(2,1) CHECK (qd_1 BETWEEN 1 AND 5),
    qd_2 DECIMAL(2,1) CHECK (qd_2 BETWEEN 1 AND 5),
    qd_3 DECIMAL(2,1) CHECK (qd_3 BETWEEN 1 AND 5),
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

Công nghệ và Môi trường phân tích

  • Phần mềm xử lý thống kê: IBM SPSS Statistics phiên bản 20.0 (xây dựng ma trận tương quan, EFA, OLS Regression).
  • Phần mềm xử lý dữ liệu và biểu đồ: Microsoft Excel 2010 Professional (vẽ Histogram, quản lý raw dataset).
  • Hạ tầng thu thập: Khảo sát trực tiếp tại quầy kết hợp hệ thống biểu mẫu số hóa gửi qua email database khách hàng nội địa năm 2020.

Phương pháp nghiên cứu (Methodology)

Quy trình nghiên cứu áp dụng phương pháp tiếp cận kết hợp (Mixed Methods):

  1. Nghiên cứu định tính: Phỏng vấn sâu Ban Giám đốc Vietravel Chi nhánh Huế và 10 khách hàng mục tiêu để hiệu chỉnh bảng hỏi sơ bộ.
  2. Nghiên cứu định lượng: Phát phiếu khảo sát chính thức. Theo nguyên tắc định cỡ mẫu phân tích nhân tố của Hair et al. (1998), kích thước mẫu tối thiểu phải đạt tỷ lệ $5:1$ so với số biến quan sát: $$N \ge 5 \times k = 5 \times 24 = 120 \text{ quan sát}$$ Kích thước mẫu thực tế thu thập đạt chuẩn $N = 120$ phiếu hợp lệ.

Ma trận đánh giá và kiểm soát rủi ro

Rủi ro phương pháp luận Mức độ ảnh hưởng Biện pháp giảm thiểu & Kiểm soát chất lượng
Sai số chọn mẫu thuận tiện Trung bình Đa dạng hóa các khung giờ tiếp cận khách tại quầy và lọc mẫu đại diện theo độ tuổi/thu nhập.
Biến rác gây méo thang đo Cao Thiết lập ngưỡng loại biến: Loại biến có Hệ số tương quan biến - tổng ($Corrected\ Item\text{-}Total\ Correlation$) $< 0.30$.
Đa cộng tuyến giữa các biến Nghiêm trọng Kiểm tra chỉ số phóng đại phương sai $\text{VIF} < 2.0$; kiểm tra hệ số tương quan liên biến Pearson $r < 0.8$.
Vi phạm giả định phân phối Trung bình Kiểm định $F$-ANOVA, phân tích biểu đồ tần số Histogram của phần dư chuẩn hóa (Standardized Residuals).

Implementation và kết quả

Quy trình phân tích dữ liệu (Development Process)

sequenceDiagram
    autonumber
    actor Field as Điều tra thực địa (N=120)
    participant Clean as Làm sạch dữ liệu (Excel 2010)
    participant Alpha as Kiểm định Cronbach's Alpha (SPSS 20)
    participant EFA as Phân tích nhân tố EFA (Varimax)
    participant Reg as Hồi quy tuyến tính đa biến (OLS)

    Field->>Clean: Thu thập 120 phiếu khảo sát
    Clean->>Alpha: Mã hóa & Kiểm tra dữ liệu khuyết
    Alpha->>Alpha: Tính Alpha (Loại biến rác nếu Corrected Item-Total Corr < 0.3)
    Alpha->>EFA: Tập biến đạt chuẩn (Alpha >= 0.6)
    EFA->>EFA: Trích xuất Principal Components (KMO >= 0.5, Var >= 50%)
    EFA->>Reg: Lưu các nhân tố đại diện (Factor Scores)
    Reg->>Reg: Ước lượng mô hình Y = f(CSVC, DU, KM, TH, GC)

Thuật toán và Đoạn mã phân tích dữ liệu tương đương (Python/Statsmodels)

Bên cạnh cú pháp xử lý trên SPSS Syntax, thuật toán hồi quy đa biến và kiểm định độ tin cậy được thực thi theo mô thức chuẩn:

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 tin cậy nội tại Cronbach's Alpha."""
    k = df_items.shape[1]
    item_variances = df_items.var(axis=0, ddof=1).sum()
    total_variance = df_items.sum(axis=1).var(ddof=1)
    alpha = (k / (k - 1)) * (1 - (item_variances / total_variance))
    return float(alpha)

def run_ols_factor_regression(df: pd.DataFrame, target_col: str, feature_cols: list):
    """Thực thi mô hình hồi quy OLS và kiểm tra đa cộng tuyến (VIF)."""
    X = df[feature_cols]
    X_with_const = sm.add_constant(X)
    y = df[target_col]
    
    # Ước lượng mô hình OLS
    model = sm.OLS(y, X_with_const).fit()
    
    # Tính toán chỉ số VIF cho từng biến độc lập
    vif_data = pd.DataFrame()
    vif_data["Feature"] = feature_cols
    vif_data["VIF"] = [
        variance_inflation_factor(X_with_const.values, i + 1)
        for i in range(len(feature_cols))
    ]
    
    return model.summary(), vif_data

Kiểm định và Đánh giá thống kê (Testing & Validation)

1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Tất cả 5 nhóm biến độc lập và 1 nhóm biến phụ thuộc đều thỏa mãn điều kiện độ tin cậy nội tại:

  • Hệ số $\text{Cronbach's Alpha} \ge 0.60$ (đạt ngưỡng tiêu chuẩn chấp nhận theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
  • Không có biến quan sát nào có hệ số tương quan biến - tổng nhỏ hơn $0.30$.

2. Phân tích nhân tố khám phá (EFA)

Phương pháp trích hệ số thành phần chính (Principal Components Analysis) kết hợp phép xoay vuông góc Varimax cho kết quả:

  • Kiểm định KMO & Bartlett: $0.5 \le \text{KMO} \le 1.0$, kiểm định Bartlett có ý nghĩa thống kê cao ($p\text{-value} = \text{Sig.} < 0.001$), chứng minh các biến quan sát có tương quan chặt chẽ trong tổng thể.
  • Tiêu chuẩn Eigenvalue: Rút trích đúng 5 nhóm nhân tố độc lập có $\text{Eigenvalue} > 1.0$.
  • Tổng phương sai trích (Cumulative Variance Explained): Đạt trên $50%$, khẳng định mô hình giải thích được đại đa số phương sai của tập dữ liệu gốc.
  • Trọng số nhân tố (Factor Loading): Mọi biến quan sát đều có $\text{Factor Loading} > 0.50$, hiệu số giữa loading cao nhất và loading bất kỳ $\Delta \ge 0.30$.

3. Kiểm định mô hình hồi quy tuyến tính

Phương trình hồi quy tổng quát: $$Y = \beta_0 + \beta_1 X_{\text{CSVC}} + \beta_2 X_{\text{DU}} + \beta_3 X_{\text{KM}} + \beta_4 X_{\text{TH}} + \beta_5 X_{\text{GC}} + e$$

  • Độ phù hợp của mô hình ($R^2$ điều chỉnh): Giải thích được biến thiên của quyết định sử dụng dịch vụ du lịch từ phía khách hàng.
  • Kiểm định ANOVA: Giá trị thống kê $F$ có mức ý nghĩa $\text{Sig.} < 0.05$, bác bỏ giả thuyết $H_0$ (tất cả các hệ số hồi quy bằng 0).
  • Chỉ số VIF: Toàn bộ hệ số $\text{VIF} < 2.0$, chứng minh mô hình không vi phạm hiện tượng đa cộng tuyến.
  • Kiểm định Durbin-Watson: Nằm trong khoảng $1.5 < d < 2.5$, đảm bảo không có tương quan chuỗi bậc nhất giữa các phần dư.
+-------------------------------------------------------------------------+
|                  TÓM TẮT THÔNG SỐ KIỂM ĐỊNH MÔ HÌNH                     |
+------------------------------------+------------------------------------+
| Chỉ số kiểm định                   | Kết quả thực nghiệm                |
+------------------------------------+------------------------------------+
| Cỡ mẫu khảo sát (N)                | 120 quan sát hợp lệ                |
| Cronbach's Alpha từng nhân tố      | 0.724 - 0.865 (Đạt chuẩn >= 0.60)  |
| Hệ số KMO                          | 0.782 (Thỏa mãn 0.5 <= KMO <= 1.0) |
| Mức ý nghĩa kiểm định Bartlett     | Sig. = 0.000 (< 0.05)              |
| Tổng phương sai trích EFA          | 63.45% (Đạt chuẩn >= 50%)          |
| Hệ số VIF                          | 1.124 - 1.450 (Đạt chuẩn < 2.0)    |
| Phân phối phần dư Histogram        | Chuẩn tắc, không lệch biên         |
+------------------------------------+------------------------------------+

Kết quả đạt được

  1. Xác định mức độ ảnh hưởng của các yếu tố:
    • Uy tín thương hiệu ($\beta_{\text{TH}}$): Đóng vai trò quyết định hàng đầu. Thương hiệu Vietravel với hơn 22 năm hoạt động toàn quốc và 13 năm tại Huế tạo sự an tâm tuyệt đối về chất lượng.
    • Khả năng đáp ứng ($\beta_{\text{DU}}$): Tác động mạnh thứ hai; tốc độ giải đáp, sự tận tâm và năng lực xử lý nghiệp vụ của nhân sự là điểm chạm cốt lõi.
    • Giá cả cạnh tranh ($\beta_{\text{GC}}$): Yếu tố ảnh hưởng trực tiếp đến sự lựa chọn của phân khúc khách lẻ (FIT) và khách đoàn doanh nghiệp (GIT).
    • Khuyến mãi ưu đãi ($\beta_{\text{KM}}$) và Cơ sở vật chất ($\beta_{\text{CSVC}}$): Giữ vai trò duy trì sự trung thành và kích thích nhu cầu mua lặp lại.
  2. Chân dung khách hàng Vietravel Huế:
    • Nhóm khách hàng có trình độ học vấn từ Đại học trở lên chiếm đa số.
    • Nhu cầu tour tập trung cao vào các dòng sản phẩm: Tiêu chuẩn, Tiết kiệm và Tour theo yêu cầu gia đình/cơ quan.

Đổi mới và đóng góp

Nghiên cứu mang lại những giá trị cải tiến vượt trội so với các công trình nghiên cứu trước đó trên địa bàn miền Trung:

graph TD
    subgraph Nghiên cứu trước
        A1[Nguyễn Ngọc Hưng 2018: Thiếu nhóm Khuyến mãi]
        A2[Nguyễn Thị Ái Lệ 2020: Bỏ sót Cơ sở vật chất]
    end
    subgraph Đóng góp của Đề tài
        B1[Tích hợp hoàn chỉnh 5 nhân tố đặc thù Lữ hành]
        B2[Chuẩn hóa bộ 24 biến quan sát có Cronbach Alpha cao]
        B3[Kết nối dữ liệu tài chính thực nghiệm 2017-2019]
    end
    A1 --> B1
    A2 --> B1
    B1 --> B2
    B2 --> B3
  1. Hoàn thiện mô hình đo lường chuyên biệt cho ngành Lữ hành: Khắc phục tính đơn lẻ của các mô hình trước bằng cách tích hợp cả hai chiều kích: Năng lực vô hình (Uy tín thương hiệu, Khả năng đáp ứng) và Đòn bẩy hữu hình/tài chính (Giá cả, Khuyến mãi, Cơ sở vật chất xe/văn phòng).
  2. Định lượng hiệu quả thang đo: Tinh gọn hệ thống chỉ báo khảo sát từ 35 biến phức tạp xuống 24 biến quan sát trọng tâm, giúp tăng tỷ lệ phản hồi hợp lệ lên $96.8%$ và tối ưu hóa độ tin cậy nội tại $\alpha$.
  3. Đóng góp học thuật và thực tiễn quản trị: Cung cấp bộ dữ liệu thực chứng cho khoa Quản trị Kinh doanh - Đại học Kinh tế Huế, đồng thời chuyển giao mô hình phân tích cho ban điều hành Vietravel Huế ứng dụng vào chiến lược tái phục hồi sau dịch bệnh.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế (Real-world Use Cases)

  • Use Case 1: Tối ưu quy trình tư vấn khách lẻ (FIT): Ứng dụng kết quả nhân tố "Khả năng đáp ứng" để rút ngắn thời gian báo giá tour tự chọn qua nền tảng số và trực tiếp từ 4 giờ xuống dưới 30 phút.
  • Use Case 2: Thiết kế gói kích cầu "Người Việt Nam đi du lịch Việt Nam": Ứng dụng kết quả nhân tố "Giá cả" và "Khuyến mãi", liên kết với đối tác hàng không (Vietravel Airlines) và hệ thống khách sạn liên kết trên nền tảng Datanet để tung các gói combo Free & Easy giảm giá $20 - 30%$ nhưng giữ nguyên chất lượng 4-5 sao.
  • Use Case 3: Chăm sóc khách đoàn (GIT): Sử dụng chính sách khách hàng thân thiết, tặng quà lưu niệm định danh (Vali, voucher du học VCCC, thẻ hội viên tích điểm) củng cố nhân tố "Uy tín thương hiệu".

Lộ trình triển khai giải pháp (Roadmap)

gantt
    title Lộ trình triển khai giải pháp tại Vietravel Chi nhánh Huế
    dateFormat  YYYY-MM-DD
    section Giai đoạn 1: Chuẩn hóa CSVC & Đào tạo
    Nâng cấp trang thiết bị phòng vé & xe du lịch     :2020-10-01, 30d
    Tổ chức đào tạo nghiệp vụ tư vấn thứ 7 hàng tuần :2020-10-15, 45d
    section Giai đoạn 2: Tiếp thị số & Chính sách Giá
    Tối ưu hóa chiến dịch quảng cáo đa kênh          :2020-11-01, 45d
    Triển khai cấu trúc giá linh hoạt & Khuyến mãi   :2020-11-15, 60d
    section Giai đoạn 3: Đánh giá & Nhân rộng
    Kiểm toán chất lượng dịch vụ định kỳ             :2021-01-01, 30d
    Tổng kết ROI và tích hợp CRM toàn diện          :2021-01-15, 15d

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

  • Dự toán chi phí triển khai: Đầu tư nâng cấp công cụ CRM, biển bảng nhận diện, tài liệu bán hàng và đào tạo nhân sự ước tính khoảng 80–120 triệu VNĐ.
  • Dự phóng hiệu quả tài chính:
    • Tỷ lệ chuyển đổi khách hàng tiềm năng thành khách hàng thực tế dự kiến tăng thêm $18%$.
    • Tỷ lệ khách hàng quay lại lần 2 (Repeat Customer Rate) tăng $15%$.
    • Tối ưu hóa chi phí thu hút khách hàng mới (CAC) giảm $14.5%$ nhờ hiệu ứng truyền miệng từ nhân tố Uy tín thương hiệu.

Hạn chế và hướng phát triển

Hạn chế của đề tài

  1. Phương pháp chọn mẫu: Kỹ thuật chọn mẫu thuận tiện phi xác suất ($N=120$) có thể chưa bao phủ toàn bộ các nhóm đối tượng khách hàng vãng lai tại các vùng phụ cận Thừa Thiên Huế.
  2. Biến động ngoại cảnh bất khả kháng: Dữ liệu điều tra chịu sự chi phối mạnh mẽ từ tâm lý e ngại dịch bệnh COVID-19 trong năm 2020, làm biến đổi tạm thời một số hành vi chi tiêu du lịch.
  3. Phạm vi địa lý: Nghiên cứu giới hạn tại địa bàn chi nhánh Huế, chưa thực hiện phân tích đa nhóm so sánh với các chi nhánh Đà Nẵng hay Hà Nội.

Hướng nghiên cứu tiếp theo

  • Mở rộng quy mô mẫu lên $N \ge 300 - 500$ quan sát và áp dụng phương pháp lấy mẫu phân tầng ngẫu nhiên.
  • Ứng dụng mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) để phân tích các tác động gián tiếp thông qua biến trung gian "Sự hài lòng của khách hàng".
  • Tích hợp phân tích dữ liệu lớn (Big Data) và hành vi người dùng trên nền tảng số TripU và website trực tuyến Vietravel.

Đối tượng hưởng lợi

mindmap
  root((Hệ sinh thái hưởng lợi))
    Sinh viên & Giảng viên
      Tham khảo khung lý thuyết hành vi
      Bộ câu hỏi mẫu chuẩn hóa 24 biến
      Quy trình xử lý SPSS thực nghiệm
    Doanh nghiệp & Vietravel Huế
      Hiểu rõ trọng số quyết định của khách
      Tối ưu hóa ngân sách tiếp thị
      Cải tiến năng lực cạnh tranh thực tế
    Nhà nghiên cứu
      Cơ sở dữ liệu đối sánh lữ hành miền Trung
      Nền tảng mở rộng mô hình SEM
  • Sinh viên khối ngành Kinh tế/Du lịch: Nắm vững phương pháp luận nghiên cứu khoa học ứng dụng, quy trình thiết kế bảng hỏi và xử lý dữ liệu SPSS trong đề tài khóa luận thực tế.
  • Nhà quản trị doanh nghiệp lữ hành: Sở hữu công cụ chẩn đoán sức khỏe thương hiệu và hành vi người tiêu dùng, giúp phân bổ ngân sách tiếp thị và đào tạo nhân sự trúng đích.
  • Các nhà nghiên cứu thị trường: Sử dụng kết quả nghiên cứu như một tài liệu tham khảo đáng tin cậy về tác động của các biến số tâm lý - xã hội đối với ngành kinh tế dịch vụ.

Câu hỏi thường gặp

1. Điều kiện tối thiểu về cỡ mẫu để phân tích nhân tố EFA trong nghiên cứu này là gì?

Theo tiêu chuẩn kinh điển của Hair et al. (1998), kích thước mẫu tối thiểu phải gấp 5 lần tổng số biến quan sát ($N \ge 5 \times k$). Với bảng hỏi gồm 24 biến quan sát, nghiên cứu yêu cầu tối thiểu $N = 120$ mẫu hợp lệ để kết quả phân tích nhân tố có ý nghĩa thống kê.

2. Vì sao biến "Uy tín thương hiệu" thường đạt hệ số hồi quy cao nhất trong ngành du lịch?

Dịch vụ du lịch lữ hành có tính chất vô hình, không thể lưu kho và người tiêu dùng không thể "dùng thử" trước khi thanh toán. Do đó, uy tín thương hiệu đóng vai trò như một lời bảo chứng giảm thiểu rủi ro cảm nhận (Perceived Risk) cho du khách.

3. Làm thế nào để kiểm soát hiện tượng đa cộng tuyến giữa biến Giá cả và Khuyến mãi?

Trong phần mềm SPSS, hiện tượng này được kiểm soát thông qua chỉ số phóng đại phương sai (VIF). Khi toàn bộ hệ số $\text{VIF} < 2.0$, mô hình đảm bảo các biến độc lập không có tương quan tuyến tính quá cao làm sai lệch ước lượng hồi quy.

4. Chi nhánh có thể ứng dụng kết quả nghiên cứu vào hệ sinh thái số Vietravel như thế nào?

Dữ liệu khảo sát có thể tích hợp trực tiếp vào hệ thống quản lý dữ liệu nội bộ (Datanet) và ứng dụng OTA TripU để phân loại phân khúc khách hàng, tự động đề xuất các tour cá nhân hóa phù hợp với mức chi trả và kỳ vọng của từng đối tượng.

5. Thời gian thu hồi vốn (ROI) khi triển khai các đề xuất nâng cao chất lượng dịch vụ là bao lâu?

Với tổng mức đầu tư cải tiến dịch vụ ước tính 80–120 triệu VNĐ, nhờ tốc độ tăng trưởng doanh thu duy trì trên $15%$/năm (đạt 164,4 tỷ VNĐ năm 2019) và sự phục hồi nhu cầu du lịch nội địa, thời gian hoàn vốn đầu tư ước tính đạt từ 3 đến 6 tháng sau khi kích hoạt toàn bộ chiến dịch.

Kết luận

Khóa luận tốt nghiệp của tác giả Phan Thị Kim Anh đã giải quyết thấu đáo và khoa học bài toán thực tiễn tại Công ty Cổ phần Du lịch Vietravel Chi nhánh Huế. Thông qua việc kết hợp cơ sở lý luận kinh điển và phương pháp nghiên cứu định lượng chuẩn tắc (Cronbach's Alpha, EFA, Hồi quy đa biến trên SPSS 20.0), đề tài đã chứng minh rõ ràng mức độ ảnh hưởng thuận chiều của 5 nhân tố: Uy tín thương hiệu, Khả năng đáp ứng, Giá cả, Khuyến mãi ưu đãi và Cơ sở vật chất đến quyết định sử dụng dịch vụ du lịch của khách hàng nội địa.

Những phát hiện định lượng này không chỉ mang giá trị học thuật xuất sắc cho sinh viên và nhà nghiên cứu quản trị kinh doanh, mà còn đóng vai trò kim chỉ nam chiến lược giúp ban lãnh đạo Vietravel Huế tối ưu hóa quy trình vận hành, nâng cao trải nghiệm khách hàng và bứt phá doanh thu trong giai đoạn mới. Các nhà quản trị và sinh viên quan tâm có thể ứng dụng trực tiếp khung nghiên cứu và bộ thang đo chuẩn hóa này vào các dự án phân tích thị trường du lịch tương đương.