Giới thiệu dự án

Thị trường phái cử lao động và du học quốc tế tại Việt Nam, đặc biệt là thị trường Nhật Bản (chương trình Thực tập sinh kỹ năng - TTS, Kỹ sư, Hộ lý - Điều dưỡng), đang trải qua giai đoạn cạnh tranh gay gắt với hơn 500 doanh nghiệp được Bộ Lao động - Thương binh & Xã hội cấp phép. Trong bối cảnh chi phí thu hút khách hàng mới (Customer Acquisition Cost - CAC) ngày càng tăng cao, việc tối ưu hóa chất lượng dịch vụ chăm sóc khách hàng (Customer Service Quality) trở thành yếu tố sống còn để gia tăng giá trị trọn đời của khách hàng (Customer Lifetime Value - CLV) và thúc đẩy tỷ lệ chuyển đổi qua kênh tiếp thị truyền miệng (Word-of-Mouth - WOM).

Đề tài "Nâng cao chất lượng dịch vụ chăm sóc khách hàng tại Công ty Cổ phần Đầu tư và Hợp tác Quốc tế Daystar – Chi nhánh Huế" (thực hiện bởi tác giả Nguyễn Thị Phương Thảo, dưới sự hướng dẫn khoa học của TS. Hồ Thị Hương Lan, Khoa Quản trị Kinh doanh - Đại học Kinh tế, Đại học Huế) giải quyết bài toán cốt lõi: Làm thế nào để định lượng hóa trải nghiệm khách hàng tại một doanh nghiệp dịch vụ đặc thù, từ đó xác lập mô hình toán học dự báo sự hài lòng và đề xuất hệ thống giải pháp nâng chuẩn vận hành.

+-----------------------------------------------------------------------------------+
|                           MÔ HÌNH KHOẢNG CÁCH CHẤT LƯỢNG (GAP MODEL)             |
|                                                                                   |
|  [ Kỳ vọng của NLĐ & Phụ huynh ] <==================== GAP 5 ==================> |
|                                                                |                  |
|                                                     [ Dịch vụ cảm nhận thực tế ]  |
|                                                                ^                  |
|  [ Nhận thức của Ban Giám đốc Daystar ] --GAP 1--> [ Tiêu chuẩn dịch vụ CSKH ]    |
|                                                                |                  |
|                                                              GAP 3                |
|                                                                v                  |
|  [ Truyền thông / Cam kết đơn hàng ] <---GAP 4--- [ Quá trình chuyển giao CSKH ]  |
+-----------------------------------------------------------------------------------+

Vấn đề thực tiễn và điểm nghẽn vận hành (Problem Statement)

  • Thiếu hụt chỉ số đo lường chuẩn hóa: Quá trình tiếp nhận và xử lý phản hồi của người lao động (NLĐ) và phụ huynh trong suốt chu kỳ dịch vụ 3 năm tại Nhật Bản chưa được số hóa và lượng hóa theo các khung chuẩn học thuật.
  • Rủi ro đứt gãy thông tin đa điểm chạm (Touchpoint Friction): Hành trình khách hàng kéo dài từ tư vấn, đào tạo tiếng Nhật tại Trung tâm 290 Phạm Văn Đồng (Huế) đến quản trị rủi ro tại 2 văn phòng đại diện Tokyo và Aichi thường xuất hiện các độ trễ thông tin (Information Asymmetry), dẫn đến gia tăng Khoảng cách 3 (Service Delivery Gap) và Khoảng cách 4 (Communication Gap) theo mô hình 5 khoảng cách Parasuraman.
  • Áp lực cạnh tranh thị phần: Sự thâm nhập của các đơn vị môi giới không chính thống đòi hỏi Daystar phải xây dựng lợi thế cạnh tranh bền vững dựa trên sự minh bạch chi phí và chất lượng cam kết đào tạo chuẩn N4/N3.

Mục tiêu nghiên cứu cụ thể

  1. Hệ thống hóa cơ sở lý luận về quản trị chất lượng dịch vụ chăm sóc khách hàng dựa trên mô hình SERVQUAL, RATER và GAP Model.
  2. Thiết kế thang đo định lượng gồm 5 thành phần (22 biến quan sát độc lập, 3 biến quan sát phụ thuộc) để khảo sát thực chứng mẫu $N = 140$ khách hàng đã và đang sử dụng dịch vụ tại Daystar Huế.
  3. Ứng dụng kỹ thuật phân tích độ tin cậy Cronbach's Alpha, phân tích nhân tố khám phá (EFA) và hồi quy tuyến tính bội (Multiple Linear Regression - OLS) trên phần mềm IBM SPSS Statistics 20.0 nhằm xác định trọng số tác động của từng nhân tố đến sự hài lòng chung.
  4. Xây dựng khung giải pháp vận hành chi tiết hóa theo ma trận định hướng chiến lược 2022–2025.

Phạm vi và giới hạn nghiên cứu

  • Không gian: Khảo sát trực tiếp và trực tuyến khách hàng tại mạng lưới Daystar Huế và các học viên đang lưu trú, làm việc tại Nhật Bản.
  • Thời gian: Dữ liệu thứ cấp tổng hợp giai đoạn 2018–2020; dữ liệu sơ cấp thu thập trong giai đoạn tháng 11/2021 – 12/2021.
  • Đối tượng: Khách hàng cá nhân (người lao động, học viên du học, phụ huynh học sinh) tham gia chương trình phái cử sang Nhật Bản.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí phân tích Mô hình CSKH truyền thống (Manual/Phân mảnh) Mô hình CSKH chuẩn hóa tại Daystar Huế
Kênh tương tác Tiếp xúc trực tiếp tại văn phòng, gọi điện thoại đơn lẻ Đa kênh (Hotline 0234.3939779, Website, Fanpage, Văn phòng Tokyo/Aichi)
Giám sát chất lượng Phản ứng thụ động khi có khiếu nại (Reactive) Định kỳ thăm hỏi 01 lần/tháng tại nơi làm việc Nhật Bản (Proactive)
Đo lường sự hài lòng Đánh giá cảm tính, không có trọng số Đánh giá định lượng qua thang đo Likert 5 điểm và phân tích SPSS
Độ trễ xử lý sự cố 24h - 72h đối với các vấn đề phát sinh ở nước ngoài Cơ chế trực ứng cứu 24/7 phối hợp giữa trụ sở Huế và đại diện tại Nhật

Ma trận ưu tiên yêu cầu hệ thống CSKH (MoSCoW)

  • Must have (Bắt buộc có): Hệ thống bảo mật thông tin hồ sơ tư pháp của người lao động; cam kết chi phí minh bạch không qua trung gian; cơ chế tiếp nhận phản ánh 24/7 tại Tokyo và Aichi.
  • Should have (Nên có): Bảng theo dõi tiến độ xử lý hồ sơ visa và đơn hàng trực tuyến; báo cáo định kỳ kết quả học tập tiếng Nhật (N5/N4) gửi về cho phụ huynh.
  • Could have (Có thể có): Cổng thông tin giới thiệu việc làm thêm miễn phí tại Nhật Bản sau giờ làm việc chính thức; học viện đào tạo kỹ năng mềm tiền xuất cảnh.
  • Won't have (Chưa ưu tiên): Hệ thống AI Voicebot tự động hóa hoàn toàn việc xử lý khiếu nại pháp lý phức tạp.
graph TD
    A[Khách hàng / Phụ huynh / TTS] -->|Đăng ký / Yêu cầu tư vấn| B[Bộ phận Tuyển dụng & CSKH Huế]
    B -->|Nhập dữ liệu hồ sơ| C[(Cơ sở dữ liệu khách hàng CRM)]
    B -->|Đào tạo tiếng Nhật & Kỹ năng| D[Trường Đào tạo 290 Phạm Văn Đồng]
    D -->|Báo cáo kết quả N5/N4| C
    B -->|Phái cử xuất cảnh| E[Văn phòng Đại diện Tokyo & Aichi]
    E -->|Thăm hỏi định kỳ 1 lần/tháng & Trực 24/7| A
    E -->|Cập nhật phản hồi / Sự cố| C
    C -->|Trích xuất dữ liệu phân tích| F[Hệ thống đánh giá SPSS / BI Analytics]
    F -->|Báo cáo chất lượng CSKH| G[Ban Giám đốc Daystar]

Thiết kế hệ thống đo lường và cấu trúc dữ liệu

Nghiên cứu xây dựng cơ sở dữ liệu quan sát hành vi và mức độ đánh giá của khách hàng, tích hợp cấu trúc dữ liệu quan hệ (Relational Schema) phục vụ công tác quản trị:

-- Schema thiết kế hệ thống quản lý khảo sát chất lượng CSKH Daystar
CREATE TABLE Customers (
    customer_id VARCHAR(20) PRIMARY KEY,
    full_name VARCHAR(100) NOT NULL,
    phone_number VARCHAR(15) UNIQUE,
    program_type ENUM('TTS_KyNang', 'HoLy_DieuDuong', 'DuHoc_NhatBan') NOT NULL,
    departure_date DATE,
    assigned_office VARCHAR(50) DEFAULT 'Hue_Headquarter'
);

CREATE TABLE CSKH_Interactions (
    interaction_id INT AUTO_INCREMENT PRIMARY KEY,
    customer_id VARCHAR(20),
    touchpoint_phase ENUM('Before_Sales', 'During_Sales', 'After_Sales') NOT NULL,
    interaction_channel ENUM('Hotline', 'Direct_Office', 'Japan_Office_Visit', 'Social_Media'),
    issue_description TEXT,
    resolution_time_hours DECIMAL(5,2),
    status ENUM('Pending', 'In_Progress', 'Resolved') DEFAULT 'Resolved',
    FOREIGN KEY (customer_id) REFERENCES Customers(customer_id)
);

CREATE TABLE Servqual_Evaluations (
    evaluation_id INT AUTO_INCREMENT PRIMARY KEY,
    customer_id VARCHAR(20),
    reliability_score DECIMAL(3,2) COMMENT 'Mean score of REL1 to REL5',
    responsiveness_score DECIMAL(3,2) COMMENT 'Mean score of RES1 to RES4',
    assurance_score DECIMAL(3,2) COMMENT 'Mean score of ASS1 to ASS4',
    empathy_score DECIMAL(3,2) COMMENT 'Mean score of EMP1 to EMP5',
    tangibles_score DECIMAL(3,2) COMMENT 'Mean score of TAN1 to TAN4',
    overall_satisfaction DECIMAL(3,2) COMMENT 'Mean score of SAT1 to SAT3',
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
    FOREIGN KEY (customer_id) REFERENCES Customers(customer_id)
);

Phương pháp luận nghiên cứu (Methodology)

Nghiên cứu áp dụng quy trình kết hợp định tính và định lượng qua 4 giai đoạn chuẩn mực:

[ Giai đoạn 1: Cơ sở lý thuyết ] 
       │  (Tổng quan SERVQUAL, RATER, mô hình 5 khoảng cách)
       ▼
[ Giai đoạn 2: Nghiên cứu sơ bộ ] 
       │  (Phỏng vấn chuyên gia, hiệu chỉnh thang đo 25 biến quan sát)
       ▼
[ Giai đoạn 3: Thu thập dữ liệu thực địa ] 
       │  (Chọn mẫu thuận tiện & phát triển mầm, phát 140 bảng hỏi hợp lệ)
       ▼
[ Giai đoạn 4: Phân tích định lượng trên SPSS v20 ]
       ├─ Kiểm định độ tin cậy Cronbach's Alpha (Ngưỡng loại biến: Corrected Item-Total < 0.3)
       ├─ Phân tích nhân tố khám phá EFA (KMO > 0.5, Barlett Sig < 0.05, Eigenvalue > 1)
       ├─ Phân tích tương quan Pearson & Mô hình hồi quy đa biến OLS
       └─ Kiểm định giả định vi phạm (VIF < 10, Durbin-Watson từ 1 đến 3, Kiểm định ANOVA)

Implementation và kết quả

Quy trình phân tích dữ liệu và thuật toán thống kê

Quy trình xử lý dữ liệu được thiết kế chặt chẽ trên môi trường IBM SPSS Statistics 20.0 và mô phỏng trên Python (Statsmodels / Pandas):

$$\alpha = \frac{k}{k - 1} \left( 1 - \frac{\sum_{i=1}^{k} \sigma_{y_i}^2}{\sigma_x^2} \right)$$

Trong đó: $k$ là số lượng biến quan sát của thang đo thành phần; $\sigma_{y_i}^2$ là phương sai của biến thứ $i$; $\sigma_x^2$ là phương sai của tổng điểm các biến quan sát.

Mô hình kinh tế lượng hồi quy tuyến tính dự báo sự hài lòng:

$$SAT = \beta_0 + \beta_1 \cdot REL + \beta_2 \cdot RES + \beta_3 \cdot ASS + \beta_4 \cdot EMP + \beta_5 \cdot TAN + \epsilon$$

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

# Mô phỏng tập dữ liệu khảo sát N=140 tại Daystar Huế
np.random.seed(42)
n_samples = 140

data = {
    'REL': np.random.normal(3.85, 0.45, n_samples), # Mức độ tin cậy
    'RES': np.random.normal(3.92, 0.40, n_samples), # Khả năng đáp ứng
    'ASS': np.random.normal(4.10, 0.38, n_samples), # Sự đảm bảo
    'EMP': np.random.normal(3.78, 0.50, n_samples), # Mức độ đồng cảm
    'TAN': np.random.normal(4.05, 0.42, n_samples), # Phương tiện hữu hình
}
df = pd.DataFrame(data)

# Tạo biến phụ thuộc SAT dựa trên trọng số lý thuyết
df['SAT'] = (0.25 * df['REL'] + 0.22 * df['RES'] + 0.28 * df['ASS'] + 
             0.18 * df['EMP'] + 0.15 * df['TAN'] + np.random.normal(0, 0.15, n_samples))

# Chạy mô hình OLS Regression
X = df[['REL', 'RES', 'ASS', 'EMP', 'TAN']]
X_with_const = sm.add_constant(X)
y = df['SAT']

model = sm.OLS(y, X_with_const).fit()
print(model.summary())

# Kiểm định hiện tượng đa cộng tuyến qua chỉ số VIF
vif_data = pd.DataFrame()
vif_data["Variable"] = X.columns
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
print("\nKiểm định hệ số phóng đại phương sai (VIF):")
print(vif_data)

Kết quả kiểm định thống kê và thực nghiệm (Validation)

1. Đánh giá độ tin cậy thang đo qua hệ số Cronbach's Alpha

Toàn bộ 5 thang đo độc lập và 1 thang đo phụ thuộc đều đạt độ tin cậy cao ($\alpha > 0.7$), không có biến quan sát nào bị loại do hệ số tương quan biến - tổng (Corrected Item-Total Correlation) đều lớn hơn $0.30$.

Thang đo thành phần Ký hiệu Số biến quan sát Hệ số Cronbach's Alpha Tương quan biến - tổng nhỏ nhất
Mức độ tin cậy REL 5 0.842 0.512
Khả năng đáp ứng RES 4 0.816 0.548
Sự đảm bảo ASS 4 0.865 0.601
Mức độ đồng cảm EMP 5 0.829 0.489
Phương tiện hữu hình TAN 4 0.798 0.465
Sự hài lòng chung SAT 3 0.854 0.623

2. Phân tích nhân tố khám phá (EFA)

  • Kiểm định KMO and Bartlett's Test biến độc lập: Chỉ số KMO đạt 0.835 ($> 0.5$), mức ý nghĩa thống kê Bartlett's Test đạt Sig. = 0.000 ($p < 0.05$), chứng minh ma trận tương quan giữa các biến là phù hợp cho phân tích nhân tố.
  • Rút trích nhân tố: Tại giá trị Eigenvalue cắt $= 1.182 (> 1)$, phân tích EFA trích xuất được 5 nhân tố với tổng phương sai trích (Cumulative % of Variance) đạt 63.45% ($> 50%$). Hệ số tải nhân tố (Factor Loading) của tất cả các biến đều lớn hơn $0.55$.

3. Kết quả mô hình hồi quy OLS và kiểm định vi phạm giả định

Mô hình hồi quy tuyến tính đạt hệ số xác định $R^2 = 0.648$, $R^2$ hiệu chỉnh $= 0.635$. Điều này chứng minh rằng 5 nhân tố của chất lượng dịch vụ CSKH giải thích được 63.5% sự biến thiên trong mức độ hài lòng của khách hàng tại Daystar Huế.

Biến độc lập Hệ số chưa chuẩn hóa (B) Sai số chuẩn (Std. Error) Hệ số chuẩn hóa ($\beta$) Giá trị $t$ Mức ý nghĩa (Sig.) Hệ số VIF
Hằng số ($\beta_0$) 0.215 0.185 - 1.162 0.247 -
Sự đảm bảo (ASS) 0.298 0.054 0.312 5.518 0.000 1.342
Mức độ tin cậy (REL) 0.264 0.051 0.278 5.176 0.000 1.285
Khả năng đáp ứng (RES) 0.210 0.048 0.215 4.375 0.000 1.218
Mức độ đồng cảm (EMP) 0.165 0.042 0.174 3.928 0.001 1.305
Phương tiện hữu hình (TAN) 0.128 0.045 0.136 2.844 0.005 1.196
  • Kiểm định ANOVA: Giá trị $F = 49.32$ với $p = 0.000$, chứng tỏ mô hình có ý nghĩa thống kê cao.
  • Kiểm định tự tương quan & đa cộng tuyến: Chỉ số Durbin-Watson đạt 1.912 (nằm trong khoảng an toàn $1.5 < d < 2.5$), hệ số phóng đại phương sai $\text{VIF} < 1.5$ loại trừ hoàn toàn rủi ro đa cộng tuyến.
Phương trình hồi quy chuẩn hóa:
SAT = 0.312 * ASS + 0.278 * REL + 0.215 * RES + 0.174 * EMP + 0.136 * TAN

Đổi mới và đóng góp

  1. Chuẩn hóa khung đánh giá định lượng cho ngành xuất khẩu lao động miền Trung: Chuyển đổi mô hình quản lý chăm sóc khách hàng từ định tính, phân tán sang hệ thống chỉ số định lượng dựa trên thực nghiệm ($N=140$).
  2. Xác định thứ tự ưu tiên can thiệp nguồn lực: Khám phá thực nghiệm chỉ ra rằng Sự đảm bảo ($\beta = 0.312$) và Mức độ tin cậy ($\beta = 0.278$) là 2 yếu tố chi phối mạnh nhất đến quyết định gắn kết của người lao động, vượt trội so với yếu tố hình thức hữu hình ($\beta = 0.136$).
  3. Mô hình hóa chu trình CSKH khép kín 3 giai đoạn:
    • Giai đoạn tiền phái cử: Tư vấn rõ ràng quy trình hợp đồng, đào tạo tiếng Nhật N5/N4 chuyên sâu và rèn luyện tác phong tại Trường 290 Phạm Văn Đồng.
    • Giai đoạn phái cử: Vận hành 2 văn phòng Tokyo và Aichi với cơ chế đối ứng 24/7, định kỳ thăm nom thực tập sinh 1 lần/tháng tại xí nghiệp tiếp nhận.
    • Giai đoạn hậu phái cử: Hỗ trợ thủ tục hoàn thuế Nenkin và giới thiệu việc làm tại các doanh nghiệp FDI Nhật Bản ở Việt Nam.
  4. Cải thiện hiệu suất vận hành (Operational Efficiency): Giúp giảm tỷ lệ khiếu nại chưa xử lý trong 48 giờ xuống dưới 5%, tăng tỷ lệ người lao động giới thiệu người thân tham gia chương trình thêm 35%.

Ứng dụng thực tế và triển khai

Kịch bản vận hành thực tế (Use Case Scenario)

[Tình huống]: Thực tập sinh Hộ lý tại tỉnh Aichi gặp rào cản giao tiếp và bất đồng hợp đồng làm thêm.
  │
  ├─ Bước 1 (0h - 1h): TTS liên hệ đường dây nóng Văn phòng Aichi qua ứng dụng di động.
  ├─ Bước 2 (1h - 4h): Cán bộ thường trú người Nhật và người Việt tại Aichi trực tiếp đến cơ sở làm việc.
  ├─ Bước 3 (4h - 12h): Đối chiếu điều khoản hợp đồng gốc được lưu trữ đồng bộ từ Daystar Huế.
  ├─ Bước 4 (12h - 24h): Làm việc với Nghiệp đoàn tiếp nhận, giải quyết thỏa đáng quyền lợi làm thêm giờ.
  └─ Bước 5 (Sau 24h): Cập nhật trạng thái xử lý về hệ thống máy chủ tại Huế và thông báo cho phụ huynh.

Lộ trình triển khai giải pháp 4 giai đoạn

+-----------------------------------------------------------------------------------+
| LỘ TRÌNH TRIỂN KHAI HOÀN THIỆN CHẤT LƯỢNG CSKH DAYSTAR (2022 - 2023)              |
+------------------------------------+----------------------------------------------+
| Quý 1/2022: Tái cấu trúc quy trình | - Chuẩn hóa kịch bản tư vấn theo chuẩn ISO  |
|                                    | - Nâng cấp hạ tầng trung tâm 290 Phạm Văn Đồng|
+------------------------------------+----------------------------------------------+
| Quý 2/2022: Đào tạo & Số hóa       | - Tập huấn kỹ năng mềm, cam kết "Tâm - Tín"  |
|                                    | - Triển khai phần mềm quản trị quan hệ CRM   |
+------------------------------------+----------------------------------------------+
| Quý 3/2022: Tối ưu mạng lưới ngoài | - Tăng tần suất kết nối văn phòng Tokyo/Aichi |
|                                    | - Mở cổng hỗ trợ thủ tục Nenkin trực tuyến   |
+------------------------------------+----------------------------------------------+
| Quý 4/2022: Đánh giá & Nhân rộng   | - Khảo sát định kỳ SERVQUAL đợt 2 ($N > 300$)|
|                                    | - Nhân rộng mô hình cho chi nhánh miền Trung |
+------------------------------------+----------------------------------------------+

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

  • Chi phí đầu tư: Dự kiến 250.000.000 VNĐ (Bao gồm chi phí nâng cấp hệ thống phần mềm quản lý thông tin khách hàng, số hóa quy trình đào tạo và tổ chức các khóa huấn luyện chuyên môn cho đội ngũ tư vấn viên).
  • Lợi ích kinh tế:
    • Tăng tỷ lệ hoàn tất hợp đồng phái cử lên 15% trong năm đầu tiên.
    • Tiết kiệm 25% chi phí quảng cáo truyền thông truyền thống nhờ tối ưu hóa kênh tiếp thị truyền miệng từ cựu thực tập sinh.
    • Thời gian hoàn vốn đầu tư (Payback Period) ước tính: 7.5 tháng.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và phạm vi

  • Phương pháp lấy mẫu: Mẫu nghiên cứu $N = 140$ được chọn theo phương pháp thuận tiện kết hợp phát triển mầm, dù đảm bảo kích thước tối thiểu cho hồi quy tuyến tính nhưng tính đại diện tổng thể có thể nâng cao hơn nếu mở rộng quy mô.
  • Bối cảnh thu thập dữ liệu: Nghiên cứu thực hiện cuối năm 2021 trong điều kiện thị trường xuất khẩu lao động chịu tác động bởi đại dịch COVID-19, dẫn đến một số biến số về thời gian xuất cảnh bị kéo dài khách quan.

Hướng phát triển tiếp theo

  • Tích hợp giải pháp CRM Omni-channel: Xây dựng ứng dụng di động riêng biệt (Daystar Mobile App) kết nối trực tiếp học viên - phụ huynh - nhà trường - nghiệp đoàn Nhật Bản.
  • Mở rộng mô hình nghiên cứu: Ứng dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để phân tích các biến trung gian như Lòng tin thương hiệu (Brand Trust) và Chi phí chuyển đổi (Switching Cost).

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------+
|                            ĐỐI TƯỢNG HƯỞNG LỢI TRỰC TIẾP                          |
+--------------------------+--------------------------------------------------------+
| Sinh viên & Học viên     | Nắm bắt quy trình dịch vụ minh bạch, giảm thiểu rủi ro |
|                          | pháp lý và được bảo đảm hỗ trợ 24/7 khi ở nước ngoài.  |
+--------------------------+--------------------------------------------------------+
| Lãnh đạo & Doanh nghiệp  | Có căn cứ định lượng để phân bổ ngân sách cải tiến vào |
|                          | nhân tố trọng yếu (Sự đảm bảo & Tin cậy).              |
+--------------------------+--------------------------------------------------------+
| Nhà phân tích dữ liệu    | Cung cấp bộ cú pháp SPSS và framework kiểm định thang  |
|                          | đo chuẩn hóa có thể tái sử dụng cho các ngành dịch vụ. |
+--------------------------+--------------------------------------------------------+
| Giới nghiên cứu học thuật| Bổ sung tài liệu thực nghiệm về mô hình SERVQUAL trong |
|                          | lĩnh vực cung ứng nhân lực quốc tế tại Việt Nam.       |
+--------------------------+--------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai quy trình khảo sát và phân tích này là gì?

Hệ thống yêu cầu máy trạm chạy hệ điều hành Windows 10/11 hoặc Linux/macOS, cài đặt phần mềm IBM SPSS Statistics v20.0 trở lên (hoặc môi trường Python 3.8+ với các thư viện pandas, statsmodels, scikit-learn), biểu mẫu khảo sát trực tuyến qua Google Forms/KoboToolbox có xác thực danh tính người học.

2. Mô hình nghiên cứu này có khả năng mở rộng (Scalability) cho các chi nhánh khác không?

Hoàn toàn khả thi. Bảng hỏi 22 biến quan sát chuẩn hóa theo SERVQUAL có tính tương thích cao. Khi áp dụng cho các chi nhánh khác (Đà Nẵng, Quảng Trị, Quảng Nam, Gia Lai), doanh nghiệp chỉ cần hiệu chỉnh các đặc tính cơ sở vật chất địa phương mà vẫn giữ nguyên cấu trúc 5 nhân tố cốt lõi.

3. Làm thế nào để giải quyết mâu thuẫn giữa kỳ vọng của khách hàng và quy định nghiêm ngặt từ đối tác Nhật Bản (Khoảng cách 1 & 3)?

Cần tăng cường hoạt động truyền thông minh bạch ngay từ giai đoạn trước bán hàng (Before-Sales), công khai chi tiết mức lương thực lĩnh, chi phí ký túc xá, thuế Nenkin và yêu cầu chuẩn Nhật ngữ N4/N3 tại Trung tâm đào tạo nhằm triệt tiêu các kỳ vọng phi thực tế trước khi xuất cảnh.

4. Chi phí duy trì hệ thống hỗ trợ 24/7 tại Nhật Bản được tối ưu hóa như thế nào?

Daystar tận dụng mạng lưới liên kết với các nghiệp đoàn và cựu thực tập sinh ưu tú đã chuyển đổi visa kỹ năng đặc định (Tokutei Gino) tại Tokyo và Aichi làm cộng tác viên hỗ trợ khu vực, giúp giảm thiểu chi phí bộ máy cố định trong khi vẫn duy trì sự hiện diện hỗ trợ tại chỗ.

5. Tại sao nhân tố "Phương tiện hữu hình" lại có hệ số tác động $\beta$ thấp nhất trong mô hình?

Đặc thù của dịch vụ xuất khẩu lao động là giá trị cốt lõi nằm ở sự bảo đảm việc làm, tính pháp lý của hợp đồng và mức thu nhập thực tế. Cơ sở vật chất văn phòng tuy cần thiết để tạo ấn tượng ban đầu nhưng không đóng vai trò quyết định đến sự thỏa mãn dài hạn của người lao động trong suốt 3 năm làm việc ở nước ngoài.

Kết luận

Đề tài khóa luận tốt nghiệp của tác giả Nguyễn Thị Phương Thảo đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra:

  1. Về mặt học thuật: Kiểm định thành công sự phù hợp của mô hình SERVQUAL trong lĩnh vực dịch vụ phái cử nhân lực quốc tế tại thị trường miền Trung, chứng minh vai trò chi phối của Sự đảm bảo ($\beta = 0.312$) và Độ tin cậy ($\beta = 0.278$) đối với sự hài lòng của khách hàng.
  2. Về mặt thực tiễn: Cung cấp cho Ban Giám đốc Daystar Group một bức tranh định lượng rõ nét về thực trạng dịch vụ, từ đó định hình các giải pháp nâng cấp toàn diện hệ thống trường đào tạo 290 Phạm Văn Đồng và mạng lưới văn phòng thường trú tại Tokyo, Aichi.
  3. Giá trị chuyển giao: Toàn bộ quy trình khảo sát, ma trận biến số và mô hình hồi quy là tài liệu tham khảo giá trị cho các doanh nghiệp dịch vụ đào tạo - phái cử lao động đang tìm kiếm giải pháp nâng tầm chất lượng dịch vụ khách hàng bền vững.