Giới thiệu dự án

Ngành du lịch Việt Nam trong giai đoạn 2017–2019 chứng kiến sự tăng trưởng vượt bậc với mức tăng trưởng khách nội địa bình quân đạt 10,2%/năm. Tuy nhiên, làn sóng dịch bệnh và sự chuyển dịch trong hành vi tiêu dùng đặt các doanh nghiệp lữ hành trước bài toán cạnh tranh gay gắt về chất lượng dịch vụ (Service Quality - ServQual). Tại Thừa Thiên Huế, mặc dù sở hữu hệ thống di sản văn hóa thế giới cùng danh lam thắng cảnh đa dạng (Vườn Quốc gia Bạch Mã, Vịnh Lăng Cô, phá Tam Giang), các doanh nghiệp lữ hành địa phương vẫn đối mặt với thực trạng doanh thu lữ hành nội địa suy giảm, chưa khai thác tối đa tiềm năng thị trường so với mảng tour quốc tế.

Nghiên cứu tập trung giải quyết bài toán: Nâng cao chất lượng dịch vụ lữ hành nội địa tại Công ty TNHH Lữ hành Global (Global Travel). Doanh nghiệp được thành lập từ năm 2009 tại Thừa Thiên Huế, hoạt động đa ngành trong mảng tour nội địa, tour quốc tế, xuất khẩu lao động và truyền thông sự kiện. Mặc dù sở hữu thương hiệu uy tín, chất lượng tour nội địa của công ty còn bộc lộ nhiều điểm nghẽn khiến tỷ trọng đóng góp doanh thu chưa tương xứng.

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Hệ thống hóa cơ sở lý luận về quản trị chất lượng dịch vụ lữ hành dựa trên hai khung mô hình chuẩn hóa: SERVQUAL (Parasuraman et al., 1988) và SERVPERF (Cronin & Taylor, 1992).
  2. Đo lường, phân tích các nhân tố cấu thành chất lượng dịch vụ tác động đến sự hài lòng của du khách nội địa tại Global Travel thông qua phương pháp định lượng.
  3. Kiểm định độ tin cậy thang đo (Cronbach's Alpha), phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA) và phân tích hồi quy đa biến OLS (Ordinary Least Squares).
  4. Thiết lập hệ thống giải pháp thực thi đồng bộ giai đoạn 2021–2025 nhằm tối ưu hóa các điểm tiếp xúc dịch vụ (Service Touchpoints), nâng cao chỉ số thỏa mãn khách hàng ($CSI \ge 85%$).

Phạm vi nghiên cứu: Khảo sát du khách đã trải nghiệm dịch vụ lữ hành nội địa của Global Travel từ tháng 10/2020 đến tháng 01/2021; dữ liệu thứ cấp được trích xuất giai đoạn 2017–2019. Giới hạn nghiên cứu tập trung vào dịch vụ tour trọn gói và tour chuyên đề tại khu vực miền Trung.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại Global Travel, mô hình đánh giá chất lượng truyền thống dựa trên mẫu khảo sát giấy sau tour bộc lộ nhiều nhược điểm: tỷ lệ phản hồi thấp ($< 30%$), độ trễ xử lý thông tin từ 7–14 ngày, và thiếu mô hình định lượng chuẩn xác để phân bổ ngân sách cải tiến.

Tiêu chí Khảo sát truyền thống (Giấy / Gọi điện) Mô hình SERVPERF Định lượng Hóa
Độ tin cậy dữ liệu Thấp, dễ sai lệch cảm tính Cao, kiểm định qua Cronbach's Alpha & EFA
Thời gian tổng hợp 7–15 ngày làm việc Xử lý tập trung qua Pipeline dữ liệu SPSS/Python
Khả năng dự báo Định tính, không có trọng số cụ thể Mô hình hóa hàm hồi quy dự báo mức độ hài lòng ($R^2$)
Chi phí vận hành Tốn kém nhân lực tổng hợp thủ công Tự động hóa bảng hỏi trực tuyến & phân tích theo lô

Mô hình yêu cầu hệ thống quản trị chất lượng theo phương pháp MoSCoW:

  • Must have: Bộ thang đo 5 nhân tố với 20 biến quan sát chuẩn hóa Likert 5 mức độ; quy trình kiểm định Cronbach's Alpha ($\alpha \ge 0.70$) và kiểm định đa cộng tuyến ($VIF < 2.0$).
  • Should have: Dashboard thống kê phân bố nhân khẩu học khách hàng (độ tuổi, thu nhập, hành vi đặt tour) phục vụ phân khúc thị trường.
  • Could have: Module tích hợp trực tiếp API khảo sát vào hệ sinh thái CRM của doanh nghiệp.
  • Won't have: Hệ thống tự động phân tích cảm xúc thời gian thực (Real-time NLP Sentiment Analysis) trong giai đoạn khảo sát ban đầu.

Thiết kế hệ thống

Mô hình nghiên cứu kế thừa khung lý thuyết SERVPERF, xây dựng trên 5 trụ cột đo lường tác động đến Biến phụ thuộc Sự hài lòng của khách hàng (Satisfaction - SAT):

  • Độ tin cậy (Reliability - REL): 4 biến quan sát (thực hiện đúng cam kết, chuẩn xác thời gian, không xảy ra sai sót).
  • Khả năng đáp ứng (Responsiveness - RES): 4 biến quan sát (phục vụ nhanh chóng, hỗ trợ nhiệt tình, không để khách chờ).
  • Năng lực phục vụ (Assurance - ASS): 4 biến quan sát (trình độ chuyên môn hướng dẫn viên, giao tiếp lịch sự, tạo cảm giác an toàn).
  • Sự đồng cảm (Empathy - EMP): 4 biến quan sát (chăm sóc cá nhân hóa, thấu hiểu nhu cầu đặc thù, khung giờ giao dịch thuận tiện).
  • Phương tiện hữu hình (Tangibles - TAN): 4 biến quan sát (cơ sở vật chất, trang phục nhân viên, hệ thống thanh toán, trụ sở giao dịch).
graph TD
    subgraph Data_Collection ["Thu Thập Dữ Liệu"]
        A1[Khảo sát cấu trúc N=120] --> B1[Lọc dữ liệu & Làm sạch]
    end

    subgraph Analytical_Engine ["Hệ Thống Phân Tích Dữ Liệu"]
        B1 --> C1["Kiểm định Cronbach's Alpha (Reliability Analysis)"]
        C1 --> C2["Phân tích nhân tố khám phá EFA (KMO, Bartlett, Varimax)"]
        C2 --> C3["Phân tích tương quan Pearson"]
        C3 --> C4["Hồi quy tuyến tính đa biến OLS (R-squared, ANOVA, VIF)"]
    end

    subgraph Decision_Support ["Quyết Định Quản Trị"]
        C4 --> D1[Xác định trọng số Beta chuẩn hóa]
        D1 --> D2[Tối ưu hóa phân bổ nguồn lực vận hành]
        D2 --> D3[Kiểm soát chất lượng SLA & KPI nhân sự]
    end

Technology Stack & Specification:

  • Thống kê chuyên sâu: IBM SPSS Statistics v20.0 / Python 3.10 (thư viện pandas v2.1.0, scikit-learn v1.3.0, statsmodels v0.14.0, pingouin v0.5.3).
  • Cơ sở dữ liệu lưu trữ: PostgreSQL v15.2 (quản lý bảng khảo sát, hồ sơ khách hàng, chỉ số hài lòng).
  • Kiến trúc dữ liệu: Data Pipeline chuẩn hóa chuẩn CRISP-DM (Cross-Industry Standard Process for Data Mining).
  • An toàn thông tin: Chuẩn mã hóa dữ liệu cá nhân AES-256, ẩn danh hóa thông tin định danh (PII Anonymization).

Methodology

Mô hình toán học hồi quy tuyến tính được xác lập như sau:

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

Quy trình bảo đảm chất lượng phân tích dữ liệu tuân thủ các ngưỡng thống kê chuẩn:

  1. Kiểm định độ tin cậy thang đo: Hệ số tương quan biến - tổng ($Corrected\ Item\text{-}Total\ Correlation) \ge 0.30$; hệ số Cronbach's Alpha $\ge 0.60$ (chuẩn chấp nhận) và tối ưu khi $\ge 0.70$.
  2. Kiểm định EFA: Hệ số $0.5 \le KMO \le 1.0$; Kiểm định Bartlett có ý nghĩa thống kê ($p\text{-value} < 0.05$); Giá trị Eigenvalue $\ge 1.0$; Tổng phương sai trích ($Total\ Variance\ Explained) \ge 50%$; Trọng số nhân tố ($Factor\ Loading) \ge 0.50$.
  3. Kiểm định mô hình hồi quy: Kiểm tra hiện tượng đa cộng tuyến qua hệ số phóng đại phương sai $VIF < 2.0$; Tự tương quan qua kiểm định Durbin-Watson ($1.5 < d < 2.5$); Phân phối chuẩn của phần dư qua biểu đồ Histogram và Normal P-P Plot.

Implementation và kết quả

Development process

Quá trình xử lý dữ liệu và xây dựng mô hình định lượng được triển khai qua 4 giai đoạn logic:

  Giai đoạn 1: Chuẩn bị          Giai đoạn 2: Đo lường          Giai đoạn 3: Phân tích         Giai đoạn 4: Hoàn thiện

Dưới đây là module Python tái hiện thuật toán kiểm định Cronbach's Alpha, phân tích nhân tố khám phá EFA và hồi quy OLS phục vụ xử lý tập dữ liệu khảo sát chất lượng dịch vụ:

import numpy as np
import pandas as pd
import statsmodels.api as sm
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)
    n_items = df_items.shape[1]
    if total_var == 0 or n_items <= 1:
        return 0.0
    alpha = (n_items / (n_items - 1)) * (1 - (item_vars.sum() / total_var))
    return float(alpha)

def run_service_quality_pipeline(data_path: str):
    """Quy trình tự động xử lý và ước lượng mô hình chất lượng dịch vụ."""
    df = pd.read_csv(data_path)
    
    # 1. Định nghĩa các nhóm biến theo mô hình SERVPERF
    factor_groups = {
        'REL': ['REL1', 'REL2', 'REL3', 'REL4'],
        'RES': ['RES1', 'RES2', 'RES3', 'RES4'],
        'ASS': ['ASS1', 'ASS2', 'ASS3', 'ASS4'],
        'EMP': ['EMP1', 'EMP2', 'EMP3', 'EMP4'],
        'TAN': ['TAN1', 'TAN2', 'TAN3', 'TAN4']
    }
    
    # 2. Kiểm định Cronbach's Alpha từng nhóm
    alpha_results = {}
    for group_name, cols in factor_groups.items():
        alpha_val = calculate_cronbach_alpha(df[cols])
        alpha_results[group_name] = alpha_val
        print(f"Cronbach's Alpha [{group_name}]: {alpha_val:.4f} - "
              f"{'Đạt chuẩn' if alpha_val >= 0.7 else 'Cần xem xét'}")
        
    # 3. Kiểm định KMO và Bartlett's Test
    all_indep_cols = [col for sublist in factor_groups.values() for col in sublist]
    chi_square_value, p_value = calculate_bartlett_sphericity(df[all_indep_cols])
    kmo_all, kmo_model = calculate_kmo(df[all_indep_cols])
    print(f"\nKMO Measure: {kmo_model:.4f} | Bartlett p-value: {p_value:.4e}")
    
    # 4. Trích xuất nhân tố EFA (Principal Component Analysis với phép xoay Varimax)
    fa = FactorAnalyzer(n_factors=5, rotation="varimax", method="principal")
    fa.fit(df[all_indep_cols])
    
    # 5. Hồi quy tuyến tính đa biến OLS
    for group, cols in factor_groups.items():
        df[f'F_{group}'] = df[cols].mean(axis=1)
    df['F_SAT'] = df[['SAT1', 'SAT2', 'SAT3']].mean(axis=1)
    
    X = sm.add_constant(df[['F_REL', 'F_RES', 'F_ASS', 'F_EMP', 'F_TAN']])
    y = df['F_SAT']
    ols_model = sm.OLS(y, X).fit()
    
    print("\n" + "="*50)
    print("KẾT QUẢ HỒI QUY ĐA BIẾN (OLS REGRESSION)")
    print("="*50)
    print(ols_model.summary())
    return ols_model

if __name__ == "__main__":
    # Pipeline sẵn sàng thực thi với bộ dữ liệu N=120 quan sát
    pass

Testing và validation

Kết quả phân tích thống kê chi tiết trên mẫu điều tra chính thức $N = 120$ khách hàng nội địa tại Global Travel:

Nhóm nhân tố Số biến quan sát Cronbach's Alpha ($\alpha$) Corrected Item-Total Min KMO Index Phương sai trích (%)
Sự tin cậy (REL) 4 0.842 0.612 0.798 68.42%
Khả năng đáp ứng (RES) 4 0.815 0.584 0.765 64.18%
Năng lực phục vụ (ASS) 4 0.863 0.645 0.821 71.55%
Sự đồng cảm (EMP) 4 0.789 0.521 0.743 61.20%
Phương tiện hữu hình (TAN) 4 0.804 0.550 0.782 63.80%
Sự hài lòng (SAT - Biến phụ thuộc) 3 0.856 0.672 0.810 73.12%

Kiểm định EFA Biến độc lập: Hệ số $KMO = 0.835$ ($0.5 \le KMO \le 1.0$), kiểm định Bartlett đạt $\chi^2 = 1420.56$ với mức ý nghĩa $Sig. = 0.000 < 0.05$. Tổng phương sai trích đạt $65.83% > 50%$, giá trị Eigenvalue tại nhân tố thứ 5 đạt $1.248 \ge 1.0$. Tất cả 20 biến quan sát đều có trọng số nhân tố $Factor\ Loading > 0.55$, hội tụ chuẩn xác vào 5 nhân tố không bị xáo trộn.

Phân phối Tần số Phần dư Chuẩn hóa (Regression Standardized Residual)
Tần số (Frequency)
       -3      -2      -1       0       1       2       3   (Độ lệch chuẩn Std. Dev)
       [Mean = -1.24e-15, Std. Dev = 0.979, N = 120] -> Phân phối chuẩn hoàn hảo

Kết quả đạt được

Phương trình hồi quy đa biến chưa chuẩn hóa và chuẩn hóa được xác lập:

$$SAT = 0.412 + 0.315 \cdot REL + 0.228 \cdot ASS + 0.194 \cdot TAN + 0.156 \cdot RES + 0.118 \cdot EMP$$

  • Hệ số xác định $R^2 = 0.648$, $R^2\text{ hiệu chỉnh} = 0.632$. Mô hình giải thích được $63.2%$ sự biến thiên của mức độ hài lòng của du khách.
  • Kiểm định $F = 41.85$ với $Sig. = 0.000$, chứng minh mô hình hồi quy tuyến tính hoàn toàn phù hợp với dữ liệu tổng thể.
  • Hệ số $VIF$ của tất cả các biến độc lập nằm trong khoảng từ $1.125$ đến $1.412$ ($< 2.0$), khẳng định không có hiện tượng đa cộng tuyến.
  • Hệ số Durbin-Watson đạt $d = 1.874$, nằm trong khoảng $[1.5, 2.5]$, loại trừ nguy cơ tự tương quan chuỗi bậc nhất.
  • Trọng số Beta chuẩn hóa chỉ ra thứ tự mức độ tác động giảm dần: Sự tin cậy ($\beta = 0.332$) > Năng lực phục vụ ($\beta = 0.245$) > Phương tiện hữu hình ($\beta = 0.201$) > Khả năng đáp ứng ($\beta = 0.168$) > Sự đồng cảm ($\beta = 0.124$).

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp rõ nét cả về mặt học thuật ứng dụng và thực tiễn quản trị doanh nghiệp:

Đặc tính / Chỉ số Mô hình Nguyễn Thị Hoàng Anh (2019) Mô hình Trần Hải Lâm (2019) Mô hình Nghiên cứu tại Global Travel (2021)
Đối tượng nghiên cứu Du lịch cộng đồng Cù lao Thới Sơn Khách sạn du lịch Sài Gòn Quảng Bình Doanh nghiệp lữ hành tour nội địa Global Travel
Khung mô hình SERVQUAL 6 thành phần (thêm Giá cả) SERVQUAL 5 thành phần SERVPERF 5 thành phần tối ưu hóa biến quan sát
Cỡ mẫu & Kỹ thuật $N=150$, Thống kê mô tả $N=100$, EFA $N=120$, EFA + Hồi quy OLS + Kiểm định VIF & Durbin-Watson
Hệ số giải thích ($R^2$) Không kiểm định hồi quy OLS $R^2 = 0.582$ $R^2 = 0.648$ ($64.8%$ biến thiên được giải thích)
Đóng góp ứng dụng Đề xuất giải pháp hạ tầng du lịch Cải thiện phòng ốc lưu trú Xây dựng bộ quy chuẩn SLA 5 chiều cho toàn bộ đội ngũ điều hành tour

Các cải tiến cốt lõi:

  1. Lượng hóa chính xác điểm nghẽn: Xác định chiều biến Sự tin cậy đóng góp tỷ trọng cao nhất ($33.2%$), giúp Global Travel chấm dứt tình trạng dàn trải ngân sách cải tiến không hiệu quả.
  2. Khung quy chuẩn dịch vụ lữ hành số: Chuyển đổi toàn bộ thang đo định tính thành chỉ số đánh giá hiệu suất (KPI) cho từng bộ phận: Sales, Điều hành tour, Hướng dẫn viên.
  3. Mô hình định vị thị trường ngách: Tích hợp dữ liệu đặc điểm hành vi khách hàng (nhóm gia đình, tour trải nghiệm sinh thái đầm phá Tam Giang - Cầu Hai, suối thác) để thiết kế sản phẩm đặc thù.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế (Use Cases)

  • Use Case 1: Quản trị chất lượng hành trình Tour Miền Trung (Huế - Đà Nẵng - Hội An): Tự động gửi đường link khảo sát đa kênh (SMS/Zalo OA) sau khi kết thúc chặng; kích hoạt quy trình phản hồi khẩn cấp nếu điểm đánh giá Sự tin cậy hoặc Năng lực phục vụ $< 3.5/5.0$.
  • Use Case 2: Kiểm soát chất lượng đối tác cung ứng (Khách sạn, Nhà hàng, Nhà xe): Dữ liệu đánh giá của khách hàng về Phương tiện hữu hình được lượng hóa thành bảng xếp hạng nhà cung cấp định kỳ hàng quý.
Lộ trình Triển khai Giải pháp Nâng cao Chất lượng Dịch vụ (2021 - 2025)
2021 (Nền tảng):
2022 - 2023 (Tối ưu hóa):
2024 - 2025 (Mở rộng & Bứt phá):

Phân tích Hiệu quả Tài chính & ROI

  • Chi phí triển khai ước tính giai đoạn 2021–2023: 180.000.000 VNĐ (Bao gồm: Đào tạo định kỳ kỹ năng mềm cho HDV: 50 triệu; Cải tạo không gian tiếp khách & hệ thống POS: 60 triệu; Nâng cấp website & quy trình số hóa: 70 triệu).
  • Lợi ích dự kiến: Tăng tỷ lệ khách hàng quay lại (Retention Rate) từ $18%$ lên $35%$; giảm tỷ lệ khiếu nại dịch vụ xuống dưới $2%$; tăng trưởng doanh thu lữ hành nội địa dự kiến đạt $22 - 28%$/năm sau khi phục hồi sau đại dịch.
  • Thời gian hoàn vốn (Payback Period): Ước tính đạt 14 tháng kể từ thời điểm vận hành toàn diện hệ thống quản trị chất lượng.

Hạn chế và hướng phát triển

Nghiên cứu thẳng thắn nhìn nhận các hạn chế học thuật và thực tiễn:

  1. Phương pháp chọn mẫu: Kỹ thuật lấy mẫu thuận tiện ($Convenience\ Sampling$) với kích thước $N = 120$ tuy thỏa mãn yêu cầu tối thiểu của Hair et al. (1998) ($N \ge 5 \times 20 = 100$), nhưng tính đại diện tổng thể chưa đạt mức tối ưu so với phương pháp lấy mẫu ngẫu nhiên phân tầng ($Stratified\ Random\ Sampling$).
  2. Không gian và thời gian: Nghiên cứu được thu thập trong bối cảnh thị trường du lịch chịu ảnh hưởng bởi đại dịch COVID-19, tâm lý du khách có xu hướng ưu tiên yếu tố an toàn và khoảng cách hơn các điều kiện thông thường.
  3. Mô hình định lượng: Chưa đưa biến điều tiết (Moderating Variables) như thu nhập, độ tuổi, tần suất du lịch vào mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling).

Hướng nghiên cứu phát triển tiếp theo:

  • Ứng dụng mô hình phân tích cấu trúc tuyến tính PLS-SEM để đánh giá mối quan hệ đa chiều giữa Hình ảnh thương hiệu, Chất lượng dịch vụ cảm nhận, Giá cả cảm nhận và Ý định hành vi (Lòng trung thành thương hiệu).
  • Xây dựng hệ thống Customer Data Platform (CDP) ứng dụng học máy để phân loại khách hàng tiềm năng và tự động hóa cá nhân hóa dịch vụ.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học ngành Quản trị Kinh doanh / Du lịch: Cung cấp mẫu hình nghiên cứu định lượng chuẩn mực từ cơ sở lý luận, thiết kế thang đo, quy trình xử lý SPSS/Python đến phân tích kết quả hồi quy.
  • Lãnh đạo & Quản lý Doanh nghiệp Lữ hành: Sở hữu bộ công cụ chẩn đoán sức khỏe dịch vụ và phương pháp phân bổ ngân sách tối ưu dựa trên trọng số tác động của từng nhân tố chất lượng.
  • Đội ngũ Điều hành & Hướng dẫn viên: Nhận thức rõ ràng các tiêu chuẩn tiếp xúc khách hàng, nâng cao năng lực phục vụ và kỹ năng xử lý tình huống thực tế.
  • Cơ quan Quản lý Nhà nước (Sở Du lịch Thừa Thiên Huế): Cung cấp luận cứ thực tiễn để hoạch định chính sách xúc tiến điểm đến, kích cầu du lịch di sản và chuẩn hóa chất lượng lữ hành địa phương.

Câu hỏi thường gặp

1. Yêu cầu hệ thống và kỹ thuật để triển khai mô hình đánh giá chất lượng dịch vụ này là gì?

Hệ thống yêu cầu máy chủ phân tích dữ liệu cơ bản cài đặt Python 3.8+ hoặc phần mềm IBM SPSS Statistics (từ bản 20.0). Bảng hỏi khảo sát có thể triển khai qua Google Forms, KoboToolbox hoặc tích hợp trực tiếp vào hệ thống website công ty qua REST API với cơ sở dữ liệu PostgreSQL/MySQL.

2. Mô hình có thể mở rộng (Scalability) khi quy mô khách hàng tăng từ hàng trăm lên hàng chục nghìn lượt không?

Hoàn toàn khả thi. Khi số lượng mẫu tăng lên ($N > 1.000$), quy trình xử lý bằng Python (pandas, scikit-learn, statsmodels) có thể chuyển đổi thành các tác vụ xử lý tự động theo lô (Batch Processing) chạy trên nền tảng đám mây (AWS/GCP), xuất trực tiếp báo cáo phân tích tương quan và cảnh báo chất lượng theo thời gian thực.

3. Làm thế nào để tích hợp bộ thang đo này vào hệ sinh thái CRM hiện có của doanh nghiệp?

Dữ liệu điểm chạm (Touchpoints) từ bộ thang đo 20 biến quan sát có thể được cấu hình thành các trường dữ liệu tùy chỉnh (Custom Fields) trong các hệ thống CRM phổ biến (HubSpot, Salesforce, Zoho). Điểm đánh giá của khách hàng sau mỗi tour sẽ tự động cập nhật vào hồ sơ khách hàng để kích hoạt các kịch bản chăm sóc tương ứng.

4. Chi phí duy trì và quản trị định kỳ hệ thống khảo sát định lượng là bao nhiêu?

Chi phí vận hành định kỳ rất thấp, ước tính khoảng 1.500.000 – 3.000.000 VNĐ/tháng (chủ yếu là chi phí duy trì máy chủ, cổng SMS/Zalo gửi link khảo sát và chi phí quà tặng tri ân khách hàng tham gia đánh giá).

5. Tại sao nhân tố "Sự tin cậy" lại có trọng số tác động cao nhất ($\beta = 0.332$) đối với du khách nội địa?

Trong hoạt động lữ hành, dịch vụ có tính vô hình và rủi ro cao. Khách hàng chi trả tiền trước khi trải nghiệm dịch vụ, do đó việc doanh nghiệp thực hiện chính xác các cam kết trong lịch trình, đảm bảo đúng giờ và an toàn tuyệt đối là điều kiện tiên quyết tạo dựng niềm tin và sự hài lòng bền vững.

Kết luận

Đồ án khóa luận tốt nghiệp của sinh viên Huỳnh Thế Khánh đã giải quyết thành công bài toán thực tiễn tại Công ty TNHH Lữ hành Global thông qua phương pháp tiếp cận định lượng chặt chẽ. Việc kết hợp khung lý thuyết SERVPERF với các kỹ thuật thống kê hiện đại (Cronbach's Alpha, EFA, Hồi quy OLS, kiểm định đa cộng tuyến và phân phối chuẩn phần dư) đã làm sáng tỏ cấu trúc tác động của 5 nhân tố chất lượng dịch vụ đến sự hài lòng của du khách nội địa.

Kết quả nghiên cứu cung cấp hệ thống giải pháp thực thi mang tính khả thi cao cho giai đoạn 2021–2025, tập trung đột phá vào nâng cao Sự tin cậy ($\beta = 0.332$) và Năng lực phục vụ ($\beta = 0.245$). Đây không chỉ là tài liệu học thuật giá trị cho sinh viên và nhà nghiên cứu kinh tế mà còn là cẩm nang hành động thực tế giúp Global Travel tối ưu hóa vận hành, phục hồi mạnh mẽ và khẳng định vị thế thương hiệu lữ hành hàng đầu tại miền Trung. Quý doanh nghiệp và bạn đọc quan tâm có thể áp dụng trực tiếp khung nghiên cứu và pipeline phân tích này để nâng tầm chất lượng dịch vụ cho đơn vị của mình.