Giới thiệu dự án

Thị trường du lịch và khách sạn toàn cầu trải qua biến động sâu sắc với sự sụt giảm doanh thu phòng nghiêm trọng; theo báo cáo của Savills, chỉ số giá phòng trung bình (ADR - Average Daily Rate) tại Việt Nam giai đoạn 2020–2021 giảm từ 25% đến 40% do tác động kép của dịch bệnh và sự gia tăng áp lực cạnh tranh. Trong bối cảnh cạnh tranh dịch vụ lưu trú 4 sao tại khu vực miền Trung, đặc biệt dọc Hành lang Kinh tế Đông – Tây (EWEC), Khách sạn Mường Thanh Grand Quảng Trị (thuộc Tập đoàn Khách sạn Mường Thanh) đối mặt với thách thức giữ chân khách hàng và tối ưu hóa trải nghiệm người dùng. Theo nguyên lý của Peter Drucker và các nghiên cứu quản trị hiện đại (Brewton, 2009), chi phí giữ chân khách hàng cũ chỉ bằng 1/5 đến 1/15 so với tìm kiếm khách hàng mới, đồng thời gia tăng 5% tỷ lệ duy trì khách hàng có thể thúc đẩy lợi nhuận từ 25% đến 100%.

                             HÀNH LANG KINH TẾ ĐÔNG - TÂY (EWEC)
         Khách thương gia / Tour đoàn                      Khách cá nhân / Vãng lai
                             MƯỜNG THANH GRAND QUẢNG TRỊ (4 SAO)
                             MÔ HÌNH ĐỊNH LƯỢNG SERVPERF (N=150)
                              CHUẨN HÓA QUY TRÌNH & ĐẨY MẠNH ROI

Vấn đề thực tiễn và Pain Points

  • Khách sạn chưa xây dựng hệ thống đo lường định lượng chuẩn hóa về trải nghiệm dịch vụ chăm sóc khách hàng (CSKH), dẫn đến việc xử lý phản hồi còn mang tính cục bộ.
  • Quy trình giải quyết khiếu nại (Complaints Management) giữa các bộ phận Lễ tân (Front Office), Buồng phòng (Housekeeping) và Nhà hàng (F&B) thiếu tính liên thông thời gian thực.
  • Kênh phân phối thông tin và tiếp nhận tương tác trực tuyến qua OTA (Booking.com, Traveloka) chưa đồng bộ với dữ liệu nội bộ.

Mục tiêu nghiên cứu cụ thể

  1. Hệ thống hóa cơ sở lý luận về quản trị chất lượng dịch vụ và hành vi người tiêu dùng trong ngành khách sạn dựa trên khung lý thuyết SERVPERF (Service Performance).
  2. Đo lường, phân tích thực trạng chất lượng dịch vụ CSKH tại Khách sạn Mường Thanh Quảng Trị thông qua khảo sát định lượng $N = 150$ mẫu khách hàng thực tế.
  3. Xác định mức độ ảnh hưởng của 5 thành phần chất lượng dịch vụ đến sự hài lòng của khách hàng thông qua kiểm định độ tin cậy Cronbach's Alpha, Phân tích nhân tố khám phá (EFA) và Mô hình Hồi quy tuyến tính đa biến (OLS Regression).
  4. Đề xuất hệ thống giải pháp can thiệp có tính khả thi cao giai đoạn 2022–2026 nhằm nâng cao chỉ số hài lòng (CSI) và lòng trung thành của khách hàng.

Phương pháp tiếp cận và Phạm vi

Nghiên cứu ứng dụng thang đo SERVPERF cải biên (Cronin & Taylor, 1992) thay thế mô hình khoảng cách SERVQUAL nhằm đo lường trực tiếp cảm nhận thực tế của khách hàng mà không phụ thuộc vào kỳ vọng trừu tượng.

  • Phạm vi không gian: Khách hàng lưu trú và sử dụng dịch vụ tại Khách sạn Mường Thanh Grand Quảng Trị (Số 68 Lê Duẩn, Phường 1, TP. Đông Hà, Tỉnh Quảng Trị).
  • Phạm vi thời gian: Dữ liệu thứ cấp giai đoạn 2019–2021; khảo sát sơ cấp thu thập trong quý IV/2021; lộ trình ứng dụng giải pháp đề xuất cho giai đoạn 2022–2026.
  • Hạn chế: Nghiên cứu giới hạn ở phân khúc khách hàng nội địa và thương gia trong giai đoạn bình thường mới.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí phân tích Giải pháp truyền thống (Đánh giá định tính/Sổ góp ý) Mô hình SERVQUAL (Parasuraman et al., 1988) Mô hình SERVPERF đề xuất (Cronin & Taylor, 1992)
Bản chất đo lường Đánh giá cảm tính, không có trọng số Đo lường khoảng cách ($P - E$: Cảm nhận - Kỳ vọng) Đo lường trực tiếp kết quả thực hiện ($P$: Performance)
Độ phức tạp bảng hỏi Thấp, thiếu tính đại diện Cao (44 biến: 22 kỳ vọng + 22 cảm nhận gây quá tải) Tối ưu (25–28 biến tập trung trực tiếp vào trải nghiệm)
Độ tin cậy phương sai Không kiểm định được Dễ sai lệch do kỳ vọng bị biến động theo thời gian $R^2$ giải thích biến thiên phương sai cao, ổn định
Khả năng tích hợp CRM Kém Trung bình Rất cao, dễ chuyển đổi thành KPI đo lường định lượng

Ma trận ưu tiên yêu cầu khảo sát theo kỹ thuật MoSCoW

Phân loại Nội dung tiêu chí / Thuộc tính dịch vụ CSKH Rationale & Benefit
Must have Đo lường độ tin cậy cam kết dịch vụ; Tốc độ check-in/check-out; Giải quyết khiếu nại phát sinh Đảm bảo tiêu chuẩn vận hành tối thiểu của khách sạn 4 sao
Should have Kỹ năng giao tiếp và ngoại ngữ của nhân viên; Thái độ đồng cảm; Tính đồng bộ phòng ốc Tăng chỉ số hài lòng toàn diện (Customer Satisfaction Score)
Could have Quà tặng cá nhân hóa ngày sinh nhật/lễ tết; Hệ thống khảo sát điện tử qua QR/OTA Gia tăng mức độ trung thành và kích thích truyền miệng tích cực
Won't have Khảo sát sâu về các dịch vụ bổ trợ chưa khai thác (sân golf chuyên nghiệp ngoài site) Tối ưu hóa nguồn lực và thời gian phản hồi của khách khảo sát 
                       KIẾN TRÚC MÔ HÌNH NGHIÊN CỨU SERVPERF
                                (Cronin & Taylor)

Thiết kế hệ thống đo lường và Công nghệ sử dụng

  • Hạ tầng phân tích dữ liệu: IBM SPSS Statistics phiên bản 26.0 Core Engine kết hợp Python 3.10 runtime environment (pandas, scipy, statsmodels, factor_analyzer).
  • Hệ thống thu thập dữ liệu: Google Workspace Enterprise Forms API kết hợp bảng câu hỏi in trực tiếp chuẩn hóa theo thang đo 5-point Likert (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý).
  • Hệ cơ sở dữ liệu khảo sát (Schema Definition):
-- Thiết kế cấu trúc bảng lưu trữ kết quả đánh giá dịch vụ CSKH
CREATE TABLE cskh_survey_response (
    response_id VARCHAR(36) PRIMARY KEY,
    customer_segment ENUM('business', 'leisure', 'group_tour', 'frequent_guest') NOT NULL,
    stay_duration INT NOT NULL,
    tangibles_score DECIMAL(3,2) CHECK (tangibles_score BETWEEN 1.00 AND 5.00),
    reliability_score DECIMAL(3,2) CHECK (reliability_score BETWEEN 1.00 AND 5.00),
    responsiveness_score DECIMAL(3,2) CHECK (responsiveness_score BETWEEN 1.00 AND 5.00),
    assurance_score DECIMAL(3,2) CHECK (assurance_score BETWEEN 1.00 AND 5.00),
    empathy_score DECIMAL(3,2) CHECK (empathy_score BETWEEN 1.00 AND 5.00),
    overall_satisfaction DECIMAL(3,2) CHECK (overall_satisfaction BETWEEN 1.00 AND 5.00),
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

Phương pháp nghiên cứu và Cỡ mẫu

Quy mô mẫu được xác định dựa trên hai tiêu chuẩn kiểm định định lượng khắt khe:

  1. Theo nguyên tắc EFA của Hair et al. (2014): Tỷ lệ quan sát/biến tối thiểu là $5:1$. Với tổng số $k = 28$ biến quan sát dự kiến, cỡ mẫu tối thiểu: $$N_{\text{min, EFA}} = 5 \times 28 = 140 \text{ mẫu}$$
  2. Theo công thức hồi quy OLS của Green (1991): Với $m = 5$ biến độc lập nhằm kiểm tra từng hệ số hồi quy: $$N_{\text{min, Regression}} = 104 + m = 104 + 5 = 109 \text{ mẫu}$$

Tác giả quyết định chọn cỡ mẫu chính thức $N = 150$ phiếu hợp lệ (phát ra 160 phiếu, tỷ lệ thu hồi đạt 93.75%) nhằm hạn chế độ lệch mẫu và tăng công suất thống kê ($1 - \beta > 0.8$).

Implementation và kết quả

Quy trình xử lý và Thuật toán phân tích

Toàn bộ quy trình xử lý dữ liệu định lượng được thực hiện qua 4 giai đoạn logic khép kín:

  1. Làm sạch dữ liệu (Data Cleaning): Xử lý missing values và loại bỏ outliers dựa trên điểm $Z$-score ($|Z| \le 3.0$).
  2. Kiểm định độ tin cậy thang đo (Reliability Analysis): Tính toán hệ số Cronbach's Alpha ($\alpha$) và tương quan biến - tổng (Corrected Item-Total Correlation $\ge 0.3$).
  3. Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA): Trích xuất nhân tố bằng phương pháp Principal Axis Factoring cùng phép xoay vuông góc Varimax Rotation.
  4. Mô hình hóa hồi quy tuyến tính OLS (Ordinary Least Squares): Đánh giá tác động tương quan và kiểm định đa cộng tuyến qua hệ số phóng đại phương sai (Variance Inflation Factor - VIF).
import numpy as np
import pandas as pd
from factor_analyzer import FactorAnalyzer
from factor_analyzer.factor_analyzer import calculate_kmo, calculate_bartlett_sphericity
import statsmodels.api as sm

def analyze_cskh_service_quality(df_survey):
    """
    Pipeline tự động phân tích Cronbach's Alpha, EFA và Hồi quy OLS cho dữ liệu CSKH.
    Độ phức tạp thuật toán EFA: O(N * p^2) với N là cỡ mẫu, p là số biến.
    """
    # 1. Kiểm tra điều kiện trích xuất EFA
    chi2, p_bartlett = calculate_bartlett_sphericity(df_survey)
    kmo_per_variable, kmo_total = calculate_kmo(df_survey)
    
    print(f"KMO Measure: {kmo_total:.4f} | Bartlett p-value: {p_bartlett:.4e}")
    assert kmo_total >= 0.5 and p_bartlett < 0.05, "Dữ liệu không thỏa điều kiện phân tích EFA"

    # 2. Khởi tạo và thực thi EFA (Principal Axis Factoring, Varimax)
    fa = FactorAnalyzer(n_factors=5, method='principal', rotation='varimax')
    fa.fit(df_survey)
    loadings = fa.loadings_
    ev, v = fa.get_eigenvalues()
    
    # 3. Phân tích hồi quy OLS
    X = df_survey[['TANG', 'REL', 'RESP', 'ASSUR', 'EMP']]
    X = sm.add_constant(X)
    y = df_survey['SATISFACTION']
    ols_model = sm.OLS(y, X).fit()
    
    return loadings, ev, ols_model.summary()

Kiểm định chất lượng thang đo và Kết quả phân tích EFA

Kết quả kiểm định độ tin cậy Cronbach's Alpha biến độc lập và phụ thuộc

Thang đo nhân tố Ký hiệu Số biến quan sát Hệ số Cronbach's Alpha ($\alpha$) Tương quan biến - tổng nhỏ nhất Đánh giá chất lượng thang đo
Phương tiện hữu hình TANG 5 $0.842$ $0.581$ Rất tốt ($\alpha > 0.8$)
Mức độ tin cậy REL 5 $0.887$ $0.624$ Rất tốt ($\alpha > 0.8$)
Mức độ đáp ứng RESP 5 $0.819$ $0.540$ Rất tốt ($\alpha > 0.8$)
Năng lực phục vụ ASSUR 5 $0.865$ $0.602$ Rất tốt ($\alpha > 0.8$)
Mức độ đồng cảm EMP 5 $0.853$ $0.569$ Rất tốt ($\alpha > 0.8$)
Sự hài lòng chung SAT 3 $0.876$ $0.688$ Rất tốt ($\alpha > 0.8$)

Điều kiện chấp nhận: Hệ số Cronbach's Alpha $\alpha \ge 0.60$; Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0.30$. Không có biến rác nào bị loại khỏi mô hình ban đầu.

Kết quả phân tích nhân tố khám phá EFA

  • Hệ số KMO (Kaiser-Meyer-Olkin): Đạt $0.835$ ($0.5 \le \text{KMO} \le 1.0$), chứng minh kích thước mẫu hoàn toàn phù hợp cho phân tích nhân tố.
  • Kiểm định Bartlett's: Giá trị thống kê $\chi^2 = 1842.36$ với mức ý nghĩa $\text{Sig.} = 0.000 < 0.05$, bác bỏ giả thuyết các biến quan sát không có tương quan tuyến tính.
  • Trọng số nhân tố (Factor Loading): Tất cả 25 biến độc lập đều có Factor Loading dao động từ $0.584$ đến $0.832$ ($> 0.50$).
  • Tổng phương sai trích (Cumulative % of Variance): Đạt $66.48% > 50%$, khẳng định 5 nhân tố trích xuất giải thích được $66.48%$ biến thiên của dữ liệu khảo sát.
  • Giá trị Eigenvalue: Nhân tố thứ 5 có Eigenvalue $= 1.284 > 1.0$, xác nhận cấu trúc 5 nhóm nhân tố hội tụ rõ ràng.

Kết quả phân tích mô hình hồi quy tuyến tính

Mô hình hồi quy đa biến phản ánh mức độ ảnh hưởng của 5 thành phần chất lượng CSKH đến Sự hài lòng của khách hàng:

$$\text{SAT} = \beta_0 + \beta_1 \cdot \text{REL} + \beta_2 \cdot \text{EMP} + \beta_3 \cdot \text{RESP} + \beta_4 \cdot \text{ASSUR} + \beta_5 \cdot \text{TANG} + \epsilon$$

Biến độc lập Hệ số chưa chuẩn hóa ($B$) Sai số chuẩn (Std. Error) Hệ số chuẩn hóa ($\beta$) Giá trị $t$-test Mức ý nghĩa ($\text{Sig.}$) Hệ số phóng đại phương sai (VIF)
Hằng số (Constant) $0.214$ $0.118$ — $1.814$ $0.072$ —
Mức độ tin cậy (REL) $0.342$ $0.045$ $0.358$ $7.600$ $0.000$ $1.312$
Mức độ đồng cảm (EMP) $0.268$ $0.042$ $0.281$ $6.381$ $0.000$ $1.285$
Mức độ đáp ứng (RESP) $0.194$ $0.040$ $0.203$ $4.850$ $0.000$ $1.240$
Năng lực phục vụ (ASSUR) $0.156$ $0.038$ $0.162$ $4.105$ $0.000$ $1.298$
Phương tiện hữu hình (TANG) $0.112$ $0.035$ $0.119$ $3.200$ $0.002$ $1.186$
  • Hệ số xác định mô hình: $R^2 = 0.684$; $R^2$ hiệu chỉnh (Adjusted $R^2$) $= 0.673$, nghĩa là $67.3%$ sự thay đổi trong mức độ hài lòng của khách hàng được giải thích bởi 5 yếu tố trên.
  • Kiểm định ANOVA: Giá trị $F = 62.485$ với $\text{Sig.} = 0.000 < 0.01$, mô hình hồi quy hoàn toàn phù hợp với tổng thể.
  • Hiện tượng đa cộng tuyến: Tất cả hệ số $\text{VIF} < 2.0$ (thấp hơn nhiều so với ngưỡng vi phạm 10.0), khẳng định các biến độc lập không xảy ra đa cộng tuyến.

Thứ tự mức độ tác động chuẩn hóa ($\beta$):

  1. Mức độ tin cậy ($\beta = 0.358$)
  2. Mức độ đồng cảm ($\beta = 0.281$)
  3. Mức độ đáp ứng ($\beta = 0.203$)
  4. Năng lực phục vụ ($\beta = 0.162$)
  5. Phương tiện hữu hình ($\beta = 0.119$)

Đổi mới và đóng góp

So sánh đối sánh với các nghiên cứu thực nghiệm

Nghiên cứu so sánh Bối cảnh khảo sát Khung phương pháp Phát hiện cốt lõi & Khác biệt
Khóa luận này (Nguyễn Thị Nhi, 2022) Khách sạn Mường Thanh Grand Quảng Trị (4 sao) SERVPERF cải biên (5 nhân tố, $N=150$, SPSS 26) Giữ nguyên 5 nhân tố với $R^2 = 67.3%$; nhân tố Tin cậy ($\beta = 0.358$) và Đồng cảm ($\beta = 0.281$) chiếm ưu thế quyết định.
Trần Thị My My (2021) Vinpearl Hotel Huế (5 sao quốc tế) SERVPERF (22 biến quan sát, SPSS) Loại biến "Phương tiện hữu hình" trong phân tích hồi quy do không đạt ý nghĩa thống kê ($p > 0.05$).
Lê Hoàng Thảo My (2018) Công ty CP HG Huế (Dịch vụ Lữ hành) Mô hình chất lượng dịch vụ du lịch 5 nhân tố bao gồm "Chính sách CSKH" riêng biệt; phản ánh tính chất thương mại dịch vụ tour.
Lê Ngọc Kim Hoa (2019) VNPT Tiền Giang (Dịch vụ Viễn thông) SERVPERF trong B2B/B2C viễn thông Nhấn mạnh hạ tầng kỹ thuật và giải quyết khiếu nại tập trung qua tổng đài Contact Center.

Đóng góp học thuật và Thực tiễn quản trị

  • Về lý luận: Khẳng định tính tương thích vượt trội của thang đo SERVPERF trong ngành khách sạn tại thị trường địa phương đang phát triển; chứng minh phương tiện hữu hình chỉ đóng vai trò điều kiện cần ($\beta = 0.119$), trong khi chất lượng tương tác và độ tin cậy cam kết là động lực cốt lõi tạo sự trung thành.
  • Về ứng dụng thực tế: Cung cấp bộ chỉ số đo lường chi tiết 25 tiêu chí định lượng cho ban giám đốc khách sạn, giúp chuyển dịch phương thức CSKH từ phản ứng bị động sang quản trị trải nghiệm chủ động (Proactive Experience Management).

Ứng dụng thực tế và triển khai

Bộ giải pháp can thiệp giai đoạn 2022–2026

                                LỘ TRÌNH TRIỂN KHAI GIẢI PHÁP
                                
      2022: GIAI ĐOẠN NỀN TẢNG
      
      2023 - 2024: TỐI ƯU HÓA QUY TRÌNH
      
      2025 - 2026: SỐ HÓA TOÀN DIỆN
  1. Hoàn thiện Mức độ Tin cậy (Trọng số $\beta = 0.358$):
    • Thiết lập chuẩn cam kết dịch vụ (Service Level Agreement - SLA): Xử lý phản hồi buồng phòng trong tối đa 15 phút từ khi tiếp nhận.
    • Đồng bộ giá và thông tin chương trình khuyến mãi thực tế với các nền tảng OTA, loại bỏ hoàn toàn hiện tượng lệch giá phòng hoặc hủy đặt phòng không báo trước.
  2. Nâng cao Mức độ Đồng cảm (Trọng số $\beta = 0.281$):
    • Ứng dụng phân khúc cơ sở dữ liệu khách hàng thân thiết (Loyalty Guest Profile): Tự động nhắc nhở sở thích ẩm thực, loại phòng ưa chuộng và ngày kỷ niệm của khách thương gia.
    • Xây dựng chính sách ưu đãi linh hoạt cho khách hàng quay lại (miễn phí nâng hạng phòng khi còn trống, early check-in).
  3. Cải tiến Mức độ Đáp ứng (Trọng số $\beta = 0.203$):
    • Tối ưu hóa luồng giao tiếp liên bộ phận qua phần mềm quản lý khách sạn tập trung (PMS Smile/Opera).
    • Thiết lập kênh tiếp nhận Hotline CSKH 24/7 và ứng dụng Zalo Official Account tích hợp trả lời tự động.
  4. Nâng cao Năng lực Phục vụ (Trọng số $\beta = 0.162$):
    • Tổ chức đào tạo định kỳ 40 giờ/năm cho nhân viên tuyến đầu về kỹ năng xử lý tình huống khó tính và ngoại ngữ chuyên ngành.
  5. Duy trì Cơ sở Vật chất Hữu hình (Trọng số $\beta = 0.119$):
    • Bảo trì dự phòng hệ thống trang thiết bị phòng tắm, đường truyền Wi-Fi và bảng chỉ dẫn song ngữ trong khuôn viên.

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

  • Chi phí triển khai ước tính: 180.000.000 VNĐ cho năm đầu tiên (Đào tạo nhân sự: 35%, Nâng cấp công cụ CRM & truyền thông: 45%, Quà tặng tri ân cá nhân hóa: 20%).
  • Lợi ích dự phóng:
    • Tăng tỷ lệ khách hàng quay lại (Customer Retention Rate) thêm 12% sau 12 tháng.
    • Cải thiện điểm đánh giá trung bình trên Booking.com/Agoda từ 8.1 lên 8.8/10.
    • Điểm hòa vốn đạt được sau 7 tháng triển khai nhờ doanh thu bán buồng bổ sung và giảm chi phí chiết khấu đại lý.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và Dữ liệu

  • Mẫu khảo sát $N=150$ được thu thập theo phương pháp thuận tiện trong giai đoạn chịu tác động của dịch bệnh, dẫn đến tỷ lệ khách quốc tế chưa phản ánh đầy đủ tiềm năng du lịch dài hạn của khu vực.
  • Mô hình hồi quy OLS giả định mối quan hệ tuyến tính, chưa kiểm soát các biến ngoại lai như biến động mùa vụ du lịch hay thay đổi giá phòng cục bộ.

Hướng nghiên cứu và Ứng dụng tương lai

  • Ứng dụng mô hình Phương trình Cấu trúc Tuyến tính (Structural Equation Modeling - SEM) để kiểm tra các mối quan hệ trung gian phức tạp giữa Chất lượng CSKH $\rightarrow$ Giá trị cảm nhận $\rightarrow$ Sự hài lòng $\rightarrow$ Lòng trung thành.
  • Tích hợp công nghệ AI Phân tích Cảm xúc (Sentiment Analysis) tự động trên các đánh giá trực tuyến (Online Reviews) từ TripAdvisor, Google Maps và OTA để giám sát phản hồi theo thời gian thực.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành: Nắm bắt phương pháp luận nghiên cứu định lượng chuẩn mực, cách áp dụng thang đo SERVPERF và quy trình chạy SPSS/EFA/Regression thực tế.
  • Bộ phận Vận hành & Ban Giám đốc Khách sạn: Sở hữu bộ khung 25 chỉ số đánh giá định lượng để tái cấu trúc quy trình CSKH và phân bổ ngân sách đào tạo chuẩn xác.
  • Kỹ sư Hệ thống & Quản trị dữ liệu: Có cấu trúc bảng dữ liệu (schema) và thuật toán xử lý tự động để tích hợp công cụ phân tích trải nghiệm vào PMS của khách sạn.
  • Nhà nghiên cứu dịch vụ: Bổ sung dữ liệu thực nghiệm về hành vi tiêu dùng khách sạn tại thị trường ven đô và hành lang kinh tế khu vực miền Trung.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai hệ thống khảo sát định lượng định kỳ là gì?

Cần máy chủ nội bộ hoặc Cloud chạy Python 3.8+ (với các thư viện pandas, statsmodels, factor_analyzer) hoặc cài đặt IBM SPSS Statistics v22.0 trở lên; hệ thống biểu mẫu Google Workspace/Microsoft Forms có hỗ trợ Webhook đẩy dữ liệu về SQL Server/MySQL.

2. Vì sao mô hình chọn SERVPERF thay vì mô hình SERVQUAL truyền thống?

SERVPERF chỉ đo lường điểm cảm nhận thực tế ($P$), giúp giảm 50% số lượng câu hỏi so với SERVQUAL ($P - E$), tránh gây mệt mỏi cho người trả lời và mang lại độ tin cậy phương sai giải thích ($R^2$) cao hơn trong ngành dịch vụ khách sạn.

3. Làm thế nào để tích hợp quy trình CSKH mới vào hệ thống quản lý khách sạn hiện có?

Tích hợp trực tiếp các trường thông tin ghi chú đặc biệt (Guest Preferences) vào hồ sơ khách hàng trên PMS (như Smile Hotel Management hay Opera Cloud), cho phép nhân viên lễ tân và buồng phòng truy xuất tức thì lịch sử lưu trú khi làm thủ tục check-in.

4. Chi phí duy trì hệ thống kiểm soát chất lượng CSKH hàng năm là bao nhiêu?

Chi phí vận hành định kỳ chiếm khoảng 1.5% đến 2.5% tổng chi phí vận hành hàng năm của khách sạn, chủ yếu dành cho công tác đào tạo nhân sự nội bộ và phần mềm khảo sát tự động.

5. Thời gian thu hồi vốn (ROI) của dự án cải tiến dịch vụ CSKH là bao lâu?

Theo mô hình ước tính với tốc độ tăng trưởng khách hàng trung thành 8–12%/năm, thời gian hoàn vốn đầu tư dao động từ 6 đến 9 tháng nhờ việc tăng doanh thu phòng trung bình (ADR) và tối ưu hóa RevPAR (Doanh thu trên mỗi phòng sẵn có).

Kết luận

Đồ án khóa luận đã giải quyết thành công bài toán lượng hóa chất lượng dịch vụ chăm sóc khách hàng tại Khách sạn Mường Thanh Grand Quảng Trị thông qua việc áp dụng chuẩn mực mô hình SERVPERF và phương pháp phân tích đa biến trên tập dữ liệu $N=150$. Kết quả nghiên cứu chứng minh độ tin cậy cam kết và sự đồng cảm là hai trụ cột có sức ảnh hưởng mạnh nhất đến sự hài lòng của khách hàng ($\beta = 0.358$ và $\beta = 0.281$, $p < 0.001$). Hệ thống giải pháp đề xuất không chỉ mang lại giá trị học thuật cao về phương pháp nghiên cứu ứng dụng mà còn cung cấp cẩm nang thực thi cụ thể cho doanh nghiệp lưu trú nhằm phục hồi doanh thu, gia tăng chỉ số trung thành và nâng cao năng lực cạnh tranh trong kỷ nguyên số hóa dịch vụ.