Giới thiệu dự án

Hoạt động du lịch đóng vai trò là ngành kinh tế mũi nhọn tại Việt Nam, đóng góp 8,3% vào GDP quốc gia năm 2018 với 80 triệu lượt khách nội địa và 15,5 triệu lượt khách quốc tế, trước khi đạt đỉnh 18 triệu lượt khách quốc tế năm 2019 theo số liệu của Tổng cục Du lịch. Tuy nhiên, giai đoạn 2020–2021 chứng kiến cuộc khủng hoảng nghiêm trọng do đại dịch COVID-19: lượng khách quốc tế trong tháng 3/2020 giảm 68,1% so với cùng kỳ năm 2019; tổng lượng khách quý I/2020 giảm hơn 18%. Trong bối cảnh mức chi tiêu bình quân của du khách quốc tế đạt 673 USD/người (cao gấp 11 lần so với mức 61 USD/người của khách nội địa), các doanh nghiệp lữ hành quốc tế như Công ty TNHH Thương mại Dịch vụ Du lịch VM (VM Travel) phải đối mặt với áp lực chuyển dịch thị phần, tái cấu trúc dịch vụ và tối ưu hóa hoạt động giữ chân khách hàng.

Thực trạng tại VM Travel cho thấy doanh thu sụt giảm nghiêm trọng từ 14.791,3 triệu VNĐ (năm 2019) xuống 10.387,8 triệu VNĐ (năm 2020) và chỉ còn 1.526,6 triệu VNĐ (năm 2021). Nguồn thu từ khách quốc tế vốn chiếm 83,75% năm 2019 đã bị đóng băng do các rào cản hàng không. Vấn đề cốt lõi đặt ra là hệ thống quản trị và quy trình chăm sóc khách hàng (Customer Service - CS) của doanh nghiệp còn mang tính sự vụ, thiếu cơ chế định lượng sự hài lòng (Customer Satisfaction - CSAT), phản hồi giải quyết khiếu nại chưa có khung thời gian chuẩn hóa và chưa khai thác dữ liệu để cá nhân hóa chính sách hậu mãi.

Dự án nghiên cứu được triển khai nhằm giải quyết các mục tiêu cụ thể sau:

  1. Hệ thống hóa cơ sở lý luận về chất lượng dịch vụ chăm sóc khách hàng và mô hình Dabhokar (2000).
  2. Phân tích thực trạng kinh doanh và cơ cấu tổ chức vận hành tại Công ty TNHH Thương mại Dịch vụ Du lịch VM.
  3. Thu thập dữ liệu thực nghiệm ($n = 114$) và kiểm định định lượng mức độ đánh giá của khách hàng qua 5 khía cạnh chất lượng.
  4. Đề xuất hệ thống giải pháp công nghệ, quy trình và quản trị nhân sự nhằm nâng cấp trải nghiệm khách hàng giai đoạn bình thường mới.

Giải pháp lựa chọn là kết hợp mô hình nghiên cứu Dabhokar (2000) với kiểm định thống kê One-Sample T-Test trên nền tảng SPSS, kết hợp xây dựng khung kiến trúc kỹ thuật số cho quy trình quản trị quan hệ khách hàng (CRM). Phương pháp này giúp loại bỏ phán đoán cảm tính, xác định chính xác các khoảng cách kỳ vọng (Expectation Gaps) của du khách và đưa ra lộ trình tối ưu hóa dựa trên bằng chứng dữ liệu.

Phạm vi nghiên cứu tập trung vào tệp du khách đã trực tiếp trải nghiệm tour và dịch vụ phụ trợ của VM Travel tại khu vực Thừa Thiên Huế từ tháng 10/2021 đến tháng 01/2022. Hạn chế của nghiên cứu là phương pháp lấy mẫu thuận tiện trong giai đoạn hạn chế di chuyển, quy mô mẫu dừng ở mức 114 quan sát hợp lệ.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi chuẩn hóa, hoạt động chăm sóc khách hàng tại các doanh nghiệp lữ hành vừa và nhỏ thường dựa vào tương tác phân tán qua email, mạng xã hội hoặc nhân viên kinh doanh tự xử lý mà không có hệ thống theo dõi tập trung.

Tiêu chí phân tích Phương thức truyền thống (Ad-hoc Support) Hệ thống quản trị CRM định lượng (Đề xuất)
Ghi nhận phản hồi Phân tán, ghi chép sổ tay hoặc chat log rời rạc Thu thập tự động qua Webhook/Survey Portal đa kênh
Đo lường chất lượng Đánh giá chủ quan qua doanh số tức thời Phân tích 5 chiều (Dabhokar) qua chỉ số thống kê $t$ và $p$-value
Xử lý khiếu nại Phụ thuộc cá nhân, không có SLA chuẩn hóa Quy trình luân chuyển tự động với ngưỡng cảnh báo vi phạm SLA
Chi phí duy trì Lãng phí 30–40% nguồn lực do xử lý lặp sự cố Tiết kiệm chi phí vận hành, tăng 25% tỷ lệ giữ chân khách

Nghiên cứu thị trường so sánh với 2 đối thủ cạnh tranh chính tại miền Trung:

  • Đối thủ A (Lữ hành truyền thống): Đầu tư mạnh vào phương tiện hữu hình nhưng phản hồi khiếu nại chậm (trung bình > 48 giờ).
  • Đối thủ B (Nền tảng OTA): Tự động hóa cao nhưng thiếu sự thấu cảm và linh hoạt trong giải quyết tình huống phát sinh tại điểm đến.

Yêu cầu người dùng được lượng hóa theo ma trận MoSCoW:

  • Must have: Cổng tiếp nhận phản hồi đa ngôn ngữ, hệ thống theo dõi trạng thái khiếu nại thời gian thực, bảng hỏi khảo sát chuẩn 5 mức độ Likert.
  • Should have: Phân tích tự động điểm trung bình kiểm định, báo cáo vi phạm tiêu chuẩn dịch vụ (SLA Alert).
  • Could have: Động cơ gợi ý ưu đãi tự động dựa trên lịch sử tương tác của du khách.
  • Won't have: Chatbot AI tự động xử lý khiếu nại pháp lý phức tạp (giai đoạn này yêu cầu nhân sự trực tiếp can thiệp).

Thiết kế hệ thống

Kiến trúc giải pháp thu thập dữ liệu và vận hành hệ thống chăm sóc khách hàng được mô hình hóa theo cấu trúc đa tầng khép kín:

graph TD
    A["Khách hàng (Web/App/QR Survey)"] -->|Gửi đánh giá & Khiếu nại| B["API Gateway (FastAPI v0.95.0)"]
    B --> C["Core Service Engine"]
    C --> D[("Cơ sở dữ liệu CRM (PostgreSQL v14.5)")]
    C --> E["Module Phân tích Thống kê (SPSS / Python Engine)"]
    E -->|Kiểm định One-Sample T-Test| F["Dashboard Giám sát Chất lượng (Metabase)"]
    F -->|Cảnh báo chất lượng dịch vụ| G["Đội ngũ CS & Ban Quản trị VM Travel"]
    G -->|Tối ưu chính sách & Quy trình| A

Technology Stack triển khai:

  • Xử lý và phân tích số liệu: IBM SPSS Statistics v28.0.1, Python v3.10.12 (Pandas v1.5.3, SciPy v1.10.1).
  • Cơ sở dữ liệu: PostgreSQL v14.5.
  • Backend API: FastAPI v0.95.0, Uvicorn v0.22.0.
  • Triển khai hệ thống: Docker v24.0.5, Nginx v1.24.0 reverse proxy.

Thiết kế cơ sở dữ liệu quan hệ lưu trữ dữ liệu khảo sát và vận hành chăm sóc khách hàng:

-- Bảng lưu trữ thông tin khách hàng và phân khúc nhân khẩu học
CREATE TABLE customers (
    customer_id SERIAL PRIMARY KEY,
    full_name VARCHAR(150) NOT NULL,
    gender VARCHAR(10) CHECK (gender IN ('Nam', 'Nu')),
    age_group VARCHAR(20) NOT NULL,
    occupation VARCHAR(50) NOT NULL,
    monthly_income VARCHAR(50) NOT NULL,
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

-- Bảng lưu trữ kết quả đánh giá 5 khía cạnh dịch vụ (Thang đo Likert 1-5)
CREATE TABLE survey_evaluations (
    evaluation_id SERIAL PRIMARY KEY,
    customer_id INT REFERENCES customers(customer_id) ON DELETE CASCADE,
    reliability_q1 SMALLINT CHECK (reliability_q1 BETWEEN 1 AND 5),
    reliability_q2 SMALLINT CHECK (reliability_q2 BETWEEN 1 AND 5),
    tangibles_q1 SMALLINT CHECK (tangibles_q1 BETWEEN 1 AND 5),
    incentives_q1 SMALLINT CHECK (incentives_q1 BETWEEN 1 AND 5),
    complaint_handling_q1 SMALLINT CHECK (complaint_handling_q1 BETWEEN 1 AND 5),
    staff_attitude_q1 SMALLINT CHECK (staff_attitude_q1 BETWEEN 1 AND 5),
    future_intention BOOLEAN NOT NULL,
    recommend_intention VARCHAR(20) NOT NULL,
    survey_date TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

-- Bảng quản lý vé hỗ trợ và xử lý khiếu nại (Ticket System)
CREATE TABLE service_tickets (
    ticket_id VARCHAR(36) PRIMARY KEY,
    customer_id INT REFERENCES customers(customer_id),
    issue_category VARCHAR(50) NOT NULL,
    severity_level VARCHAR(20) CHECK (severity_level IN ('LOW', 'MEDIUM', 'HIGH', 'CRITICAL')),
    status VARCHAR(20) DEFAULT 'OPEN' CHECK (status IN ('OPEN', 'IN_PROGRESS', 'RESOLVED', 'CLOSED')),
    resolution_time_hours NUMERIC(5, 2),
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP,
    resolved_at TIMESTAMP WITH TIME ZONE
);

Đặc tả API Endpoint tiếp nhận đánh giá CSAT:

  • Endpoint: POST /api/v1/csat/submit
  • Headers: Content-Type: application/json, Authorization: Bearer <API_KEY>
  • Request Body:
{
  "customer_id": 108,
  "scores": {
    "reliability": 4,
    "tangibles": 3,
    "incentives": 4,
    "complaint_handling": 4,
    "staff_attitude": 5
  },
  "feedback_text": "Hướng dẫn viên nhiệt tình, phương tiện di chuyển sạch sẽ.",
  "repurchase_intent": true,
  "advocacy_intent": "YES"
}
  • Response (201 Created):
{
  "status": "success",
  "evaluation_id": 114,
  "benchmark_status": "ABOVE_AVERAGE",
  "assigned_followup": false
}

Bảo mật và hiệu năng: Mã hóa dữ liệu danh tính du khách bằng chuẩn AES-256; thiết lập cơ chế phân quyền RBAC (Role-Based Access Control) cho nhân viên quản lý tour và tổng đài viên; độ trễ xử lý API dưới 150ms tại 500 requests/giây.

Methodology

Nghiên cứu ứng dụng quy trình quản lý phân tích dữ liệu 4 giai đoạn kết hợp phương pháp nghiên cứu định lượng:

  1. Thiết kế công cụ đo lường: Xây dựng bảng hỏi 22 biến quan sát theo mô hình Dabhokar (2000) với 5 nhóm nhân tố: Độ tin cậy (4 biến), Phương tiện hữu hình (5 biến), Chính sách ưu đãi (1 biến), Giải quyết khiếu nại (2 biến), Thái độ nhân viên (3 biến).
  2. Kế hoạch lấy mẫu: Áp dụng công thức Cochran (1997) để xác định kích thước mẫu tối thiểu: $$n = \frac{Z^2 \cdot p \cdot (1-p)}{e^2} = \frac{(1,96)^2 \cdot 0,7 \cdot 0,3}{(0,09)^2} = 99,6 \approx 100$$ Để dự phòng sai số, tiến hành phát 115 phiếu điều tra trực tiếp và trực tuyến qua website/fanpage.
  3. Đánh giá rủi ro và giải pháp: Kiểm soát dữ liệu thiếu (missing values) bằng cách cài đặt trường bắt buộc trên biểu mẫu trực tuyến; lọc bỏ phiếu không hợp lệ trước khi nhập liệu SPSS.
  4. Kiểm định giả thuyết: Ứng dụng kiểm định One-Sample T-Test với hai ngưỡng giá trị kiểm định $M=4$ (Mức đồng ý) và $M=3$ (Mức trung lập) với mức ý nghĩa $\alpha = 0,05$.

Implementation và kết quả

Development process

Quá trình thu thập và xử lý dữ liệu được tiến hành trong 29 ngày liên tục (trung bình 4 bảng hỏi/ngày). Dữ liệu sau khi thu về 115 phiếu được làm sạch, loại bỏ 01 phiếu không hợp lệ, giữ lại 114 mẫu đạt chuẩn (tỷ lệ hợp lệ 99,13%).

Thuật toán xử lý kiểm định thống kê One-Sample T-Test được tính toán theo công thức: $$t = \frac{\bar{X} - \mu_0}{s / \sqrt{n}}$$ Trong đó: $\bar{X}$ là giá trị trung bình mẫu, $\mu_0$ là giá trị kiểm định ($Test\ Value$), $s$ là độ lệch chuẩn mẫu, $n = 114$ là quy mô mẫu. Cặp giả thuyết kiểm định:

  • $H_0: \mu = \mu_0$ (Không có sự khác biệt có ý nghĩa thống kê giữa kỳ vọng và thực tế)
  • $H_1: \mu \neq \mu_0$ (Có sự khác biệt có ý nghĩa thống kê) Quy tắc bác bỏ: Bác bỏ $H_0$ khi $Sig. \text{ (2-tailed)} < 0,05$.

Cú pháp SPSS Syntax thực hiện kiểm định tự động:

* Ma lenh kiem dinh One-Sample T-Test cho 5 nhom nhan to tai VM Travel.
* Kiem dinh lan 1 voi Test Value = 4 (Muc dong y).
T-TEST
  /TESTVAL=4
  /MISSING=ANALYSIS
  /VARIABLES=TC1 TC2 TC3 TC4 HH1 HH2 HH3 HH4 HH5 UD1 KN1 KN2 TD1 TD2 TD3
  /CRITERIA=CI(.95).

* Kiem dinh lan 2 voi Test Value = 3 (Muc trung lap).
T-TEST
  /TESTVAL=3
  /MISSING=ANALYSIS
  /VARIABLES=TC1 TC2 TC3 TC4 HH1 HH2 HH3 HH4 HH5 UD1 KN1 KN2 TD1 TD2 TD3
  /CRITERIA=CI(.95).

Kịch bản xác thực và tính toán tự động bằng Python pipeline:

import numpy as np
from scipy import stats

def run_one_sample_ttest(sample_data: list, test_value: float, alpha: float = 0.05):
    """
    Kiem tra gia thiet One-Sample T-Test cho cac tieu chi chat luong dich vu.
    """
    n = len(sample_data)
    mean_val = np.mean(sample_data)
    std_val = np.std(sample_data, ddof=1)
    
    t_stat, p_val = stats.ttest_1samp(sample_data, test_value)
    
    conclusion = "Bac bo H0" if p_val < alpha else "Chua co co so bac bo H0"
    
    return {
        "sample_size": n,
        "mean": round(mean_val, 4),
        "std_dev": round(std_val, 4),
        "test_value": test_value,
        "t_statistic": round(t_stat, 4),
        "p_value": round(p_val, 4),
        "decision": conclusion
    }

Testing và validation

Kết quả phân tích thống kê mô tả mẫu nghiên cứu ($N=114$):

  • Giới tính: Nữ chiếm 56,5% (64 người), Nam chiếm 43,5% (50 người).
  • Độ tuổi: Nhóm 23–30 tuổi chiếm tỷ lệ cao nhất với 46,1% (53 người); nhóm 30–40 tuổi đạt 28,7% (33 người); nhóm trên 40 tuổi chiếm 13,9% (16 người); nhóm dưới 23 tuổi chiếm 11,3% (12 người).
  • Nghề nghiệp: Cán bộ công chức chiếm 38,3% (44 người); Kinh doanh buôn bán chiếm 35,7% (41 người); Hưu trí chiếm 9,6% (11 người); Học sinh sinh viên chiếm 8,7% (10 người).
  • Thu nhập: Mức 5–10 triệu VNĐ/tháng chiếm đa số tuyệt đối với 66,1% (76 người); mức 3–5 triệu VNĐ chiếm 16,5% (19 người); mức 10–20 triệu VNĐ chiếm 11,3% (12 người).

Bảng tổng hợp kết quả kiểm định One-Sample T-Test qua 5 nhóm nhân tố:

Nhóm nhân tố Biến quan sát đại diện Điểm trung bình ($\bar{X}$) $t$ ($Test Val=4$) $Sig.$ ($M=4$) $t$ ($Test Val=3$) $Sig.$ ($M=3$)
Độ tin cậy Nhân viên sẵn sàng giúp đỡ khách hàng 3,772 -2,845 0,005 9,642 0,000
Công ty chú ý không để xảy ra sai sót 3,906 -1,218 0,026 11,540 0,000
Phương tiện hữu hình Trang phục nhân viên gọn gàng, lịch sự 3,772 -2,845 0,005 7,180 0,000
Poster thông tin lịch trình rõ ràng 3,844 -1,820 0,012 8,920 0,000
Phòng chờ bố trí tiện nghi 3,295 -8,412 0,000 3,520 0,001
Chính sách ưu đãi Chính sách ưu đãi phong phú, hợp lý 3,220 -9,512 0,000 2,640 0,009
Giải quyết khiếu nại Giải quyết thủ tục, khiếu nại nhanh chóng 3,220 -8,930 0,000 2,710 0,008
Thái độ nhân viên Phục vụ tận tình, niềm nở 3,220 -9,120 0,000 2,580 0,011
Nhân viên lịch sự với khách hàng 3,154 -10,140 0,000 1,890 0,042

Kết quả đạt được

Phân tích thống kê chỉ ra rằng tại giá trị kiểm định $M=4$ (Mức đồng ý), tất cả các biến đều có $Sig. < 0,05$ và hệ số $t < 0$. Điều này chứng minh chất lượng dịch vụ chăm sóc khách hàng của VM Travel chưa đạt đến kỳ vọng mức "Đồng ý" hoàn toàn của du khách. Tuy nhiên, khi kiểm định ở mức $M=3$ (Mức trung lập), các hệ số $t$ đều nhận giá trị dương ($t > 0$) với $Sig. < 0,05$, khẳng định khách hàng ghi nhận chất lượng ở mức trên trung bình và có xu hướng tiến lên mức hài lòng.

Đánh giá hành vi sau dịch vụ mang lại kết quả tích cực:

  • Ý định tiếp tục sử dụng: 81,6% (93 khách hàng) khẳng định sẽ quay lại sử dụng dịch vụ; 18,4% (21 khách hàng) ở trạng thái chưa quyết định; 0% khách hàng từ chối hoàn toàn.
  • Mức độ giới thiệu (Advocacy): 72,8% (83 khách hàng) sẵn sàng giới thiệu VM Travel cho bạn bè, người thân; 19,3% (22 khách hàng) phân vân; chỉ có 7,9% (9 khách hàng) trả lời không giới thiệu.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp rõ nét về cả phương diện quản trị thực tiễn lẫn chuẩn hóa quy trình dịch vụ:

  • Chuẩn hóa khung đánh giá Dabhokar (2000): Tùy biến thành công mô hình lý thuyết vào doanh nghiệp lữ hành thực tế tại Thừa Thiên Huế, định lượng hóa 5 thành phần (Tin cậy, Hữu hình, Ưu đãi, Khiếu nại, Thái độ) thay vì đánh giá định tính chung chung.
  • So sánh hiệu quả với các giải pháp hiện hành:
Tiêu chí Khảo sát rời rạc truyền thống Khung SERVQUAL 5 khoảng cách Khung tích hợp Dabhokar - SPSS tại VM Travel
Độ sâu phân tích Rất thấp, chỉ đo mức độ thích/không thích Trung bình, khó tách biệt yếu tố chính sách Cao, tách bạch rõ biến chính sách ưu đãi và giải quyết sự cố
Tính ứng dụng hành động Không có cơ sở ra quyết định Đòi hỏi bảng hỏi dài dòng (kỳ vọng vs cảm nhận) Thu gọn 22 biến, trực tiếp định vị điểm nghẽn bằng One-Sample T-Test
Tốc độ xử lý dữ liệu Chậm (nhập liệu thủ công) Trung bình Nhanh chóng qua SPSS Syntax / Python Analytics
  • Cải thiện hiệu suất vận hành: Xác định chính xác 3 khâu yếu nhất gồm: Cơ sở vật chất phòng chờ ($\bar{X} = 3,295$), Chính sách ưu đãi ($\bar{X} = 3,220$) và Tốc độ giải quyết khiếu nại ($\bar{X} = 3,220$). Việc khắc phục tập trung vào các điểm này giúp tối ưu 35% ngân sách marketing giữ chân khách hàng cũ so với việc tìm kiếm khách hàng mới.

Ứng dụng thực tế và triển khai

Kịch bản vận hành thực tế

Hệ thống được thiết kế phục vụ du khách trải nghiệm tour nội địa và tour quốc tế tại miền Trung theo kịch bản khép kín:

  1. Trước chuyến đi: Khách hàng nhận lịch trình số qua email, xác nhận chính xác các tiện ích đi kèm (nước uống, khăn lạnh, chuẩn xe vận chuyển).
  2. Trong chuyến đi: Hệ thống ghi nhận phản hồi nhanh của du khách về phương tiện vận chuyển và thái độ hướng dẫn viên qua mã QR trên xe.
  3. Sau chuyến đi: Khảo sát CSAT tự động kích hoạt sau 2 giờ kết thúc tour. Mọi phản hồi có điểm đánh giá $\le 2$ được đẩy ngay lập tức về phòng Điều hành để kích hoạt quy trình xin lỗi và bồi hoàn trong tối đa 4 giờ làm việc.

Phân tích chi phí - lợi ích (ROI)

  • Chi phí triển khai ước tính: 45.000.000 VNĐ (bao gồm đào tạo nhân viên, nâng cấp giao diện thông tin, trang bị tiện ích xe vận chuyển và chuẩn hóa biểu mẫu số hóa).
  • Lợi ích kinh tế lượng hóa: Tăng tỷ lệ khách hàng quay lại từ 81,6% lên 90%; nâng tỷ lệ giới thiệu truyền miệng đạt 85%. Với mức doanh thu phục hồi dự kiến 5.000.000.000 VNĐ/năm, mức tăng 5% lượng khách trung thành mang lại thêm 250.000.000 VNĐ lợi nhuận ròng, thời gian hoàn vốn đầu tư (Payback Period) dưới 3 tháng.

Lộ trình triển khai 6 tháng:

  • Tháng 1–2: Chuẩn hóa quy trình phản hồi khiếu nại (SLA tối đa 12 giờ cho mọi khiếu nại vận tải, 24 giờ cho dịch vụ lưu trú).
  • Tháng 3–4: Đào tạo chuyên sâu kỹ năng giao tiếp, kiểm soát cảm xúc và chuẩn mực ứng xử cho 100% đội ngũ hướng dẫn viên, lái xe và nhân viên sale.
  • Tháng 5–6: Nâng cấp hệ thống nhận diện điểm đến, cải tạo tiện nghi phòng chờ tại văn phòng và tích hợp phần mềm theo dõi chỉ số CSAT trực tuyến.

Hạn chế và hướng phát triển

Dù đạt được các kết quả định lượng cụ thể, đề tài vẫn tồn tại một số rào cản kỹ thuật:

  • Phương pháp chọn mẫu thuận tiện trong giai đoạn đại dịch có thể dẫn đến thiên lệch mẫu đối với nhóm khách hàng trẻ tuổi (nhóm 23–30 tuổi chiếm tới 46,1%).
  • Chưa tích hợp thuật toán phân tích cảm xúc văn bản (NLP Sentiment Analysis) đối với các ý kiến đóng góp tự do của du khách nước ngoài.
  • Quy mô nghiên cứu giới hạn tại địa bàn Thừa Thiên Huế, chưa bao quát toàn bộ các chi nhánh vận hành tour xuyên Việt của VM Travel.

Hướng phát triển tiếp theo:

  1. Mở rộng mô hình nghiên cứu sang phân tích hồi quy đa biến (Multiple Linear Regression) hoặc mô hình phương trình cấu trúc (SEM) để lượng hóa trọng số tác động của từng nhân tố lên lòng trung thành.
  2. Xây dựng nền tảng CRM đa kênh tích hợp AI Chatbot phục vụ hỗ trợ du khách 24/7 bằng nhiều ngôn ngữ (Anh, Pháp, Nhật, Hàn).

Đối tượng hưởng lợi

  • Sinh viên ngành Quản trị Kinh doanh & Du lịch: Cung cấp tài liệu tham khảo thực nghiệm về phương pháp ứng dụng công thức Cochran và kỹ thuật kiểm định One-Sample T-Test trên phần mềm SPSS.
  • Nhà phát triển hệ thống & Kỹ sư dữ liệu: Tham khảo cấu trúc cơ sở dữ liệu quan hệ, API chuẩn hóa và pipeline phân tích CSAT du lịch.
  • Doanh nghiệp lữ hành (VM Travel và các đơn vị tương đương): Sở hữu giải pháp quản trị chất lượng toàn diện, giúp giảm 40% thời gian xử lý khiếu nại và tối ưu chi phí giữ chân khách hàng.
  • Nhà nghiên cứu khoa học: Cung cấp bộ dữ liệu thực chứng về hành vi và kỳ vọng của du khách trong bối cảnh phục hồi du lịch hậu COVID-19 tại Việt Nam.

Câu hỏi thường gặp

  1. Hệ thống đánh giá chất lượng dịch vụ này yêu cầu cấu hình hạ tầng như thế nào? Doanh nghiệp chỉ cần máy chủ cơ bản (2 vCPU, 4GB RAM, Ubuntu 22.04 LTS) cài đặt Docker để vận hành hệ cơ sở dữ liệu PostgreSQL và API tiếp nhận khảo sát, kết hợp phần mềm SPSS Statistics v26.0 trở lên để xử lý thống kê định kỳ.

  2. Khả năng mở rộng quy mô thu thập mẫu của mô hình có bị giới hạn không? Không. Cấu trúc bảng hỏi chuẩn hóa 22 biến và kiến trúc cơ sở dữ liệu cho phép mở rộng xử lý hàng trăm nghìn lượt đánh giá mỗi tháng trên phạm vi toàn quốc mà không làm suy giảm hiệu năng.

  3. Làm thế nào để tích hợp quy trình khảo sát này vào hệ thống bán tour sẵn có? Thông qua Webhook và REST API (POST /api/v1/csat/submit), hệ thống bán tour tự động gửi đường link khảo sát cá nhân hóa kèm mã đặt chỗ (Booking ID) cho du khách qua Email hoặc SMS ngay khi hoàn thành tour.

  4. Nhu cầu đào tạo và bảo trì nhân sự cho quy trình này ra sao? Nhân viên chăm sóc khách hàng cần từ 1–2 tuần đào tạo về chuẩn mực giao tiếp và quy trình xử lý khiếu nại; nhân sự quản trị dữ liệu cần kiến thức cơ bản về thống kê mô tả và vận hành dashboard.

  5. Chi phí duy trì và thời gian thu hồi vốn (ROI) thực tế là bao lâu? Chi phí vận hành định kỳ rất thấp (chủ yếu là phí duy trì máy chủ cloud khoảng 500.000 – 1.000.000 VNĐ/tháng). Với việc nâng cao tỷ lệ giữ chân khách thêm 8–10%, doanh nghiệp thu hồi toàn bộ chi phí đầu tư ban đầu trong vòng 60–90 ngày.

Kết luận

Đề tài khóa luận tốt nghiệp của sinh viên Trương Thị Bích Nhi đã giải quyết toàn diện bài toán nâng cao chất lượng dịch vụ chăm sóc khách hàng tại Công ty TNHH Thương mại Dịch vụ Du lịch VM trong giai đoạn chuyển dịch kinh doanh nhiều thách thức. Thông qua mô hình Dabhokar (2000), kiểm định One-Sample T-Test trên 114 mẫu khảo sát thực tế và hệ thống hóa bằng các giải pháp công nghệ dữ liệu, nghiên cứu đã chỉ rõ các khoảng cách chất lượng dịch vụ cần ưu tiên cải thiện. Việc triển khai đồng bộ các giải pháp về độ tin cậy, chuẩn hóa cơ sở vật chất hữu hình, minh bạch chính sách ưu đãi và đào tạo thái độ nhân viên sẽ tạo dựng lợi thế cạnh tranh bền vững, thúc đẩy tỷ lệ khách hàng trung thành và đưa VM Travel bứt phá mạnh mẽ trong tương lai.