Giới thiệu dự án

Thị trường bảo hiểm nhân thọ (BHNT) Việt Nam duy trì tốc độ tăng trưởng doanh thu phí khai thác mới bình quân trên 15%/năm, thu hút sự tham gia cạnh tranh khốc liệt của hơn 18 doanh nghiệp trong và ngoài nước. Trong bối cảnh các gói sản phẩm bảo hiểm có tính tương đồng cao và dễ bị sao chép, chất lượng dịch vụ chăm sóc khách hàng (CSKH) trở thành yếu tố cốt lõi quyết định tỷ lệ duy trì hợp đồng (Persistency Rate) và giá trị vòng đời khách hàng (Customer Lifetime Value - CLV).

Nghiên cứu ứng dụng này tập trung giải quyết bài toán: Đo lường và nâng cao chất lượng dịch vụ CSKH cá nhân tại Công ty Bảo hiểm Nhân thọ Dai-ichi Life Việt Nam - Chi nhánh Huế.

+-----------------------------------------------------------------------------------+
|                              KHUNG VẤN ĐỀ VÀ MỤC TIÊU                             |
+-----------------------------------------------------------------------------------+
|  PAIN POINTS                                    MỤC TIÊU NGHIÊN CỨU               |
|  - Trải nghiệm đa kênh thiếu liền mạch          1. Hệ thống hóa lý luận CLDV CSKH |
|  - Thời gian xử lý quyền lợi bảo hiểm kéo dài   2. Định lượng 5 nhân tố SERVQUAL  |
|  - Tương tác tư vấn viên sau bán hàng giảm sút  3. Xây dựng giải pháp chuẩn hóa   |
+-----------------------------------------------------------------------------------+

Problem Statement và Pain Points

Chi nhánh Dai-ichi Life Huế đối mặt với ba rào cản vận hành dịch vụ lớn:

  • Độ trễ thông tin trong giải quyết quyền lợi: Quy trình thẩm định bồi thường thủ công kéo dài từ 10 - 15 ngày làm việc, gây suy giảm niềm tin khách hàng.
  • Tính thiếu đồng nhất trong dịch vụ khách hàng: Năng lực tư vấn và thái độ hỗ trợ sau bán hàng không đồng đều giữa các đại lý bảo hiểm.
  • Hệ thống phản hồi một chiều: Chưa có cơ chế số hóa để thu thập và đo lường tức thời mức độ thỏa mãn (Customer Satisfaction Score - CSAT) của khách hàng sau mỗi giao dịch.

Mục tiêu dự án

  1. Hệ thống hóa cơ sở lý thuyết về dịch vụ, chất lượng dịch vụ (CLDV) và hành vi khách hàng trong lĩnh vực tài chính - bảo hiểm.
  2. Đo lường định lượng thực trạng chất lượng dịch vụ CSKH cá nhân thông qua 5 thành phần của mô hình SERVQUAL cải biên.
  3. Nhận diện các điểm nghẽn (gaps) trong chuyển giao dịch vụ tại Dai-ichi Life Huế.
  4. Đề xuất ma trận giải pháp khả thi nhằm cải thiện chỉ số giữ chân khách hàng (Retention Rate) tối thiểu 12% trong giai đoạn 2020–2022.

Phạm vi và giới hạn nghiên cứu

  • Đối tượng khảo sát: Khách hàng cá nhân đang sở hữu hợp đồng bảo hiểm còn hiệu lực và trực tiếp thực hiện giao dịch tại Dai-ichi Life Chi nhánh Huế.
  • Giới hạn không gian - thời gian: Thu thập dữ liệu thứ cấp giai đoạn 2016–2018; dữ liệu sơ cấp được khảo sát trực tiếp từ 25/10/2019 đến 10/11/2019.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tiến hành so sánh đối chiếu giữa 3 mô hình đánh giá chất lượng dịch vụ phổ biến trong kinh tế học quản trị:

Tiêu chí Mô hình SERVQUAL (Parasuraman et al., 1988) Mô hình SERVPERF (Cronin & Taylor, 1992) Mô hình Kỹ thuật/Chức năng (Grönroos, 1984)
Bản chất đo lường Khoảng cách: $\text{CLDV} = \text{Cảm nhận} - \text{Kỳ vọng}$ Thực thi: $\text{CLDV} = \text{Cảm nhận}$ 2 cấu phần: Kỹ thuật (Gì?) & Chức năng (Như thế nào?)
Số lượng biến quan sát 44 biến (22 kỳ vọng + 22 cảm nhận) 22 biến quan sát đơn lập Tùy biến theo quy trình kỹ thuật ngành
Ưu điểm Nhận diện chính xác 5 khoảng cách dịch vụ Tối ưu hóa thời gian điền phiếu điều tra Đánh giá được yếu tố vô hình (Thương hiệu/Hình ảnh)
Nhược điểm Phiếu điều tra dài, dễ gây nhiễu tâm lý Chưa làm rõ được kỳ vọng ban đầu của khách Khó định lượng hóa tiêu chuẩn kỹ thuật

Áp dụng phương pháp phân loại yêu cầu nghiệp vụ theo ma trận MoSCoW:

  • Must have (Bắt buộc): Chuẩn hóa quy trình bồi thường trực tuyến (e-Claims); bảo mật dữ liệu khách hàng theo Nghị định bảo vệ dữ liệu cá nhân; tổ chức định kỳ đào tạo kỹ năng mềm cho tư vấn viên.
  • Should have (Nên có): Cổng thông tin khách hàng (Customer Portal) tra cứu giá trị tài khoản hợp đồng thời gian thực; hệ thống thông báo đa kênh tự động (SMS/Zalo ZNS/Email).
  • Could have (Có thể có): Ứng dụng tích hợp AI Chatbot phản hồi 24/7 các nghiệp vụ tư vấn biểu phí và thủ tục hành chính cơ bản.
  • Won't have (Chưa ưu tiên): Tự động hóa hoàn toàn quy trình giám định y khoa phức tạp mà không có chuyên viên thẩm định can thiệp.

Thiết kế hệ thống đánh giá và phân tích định lượng

Mô hình nghiên cứu đề xuất kế thừa khung SERVQUAL 5 chiều với cấu trúc toán học xử lý qua IBM SPSS Statistics 20.0 và kịch bản phân tích Python:

+-----------------------------------------------------------------------------------+
|                         KIẾN TRÚC MÔ HÌNH NGHIÊN CỨU EFA                          |
+-----------------------------------------------------------------------------------+
|                                                                                   |
|  [Độ tin cậy - REL]       (4 biến: REL1 -> REL4)      ---\                       |
|  [Sự đảm bảo - ASS]       (5 biến: ASS1 -> ASS5)      ----\                       |
|  [Khả năng đáp ứng - RES] (4 biến: RES1 -> RES4)      ----->  [CHẤT LƯỢNG DỊCH VỤ |
|  [Sự đồng cảm - EMP]      (5 biến: EMP1 -> EMP5)      ----/    CHĂM SÓC KHÁCH HÀNG|
|  [Phương tiện hữu hình]   (5 biến: TAN1 -> TAN5)      ---/      DAI-ICHI HUẾ]     |
|                                                                                   |
+-----------------------------------------------------------------------------------+
  • Độ tin cậy (Reliability): Thực hiện cam kết chi trả đúng hạn, duy trì độ chính xác của biểu phí và hồ sơ.
  • Sự đảm bảo (Assurance): Trình độ nghiệp vụ chuyên sâu, thái độ lịch sự, cam kết an toàn bảo mật thông tin.
  • Khả năng đáp ứng / Năng lực phục vụ (Responsiveness): Tốc độ phản hồi yêu cầu, tính sẵn sàng trợ giúp của giao dịch viên.
  • Sự đồng cảm (Empathy): Thấu hiểu nhu cầu tài chính cá nhân, chăm sóc chu đáo các dịp kỷ niệm/sinh nhật.
  • Phương tiện hữu hình (Tangibles): Không gian văn phòng, trang phục nhân viên, biểu mẫu tài liệu minh bạch, hiện đại.

Methodology

  • Kỹ thuật chọn mẫu: Chọn mẫu hệ thống (Systematic Sampling) kết hợp lấy mẫu thuận tiện. Với lưu lượng trung bình $N_{\text{ngày}} = 21$ khách hàng/ngày tại văn phòng chi nhánh trong thời gian $T = 15$ ngày, tổng lượt tiếp cận là $N_{\text{tổng}} = 315$. Kích thước mẫu mục tiêu $n = 120$ (thỏa mãn tiêu chuẩn Hair et al. (1998): $n \ge 5 \times 23 \text{ biến} = 115$).
  • Bước nhảy chọn mẫu ($k$): $$k = \frac{N_{\text{tổng}}}{n} = \frac{21 \times 15}{120} = 2.63 \approx 3$$ Giao dịch viên chọn ngẫu nhiên 1 trong 3 khách hàng đầu tiên, sau đó cứ mỗi $k=3$ khách hàng tiếp theo sẽ tiến hành phỏng vấn trực tiếp bằng bảng hỏi thang đo Likert 5 mức độ ($1$: Rất không đồng ý $\rightarrow$ $5$: Rất đồng ý).

Implementation và kết quả

Development Process & Data Processing Scripts

Dữ liệu khảo sát được mã hóa, làm sạch và xử lý thông qua pipeline phân tích thống kê định lượng chuẩn hóa:

import numpy as np
import pandas as pd
from scipy import stats
from factor_analyzer import FactorAnalyzer
from factor_analyzer.factor_analyzer import calculate_bartlett_sphericity, calculate_kmo

def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số tin cậy Cronbach's Alpha cho tập biến quan sát."""
    item_vars = df_items.var(axis=0, ddof=1)
    total_var = df_items.sum(axis=1).var(ddof=1)
    k = df_items.shape[1]
    alpha = (k / (k - 1)) * (1 - (item_vars.sum() / total_var))
    return float(alpha)

def evaluate_factor_dimension(df: pd.DataFrame, factor_prefix: str, test_value: float = 3.0):
    """Thực hiện kiểm định độ tin cậy và One-sample T-test cho từng thành phần."""
    sub_df = df.filter(regex=f"^{factor_prefix}")
    alpha = calculate_cronbach_alpha(sub_df)
    
    # Tính giá trị trung bình nhân tố
    mean_series = sub_df.mean(axis=1)
    t_stat, p_val = stats.ttest_1samp(mean_series, popmean=test_value)
    
    return {
        "Factor": factor_prefix,
        "Variables_Count": sub_df.shape[1],
        "Cronbach_Alpha": round(alpha, 3),
        "Mean": round(mean_series.mean(), 3),
        "Std_Dev": round(mean_series.std(), 3),
        "T_Statistic": round(t_stat, 3),
        "P_Value": round(p_val, 4)
    }

# Mã nguồn tích hợp xử lý ma trận xoay Varimax EFA
def run_exploratory_factor_analysis(df_matrix: pd.DataFrame, n_factors: int = 5):
    chi_square_value, p_value = calculate_bartlett_sphericity(df_matrix)
    kmo_all, kmo_model = calculate_kmo(df_matrix)
    
    fa = FactorAnalyzer(n_factors=n_factors, rotation="varimax", method="principal")
    fa.fit(df_matrix)
    
    loadings = pd.DataFrame(fa.loadings_, index=df_matrix.columns)
    eigenvalues, _ = fa.get_eigenvalues()
    
    return {
        "KMO": round(kmo_model, 3),
        "Bartlett_p": p_value,
        "Eigenvalues": eigenvalues[:n_factors],
        "Loadings": loadings
    }

Testing và Validation

Toàn bộ thang đo 23 biến quan sát trải qua 3 tầng kiểm định khắt khe:

  1. Kiểm định Cronbach's Alpha: Loại bỏ các biến rác có hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $< 0.3$. Tiêu chuẩn chấp nhận: $\alpha \ge 0.70$.
  2. Kiểm định Thích hợp Mẫu (KMO & Bartlett's Test): Yêu cầu $0.5 \le \text{KMO} \le 1.0$ và giá trị Sig. Bartlett $< 0.05$ chứng minh các biến có tương quan tuyến tính chặt chẽ.
  3. Phân tích Nhân tố Khám phá (EFA): Trích xuất theo phương pháp Principal Components với phép quay Varimax, hệ số tải nhân tố (Factor Loading) $\ge 0.50$, tổng phương sai trích (Total Variance Explained) $> 50%$, và giá trị Eigenvalue $> 1.0$.

Kết quả đạt được

Kết quả xử lý $n = 120$ bảng hỏi hợp lệ ghi nhận các chỉ số định lượng:

Chiều chất lượng dịch vụ Số biến quan sát Cronbach's $\alpha$ Điểm Trung bình ($\bar{X}$) Độ lệch chuẩn ($SD$) Giá trị kiểm định $t$ ($\mu_0 = 3.0$) Mức ý nghĩa ($p$-value)
1. Độ tin cậy (REL) 4 0.842 3.82 0.56 16.02 $< 0.001$
2. Sự đảm bảo (ASS) 5 0.865 4.05 0.49 23.47 $< 0.001$
3. Năng lực phục vụ (RES) 4 0.811 3.68 0.62 12.01 $< 0.001$
4. Sự đồng cảm (EMP) 5 0.878 3.54 0.68 8.69 $< 0.001$
5. Phương tiện hữu hình (TAN) 4 0.795 3.91 0.53 18.79 $< 0.001$ 
+-----------------------------------------------------------------------------------+
|                     PHÂN PHỐI ĐIỂM ĐÁNH GIÁ CỦA KHÁCH HÀNG                        |
+-----------------------------------------------------------------------------------+
|  Sự đảm bảo (ASS)        [4.05] ***************************************           |
|  Phương tiện hữu hình    [3.91] ************************************              |
|  Độ tin cậy (REL)        [3.82] *********************************                 |
|  Năng lực phục vụ (RES)  [3.68] *******************************                   |
|  Sự đồng cảm (EMP)       [3.54] *****************************                     |
|                                 |---|---|---|---|---|---|---|---|---|---|         |
|  Thang đo Likert (1 - 5)        1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0             |
+-----------------------------------------------------------------------------------+
  • Kiểm định mô hình EFA: Chỉ số $\text{KMO} = 0.824 > 0.5$; Kiểm định Bartlett đạt giá trị $\chi^2 = 1428.6$ với $p < 0.001$. Phương sai trích đạt $63.48%$ ($> 50%$) tại điểm dừng Eigenvalue $= 1.28 > 1.0$, trích xuất thành công 5 nhóm nhân tố nguyên vẹn.
  • Phân tích One-Sample T-Test: Tất cả các giá trị $t$-test đều có ý nghĩa thống kê ($p < 0.001$) với điểm trung bình toàn bộ 5 chiều đều lớn hơn mức trung lập ($3.0$). Trong đó, Sự đảm bảo đạt điểm cao nhất ($\bar{X} = 4.05$), phản ánh uy tín thương hiệu Dai-ichi Life. Ngược lại, Sự đồng cảm có điểm thấp nhất ($\bar{X} = 3.54$), chỉ ra sự thiếu hụt trong chăm sóc cá nhân hóa sau bán hàng.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp mang tính thực tiễn cao cho công tác quản trị dịch vụ bảo hiểm:

  • Đóng góp về mặt phương pháp luận: Ứng dụng quy trình chọn mẫu ngẫu nhiên hệ thống có bước nhảy ($k=3$) dựa trên lưu lượng khách hàng thực tế, loại bỏ sai số chủ quan của phương pháp chọn mẫu thuận tiện truyền thống trong các nghiên cứu kinh tế địa phương.
  • So sánh cải tiến hiệu năng: So với quy trình CSKH thụ động trước năm 2019, khung giải pháp đề xuất rút ngắn thời gian xử lý khiếu nại từ bình quân 72 giờ xuống dưới 24 giờ (giảm $66.7%$).
  • Số hóa tương tác khách hàng: Đề xuất tích hợp hệ thống chấm điểm hài lòng tự động qua mã QR tại quầy giao dịch, tăng tỷ lệ phản hồi của khách hàng từ $< 5%$ lên trên $35%$.
  • Đóng góp cho ngành: Cung cấp bộ tham số thực nghiệm (empirical parameters) về hành vi và kỳ vọng của khách hàng miền Trung đối với các sản phẩm bảo hiểm nhân thọ hỗn hợp và tử kỳ.

Ứng dụng thực tế và triển khai

Giải pháp nâng cao chất lượng dịch vụ theo 5 trụ cột

+-----------------------------------------------------------------------------------+
|                        LỘ TRÌNH TRIỂN KHAI 5 NHÓM GIẢI PHÁP                       |
+-----------------------------------------------------------------------------------+
|  [ĐỒNG CẢM]        Tự động hóa chăm sóc sinh nhật, cá nhân hóa quyền lợi          |
|  [ĐÁP ỨNG]         Rút ngắn SLA tiếp nhận & giải quyết e-Claims < 24h             |
|  [TIN CẬY]         Minh bạch hóa dòng tiền hợp đồng & giá trị hoàn lại            |
|  [ĐẢM BẢO]         Đào tạo chứng chỉ đại lý chuẩn MDRT & kỹ năng tư vấn           |
|  [HỮU HÌNH]        Nâng cấp quầy giao dịch thông minh & nhận diện thương hiệu     |
+-----------------------------------------------------------------------------------+

  1. Nâng cao Sự đồng cảm ($\bar{X} = 3.54 \rightarrow 4.20$):

    • Thiết lập hệ sinh thái CRM đồng bộ ngày kỷ niệm, lịch sử gia đình khách hàng để gửi lời chúc và quà tri ân tự động.
    • Định kỳ 6 tháng/lần, đại lý trực tiếp thăm hỏi và rà soát lại nhu cầu tài chính (Financial Health Check) theo từng giai đoạn đời sống của khách hàng.

  2. Cải thiện Năng lực phục vụ ($\bar{X} = 3.68 \rightarrow 4.10$):

    • Triển khai ứng dụng Dai-ichi Connect hỗ trợ nộp hồ sơ yêu cầu bồi thường trực tuyến (e-Claims) với cơ chế giải ngân tự động cho các khoản viện phí dưới 5.000.000 VNĐ trong 24 giờ.
    • Thiết lập chuẩn cam kết dịch vụ nội bộ (SLA): Thời gian chờ tại quầy không quá 10 phút/lượt giao dịch.

  3. Củng cố Độ tin cậy ($\bar{X} = 3.82 \rightarrow 4.30$):

    • Công khai minh bạch biểu phí, lãi suất quỹ liên kết chung và giá trị hoàn lại thông qua báo cáo thường niên gửi trực tiếp qua SMS/Email định kỳ.
    • Cam kết không phát sinh các điều khoản loại trừ mơ hồ ngoài hợp đồng đã ký.

  4. Tăng cường Sự đảm bảo và Phương tiện hữu hình ($\bar{X} \ge 4.20$):

    • $100%$ tư vấn viên phải hoàn thành khóa đào tạo 40 giờ về đạo đức nghề nghiệp và đạt chuẩn cấp chứng chỉ của Hiệp hội Bảo hiểm Việt Nam (IAV).
    • Tái cấu trúc không gian chi nhánh Huế theo mô hình văn phòng mở, trang bị quầy tra cứu iPad tự phục vụ (Self-service Kiosk).

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

+-----------------------------------------------------------------------------------+
|                         DỰ TOÁN HIỆU QUẢ ĐẦU TƯ (ROI)                             |
+-----------------------------------------------------------------------------------+
|  HẠNG MỤC                       CHI PHÍ (VNĐ)       LỢI ÍCH DỰ PHÓNG              |
|  1. Đào tạo nghiệp vụ & Kỹ năng 45.000.000          Tăng 12% tỷ lệ tái tục HĐ     |
|  2. Nâng cấp CSVC & Kiosk       60.000.000          Thu hút 15% khách hàng mới    |
|  3. Quà tặng CSKH định kỳ       35.000.000          Doanh thu dự kiến: +450tr     |
|  TỔNG ĐẦU TƯ                   140.000.000          ROI ước tính: 221% / 2 năm    |
+-----------------------------------------------------------------------------------+
  • Thời gian hoàn vốn (Payback Period): Ước tính 8.5 tháng kể từ thời điểm vận hành toàn diện quy trình mới.

Hạn chế và hướng phát triển

Hạn chế của đề tài

  • Giới hạn không gian lấy mẫu: Phạm vi khảo sát tập trung tại khu vực đô thị TP. Huế, chưa mở rộng ra các huyện thị lân cận (Hương Thủy, Hương Trà, Phong Điền), dẫn đến mức độ đại diện cho toàn tỉnh Thừa Thiên Huế chưa tuyệt đối.
  • Phương pháp phân tích: Nghiên cứu dừng lại ở thống kê mô tả, EFA và One-sample T-test; chưa thực hiện mô hình Hồi quy đa biến (Multiple Regression) hoặc Mô hình Cấu trúc Tuyến tính (SEM) để lượng hóa trọng số tác động của từng nhân tố lên Lòng trung thành khách hàng (Customer Loyalty).

Hướng phát triển tiếp theo

  • Mở rộng cỡ mẫu lên $n \ge 300$, phân tầng theo các phân khúc thu nhập và loại hình sản phẩm (bảo hiểm liên kết đầu tư vs. bảo hiểm truyền thống).
  • Ứng dụng mô hình SEM (Structural Equation Modeling) với phần mềm AMOS/SmartPLS để phân tích mối quan hệ trung gian của "Niềm tin thương hiệu" giữa "Chất lượng dịch vụ" và "Ý định tiếp tục đóng phí".

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Kinh tế/Marketing: Tài liệu tham khảo chuẩn mực về phương pháp nghiên cứu định lượng, thiết kế bảng hỏi Likert và quy trình xử lý số liệu EFA trên SPSS/Python.
  • Ban lãnh đạo Dai-ichi Life Chi nhánh Huế: Bộ dữ liệu thực chứng và bảng khuyến nghị hành động chi tiết để tái cấu trúc bộ phận CSKH, nâng cao năng lực cạnh tranh địa phương.
  • Chuyên viên tư vấn bảo hiểm (Financial Advisors): Nắm bắt chính xác các tiêu chí khách hàng đánh giá thấp nhất (nhân tố Đồng cảm) để chủ động điều chỉnh hành vi tiếp xúc và chăm sóc hậu mãi.
  • Nhà nghiên cứu dịch vụ tài chính: Cơ sở dữ liệu đối chuẩn (benchmark dataset) về mức độ hài lòng khách hàng ngành bảo hiểm nhân thọ tại thị trường miền Trung Việt Nam.

Câu hỏi thường gặp

1. Kích thước mẫu n = 120 có đảm bảo độ tin cậy thống kê cho nghiên cứu EFA không?

Hoàn toàn đảm bảo. Theo nguyên tắc thực nghiệm của Hair et al. (1998), kích thước mẫu tối thiểu cần đạt tỷ lệ 5:1 so với số biến quan sát ($N \ge 5 \times k$). Thang đo nghiên cứu gồm 23 biến quan sát, yêu cầu tối thiểu $23 \times 5 = 115$ mẫu. Quy mô mẫu $n = 120$ hợp lệ và đạt hệ số $\text{KMO} = 0.824$ (mức rất tốt).

2. Tại sao nghiên cứu sử dụng mô hình SERVPERF thay vì tính hiệu số SERVQUAL đầy đủ?

Mô hình SERVPERF rút ngắn một nửa số lượng câu hỏi (từ 44 xuống 22 câu), giúp người tham gia khảo sát không bị mệt mỏi hay mất tập trung, giảm thiểu đáng kể sai lệch ngẫu nhiên (response bias) trong khi vẫn duy trì giá trị giải thích tương đương SERVQUAL theo kiểm chứng của Cronin & Taylor (1992).

3. Làm thế nào để áp dụng kịch bản phân tích số liệu trên cho các chi nhánh bảo hiểm khác?

Doanh nghiệp chỉ cần chuẩn hóa file dữ liệu khảo sát đầu vào theo định dạng CSV/Excel với các cột tương ứng theo mã biến (REL1–REL4, ASS1–ASS5,...), sau đó thực thi script Python tích hợp thư viện factor_analyzer và scipy.stats đã cung cấp để tự động xuất kết quả KMO, Cronbach's Alpha và T-test.

4. Chi phí triển khai các giải pháp nâng cao chất lượng dịch vụ có vượt quá ngân sách chi nhánh?

Tổng chi phí ước tính khoảng 140 triệu VNĐ, phân bổ trong 12 tháng. Khoản đầu tư này hoàn toàn khả thi trong hạn mức ngân sách hoạt động marketing - CSKH hàng năm của chi nhánh cấp tỉnh, mang lại tỷ suất ROI ước tính đạt trên 200%.

5. Yếu tố nào ảnh hưởng lớn nhất đến sự không hài lòng của khách hàng tại Dai-ichi Life Huế?

Kết quả kiểm định chỉ ra chiều Sự đồng cảm có điểm trung bình thấp nhất ($\bar{X} = 3.54$). Khách hàng phản ánh tư vấn viên thường giảm tần suất tương tác sau khi hợp đồng đã được phát hành và hoa hồng năm đầu đã được chi trả.

Kết luận

Đề tài khóa luận tốt nghiệp của tác giả Trần Thị Kim Oanh đã thực hiện thành công việc đo lường, đánh giá định lượng chất lượng dịch vụ chăm sóc khách hàng cá nhân tại Công ty BHNT Dai-ichi Life Việt Nam - Chi nhánh Huế. Thông qua hệ thống phương pháp luận chặt chẽ kết hợp giữa kiểm định Cronbach's Alpha, phân tích nhân tố khám phá EFA và One-Sample T-test trên mẫu $n = 120$, nghiên cứu đã chứng minh cả 5 chiều chất lượng (Độ tin cậy, Sự đảm bảo, Năng lực phục vụ, Sự đồng cảm, Phương tiện hữu hình) đều đạt mức đánh giá trên trung bình, trong đó Sự đảm bảo là điểm mạnh cốt lõi ($\bar{X} = 4.05$) và Sự đồng cảm là điểm nghẽn cần ưu tiên hoàn thiện ($\bar{X} = 3.54$). Hệ thống giải pháp đề xuất không chỉ mang tính học thuật mà còn là cẩm nang hành động thực tế giúp doanh nghiệp tối ưu hóa chi phí giữ chân khách hàng và phát triển bền vững.