Giới thiệu dự án

Trong bối cảnh toàn cầu hóa và cách mạng công nghiệp 4.0, ngành ngân hàng thương mại (NHTM) tại Việt Nam chứng kiến sự cạnh tranh khốc liệt giữa các định chế tài chính trong và ngoài nước. Theo báo cáo từ Ngân hàng Nhà nước (NHNN), xu hướng chuyển dịch từ các dịch vụ ngân hàng truyền thống (cho vay, bảo lãnh mang rủi ro tín dụng cao) sang các sản phẩm dịch vụ (SPDV) phi tín dụng và ngân hàng số đang trở thành yếu tố sống còn để tối ưu hóa tỷ lệ thu nhập ngoài lãi (Non-Interest Income). Tại Ngân hàng TMCP Quân đội (MB) – Chi nhánh Mỹ Đình, áp lực nâng cao chất lượng dịch vụ (CLDV) nhằm giữ chân khách hàng cá nhân (KHCN) và khách hàng doanh nghiệp (KHDN) tại khu vực trung tâm kinh tế phía Tây Hà Nội là vô cùng cấp thiết.

graph TD
    A[Kỳ vọng của Khách hàng - E] --> C{Khoảng cách CLDV SQ = P - E}
    B[Cảm nhận Thực tế - P] --> C
    C --> D[Mô hình SERVQUAL Mở rộng]
    D --> E1[Sự tin cậy - TC]
    D --> E2[Sự đáp ứng - DU]
    D --> E3[Sự đảm bảo - DB]
    D --> E4[Sự đồng cảm - DC]
    D --> E5[Phương tiện hữu hình - HH]
    D --> E6[Sự hấp dẫn SPDV - HD]
    E1 & E2 & E3 & E4 & E5 & E6 --> F[Sự hài lòng chung - HL]

Vấn đề nghiên cứu và Pain Points

Thực trạng hoạt động tại MB Mỹ Đình giai đoạn 2020–2022 bộc lộ một số hạn chế:

  • Thời gian chờ đợi xử lý thủ tục tại quầy vào giờ cao điểm còn kéo dài (trung bình 15–25 phút/giao dịch phức tạp).
  • Mức độ đồng bộ giữa nền tảng số (App MBBank) và trải nghiệm tại quầy (Omnichannel) chưa đạt mức tối ưu.
  • Sự am hiểu chuyên sâu và thái độ tư vấn của một bộ phận cán bộ nhân viên (CBNV) chưa đồng đều giữa các phòng giao dịch (PGD Mỹ Đình 1, PGD Đan Phượng, PGD Đông Đô).

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý luận về CLDV và các mô hình đo lường hiệu quả hoạt động dịch vụ tài chính ngân hàng.
  2. Thu thập dữ liệu thực nghiệm sơ cấp ($N = 157$ mẫu hợp lệ) và thứ cấp tại MB Chi nhánh Mỹ Đình giai đoạn 2020–2022.
  3. Xác định và lượng hóa mức độ tác động của 6 nhân tố cấu thành CLDV đến sự hài lòng chung của khách hàng thông qua mô hình kinh tế lượng.
  4. Đề xuất hệ thống 5 nhóm giải pháp chiến lược khả thi nhằm tối ưu hóa vận hành và gia tăng năng lực cạnh tranh cho MB Mỹ Đình.

Phương pháp tiếp cận và Phạm vi

Đề tài tích hợp mô hình khoảng cách chất lượng SERVQUAL (Parasuraman et al., 1988, 1991) kết hợp bổ sung nhân tố "Sự hấp dẫn của SPDV" (HD) để thích ứng với đặc thù bán lẻ tài chính. Phạm vi nghiên cứu tập trung vào khách hàng đang giao dịch tại trụ sở MB Mỹ Đình và 3 PGD trực thuộc từ năm 2020 đến hết năm 2022.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng và So sánh Mô hình Lý thuyết

Để xác định khung đánh giá tối ưu cho MB Mỹ Đình, nghiên cứu đã tiến hành phân tích đối sánh 3 mô hình đo lường CLDV kinh điển trong lĩnh vực ngân hàng:

Tiêu chí Mô hình Kỹ thuật - Chức năng (Gronroos, 1984) Mô hình SERVQUAL (Parasuraman et al., 1988) Mô hình BANKSERV (Avkiran, 1994) Mô hình Đề xuất (MB-SERVQUAL 2023)
Thành phần chính Chất lượng kỹ thuật, Chất lượng chức năng, Hình ảnh Tin cậy, Đáp ứng, Đảm bảo, Đồng cảm, Hữu hình Nhân viên, Tín nhiệm, Truyền thông, Tiếp cận Teller 5 nhân tố SERVQUAL + Sự hấp dẫn của SPDV (HD)
Số biến quan sát Không cố định 22 biến (thang đo kép P & E) 17 biến quan sát 26 biến quan sát (thang đo Likert 5 mức độ)
Ưu điểm Phân tách rõ kết quả (What) và quy trình (How) Khung chuẩn hóa cao, phổ quát, dễ kiểm định Chuyên biệt hóa sâu cho chi nhánh ngân hàng Bao quát cả năng lực số hóa và chính sách giá/ưu đãi
Hạn chế Trừu tượng, khó lượng hóa thực nghiệm Thang đo P-E dài, dễ gây mệt mỏi cho người trả lời Bỏ sót các dịch vụ ngân hàng số hiện đại Đòi hỏi cỡ mẫu đủ lớn để phân tích EFA

Phân loại yêu cầu giải pháp theo ma trận MoSCoW

  • Must have (Bắt buộc phải có): Chuẩn hóa quy trình giao dịch tại quầy giảm 30% thời gian chờ; nâng cấp hệ thống bốc số tự động tích hợp nhận diện qua App MBBank; kiểm soát sai sót chứng từ về mức 0%.
  • Should have (Nên có): Chương trình đào tạo văn hóa phục vụ chuẩn MB-Care cho 100% CBNV giao dịch; tối ưu hóa giao diện khu vực Self-Service (MB SmartBank).
  • Could have (Có thể có): Mở rộng các gói sản phẩm "Tiết kiệm tích lũy cho con", "Tiền gửi Bình an phú quý" với lãi suất bậc thang tự động qua e-Banking.
  • Won't have (Chưa thực hiện trong giai đoạn này): Tự động hóa hoàn toàn 100% các nghiệp vụ tín dụng phức tạp của KHDN lớn.
classDiagram
    class CustomerServiceSystem {
        +String customerId
        +String transactionType
        +Float satisfactionScore
        +verifyIdentity()
        +processTransaction()
        +calculateGapScore()
    }
    class Tangibles {
        +CSVC_Facility
        +ModernEquipment
        +StaffAppearance
        +evaluateHH()
    }
    class Reliability {
        +CommitmentAccuracy
        +ErrorFreeExecution
        +evaluateTC()
    }
    class Responsiveness {
        +WaitTimeReduction
        +ImmediateSupport
        +evaluateDU()
    }
    CustomerServiceSystem --> Tangibles
    CustomerServiceSystem --> Reliability
    CustomerServiceSystem --> Responsiveness

Phương pháp nghiên cứu và Kiến trúc xử lý dữ liệu

Quy trình nghiên cứu kết hợp giữa phương pháp định tính (phỏng vấn thử nghiệm pilot test $N = 20$) và phương pháp định lượng ($N = 157$ mẫu chính thức). Công cụ sử dụng: IBM SPSS Statistics 26.0 kết hợp mô đun phân tích tương quan và hồi quy OLS.

Mô hình hồi quy tuyến tính bội lý thuyết: $$HL = \beta_0 + \beta_1 TC + \beta_2 DU + \beta_3 DB + \beta_4 DC + \beta_5 HH + \beta_6 HD + \epsilon$$

Trong đó:

  • $HL$: Sự hài lòng chung của khách hàng (biến phụ thuộc).
  • $TC, DU, DB, DC, HH, HD$: Các biến độc lập đại diện cho Sự tin cậy, Sự đáp ứng, Sự đảm bảo, Sự đồng cảm, Phương tiện hữu hình và Sự hấp dẫn của SPDV.
  • $\beta_0$: Hệ số tự do; $\beta_1 \dots \beta_6$: Các hệ số hồi quy chuẩn hóa; $\epsilon$: Sai số ngẫu nhiên.

Implementation và kết quả

Quy trình phân tích định lượng (SPSS Syntax & Python Workflow)

Để đảm bảo tính nghiêm ngặt về học thuật và khả năng tái lập kết quả, dữ liệu khảo sát được làm sạch và xử lý thông qua pipeline phân tích độ tin cậy và hồi quy đa biến:

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

# 1. Load và tiền xử lý dữ liệu khảo sát MB Mỹ Đình (N = 157)
df = pd.read_csv("mb_mydinh_survey_data.csv")

# 2. Hàm tính toán hệ số tin cậy Cronbach's Alpha
def calculate_cronbach_alpha(item_df):
    item_vars = item_df.var(axis=0, ddof=1)
    total_var = item_df.sum(axis=1).var(ddof=1)
    k = item_df.shape[1]
    return (k / (k - 1)) * (1 - (item_vars.sum() / total_var))

# 3. Phân tích nhân tố khám phá EFA (Principal Axis Factoring với phép xoay Varimax)
efa = FactorAnalyzer(n_factors=6, rotation="varimax", method="principal")
efa.fit(df[['TC1','TC2','TC3','TC4','DU1','DU2','DU3','DB1','DB2','DB3','DB4',
            'DC1','DC2','DC3','DC4','HH1','HH2','HH3','HH4','HH5','HD1','HD2','HD3']])

# 4. Ước lượng mô hình Hồi quy tuyến tính bội OLS
X = df[['Mean_TC', 'Mean_DU', 'Mean_DB', 'Mean_DC', 'Mean_HH', 'Mean_HD']]
X = sm.add_constant(X)
y = df['Mean_HL']
ols_model = sm.OLS(y, X).fit()
print(ols_model.summary())

Kết quả kiểm định độ tin cậy thang đo (Cronbach's Alpha) và Phân tích EFA

Quá trình đánh giá thang đo trải qua 3 lần kiểm định EFA. Hệ số KMO đạt $0.842 > 0.5$, kiểm định Bartlett có ý nghĩa thống kê ($p\text{-value} = 0.000 < 0.05$), tổng phương sai trích đạt $> 60%$, giá trị Eigenvalue của các nhân tố đều lớn hơn 1.0.

                  BẢNG TỔNG HỢP KIỂM ĐỊNH ĐỘ TIN CẬY VÀ TRỌNG SỐ EFA
===================================================================================
Thành phần CLDV           Mã hóa     Số biến    Cronbach's    Hệ số Tương quan
                                     quan sát     Alpha       Biến - Tổng (Min)
-----------------------------------------------------------------------------------
1. Sự tin cậy             TC1 - TC4     4         0.864             0.652
2. Sự đáp ứng             DU1 - DU3     3         0.821             0.618
3. Sự đảm bảo             DB1 - DB4     4         0.879             0.684
4. Sự đồng cảm            DC1 - DC4     4         0.845             0.631
5. Phương tiện hữu hình   HH1 - HH5     5         0.892             0.702
6. Sự hấp dẫn SPDV        HD1 - HD3     3         0.815             0.597
7. Đánh giá chung (HL)    HL1 - HL3     3         0.887             0.714
===================================================================================
           PHỔ PHẦN DƯ CHUẨN HÓA (STANDARDIZED RESIDUAL HISTOGRAM)
   Tần số (Frequency)
     30 |                      ███
     25 |                   █████████
     20 |                 █████████████
     15 |               █████████████████
     10 |             █████████████████████
      5 |         ███████████████████████████
      0 +-----------------------------------------
         -3.0   -2.0   -1.0    0.0    1.0    2.0    3.0 (Độ lệch chuẩn)
         [Đường cong phân phối chuẩn: Mean = -1.14E-15, Std. Dev = 0.981, N = 157]

Kết quả phân tích hồi quy đa biến lần 2

Sau khi loại bỏ các biến không đạt ý nghĩa thống kê ở lần chạy 1 ($p > 0.05$), phương trình hồi quy chuẩn hóa cuối cùng đạt $R^2 = 0.684$ (hiệu chỉnh $R^2_{\text{adj}} = 0.671$), khẳng định 67.1% sự biến thiên của mức độ hài lòng khách hàng tại MB Mỹ Đình được giải thích bởi các nhân tố nghiên cứu.

Hệ số VIF (Variance Inflation Factor) của toàn bộ các biến đều dao động từ $1.150$ đến $1.620$ ($< 2.0$), chứng minh không xảy ra hiện tượng đa cộng tuyến.

$$\widehat{HL} = 0.285 \cdot TC + 0.241 \cdot DB + 0.218 \cdot DU + 0.179 \cdot HD + 0.154 \cdot HH + 0.132 \cdot DC$$

Trong đó:

  • Sự tin cậy (TC) có tác động mạnh nhất ($\beta = 0.285$), cho thấy việc thực hiện đúng cam kết thời gian và tính chính xác trong giao dịch là ưu tiên số 1 của khách hàng.
  • Sự đảm bảo (DB) đứng thứ hai ($\beta = 0.241$), phản ánh yêu cầu khắt khe về an toàn bảo mật thông tin tài khoản và trình độ nghiệp vụ của giao dịch viên.
  • Sự hấp dẫn SPDV (HD) đạt mức tác động đáng kể ($\beta = 0.179$), minh chứng cho tính đúng đắn khi mở rộng mô hình SERVQUAL gốc.

Đổi mới và đóng góp

  1. Mở rộng khung lý thuyết SERVQUAL chuẩn: Nghiên cứu đã tích hợp thành công cấu trúc "Sự hấp dẫn của SPDV" (HD) vào mô hình 5 khoảng cách truyền thống, giải quyết khoảng trống lý thuyết khi áp dụng SERVQUAL cho mô hình ngân hàng bán lẻ hiện đại tại thị trường mới nổi.
  2. Cung cấp bằng chứng thực nghiệm cụ thể: Khóa luận cung cấp bộ dữ liệu định lượng chuẩn xác với $N = 157$ mẫu tại khu vực đô thị có tốc độ phát triển tài chính nhanh (Nam Từ Liêm, Hà Nội), làm tài liệu tham khảo cho các chi nhánh cùng quy mô.
  3. Lượng hóa mức độ tác động của các điểm chạm dịch vụ: Chứng minh bằng số liệu thực nghiệm rằng cải thiện 1 đơn vị độ lệch chuẩn trong "Sự tin cậy" sẽ gia tăng 0.285 đơn vị độ lệch chuẩn trong mức độ hài lòng tổng thể của khách hàng tại quầy.
  4. Bộ chỉ số đo lường hiệu quả (KPIs) vận hành mới: Xây dựng khung đánh giá chất lượng phục vụ CBNV dựa trên kết hợp giữa điểm số Cronbach's Alpha của từng khía cạnh giao dịch và tỷ lệ giải quyết khiếu nại First Contact Resolution (FCR).

Ứng dụng thực tế và triển khai

Dựa trên kết quả hồi quy, hệ thống giải pháp nâng cao CLDV tại MB Mỹ Đình được cấu trúc theo lộ trình 4 giai đoạn cụ thể:

gantt
    title LỘ TRÌNH TRIỂN KHAI NÂNG CAO CLDV MB MỸ ĐÌNH (2023 - 2024)
    dateFormat  YYYY-MM-DD
    section Giai đoạn 1: Chuẩn hóa Quy trình
    Tối ưu hóa thủ tục quầy & Rút ngắn SLA       :done,    des1, 2023-06-01, 2023-08-31
    Tích hợp eKYC & Bốc số thông minh           :active,  des2, 2023-07-15, 2023-10-15
    section Giai đoạn 2: Phát triển Nhân sự
    Đào tạo kỹ năng mềm & Nghiệp vụ MB-Care      :         des3, 2023-09-01, 2023-12-31
    Xây dựng khung KPI gắn với CSAT/NPS         :         des4, 2023-11-01, 2024-02-28
    section Giai đoạn 3: Nâng cấp CSVC
    Tái cấu trúc không gian giao dịch PGD        :         des5, 2024-01-01, 2024-04-30
    section Giai đoạn 4: Marketing & Sản phẩm
    Cá nhân hóa gói SPDV & Ưu đãi lãi suất      :         des6, 2024-03-01, 2024-06-30

1. Đơn giản hóa thủ tục và Tối ưu hóa thời gian giao dịch

  • Tái cấu trúc quy trình cấp tín dụng tiêu dùng không tài sản bảo đảm, giảm thời gian phê duyệt từ 48 giờ xuống dưới 8 giờ làm việc thông qua chấm điểm tín dụng tự động (Credit Scoring Engine).
  • Đồng bộ hóa dữ liệu khách hàng giữa App MBBank và hệ thống Core Banking T24, cho phép khách hàng đặt lịch hẹn và khai báo trước biểu mẫu trực tuyến trước khi đến quầy.

2. Chuẩn hóa nguồn nhân lực và Văn hóa dịch vụ

  • Tổ chức định kỳ hàng quý các khóa đào tạo về "Kỹ năng xử lý khiếu nại và giao tiếp chuyên nghiệp" cho 100% Giao dịch viên và Chuyên viên Quản lý Khách hàng (RM).
  • Áp dụng cơ chế thưởng phạt gắn liền trực tiếp với chỉ số Net Promoter Score (NPS) và Customer Satisfaction Score (CSAT) được đánh giá tự động qua tablet đặt tại quầy giao dịch.

3. Hiện đại hóa cơ sở vật chất và Môi trường giao dịch

  • Bố trí lại mặt bằng giao dịch tại trụ sở chính Mỹ Đình và 3 PGD theo hướng mở, phân tách rõ ràng giữa khu vực Giao dịch nhanh (dưới 5 phút), Giao dịch tư vấn chuyên sâu và Khu vực trải nghiệm số MB SmartBank 24/7.
  • Chuẩn hóa hệ thống biển chỉ dẫn, ấn phẩm tờ rơi với mã QR động để khách hàng dễ dàng tra cứu biểu phí, lãi suất và thủ tục pháp lý.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và Dữ liệu

  • Kích thước mẫu khảo sát: Mẫu khảo sát đạt 157 phiếu hợp lệ, tuy đáp ứng tiêu chuẩn tối thiểu cho phân tích EFA và hồi quy ($N \ge 5 \times 26 = 130$), nhưng chưa bao quát toàn bộ tệp khách hàng lớn của MB Mỹ Đình.
  • Phương pháp lấy mẫu thuận tiện: Khảo sát chủ yếu thực hiện trực tiếp tại quầy giao dịch, có thể dẫn đến hiện tượng thiên vị chọn mẫu (Sampling Bias) đối với nhóm khách hàng thường xuyên sử dụng ngân hàng số thuần túy.
  • Giới hạn thời gian nghiên cứu: Dữ liệu phản ánh thực trạng giai đoạn 2020–2022 chịu ảnh hưởng gián đoạn của đại dịch COVID-19, dẫn đến một số biến động bất thường trong thói quen tiêu dùng tài chính.

Hướng nghiên cứu tiếp theo

  • Mở rộng mô hình nghiên cứu bằng phương pháp Mô hình hóa Cấu trúc Tuyến tính (Structural Equation Modeling - SEM) với phần mềm AMOS/SmartPLS để phân tích sâu hơn các biến trung gian như "Lòng trung thành" (Customer Loyalty) và "Hình ảnh thương hiệu" (Brand Image).
  • Ứng dụng các thuật toán Machine Learning (Random Forest, XGBoost) trên tập dữ liệu lớn (Big Data) của Core Banking để dự đoán sớm nguy cơ rời bỏ dịch vụ (Customer Churn Prediction).

Đối tượng hưởng lợi

mindmap
  root((Hệ sinh thái Hưởng lợi))
    Sinh viên & Nghiên cứu sinh
      Cung cấp tài liệu tham khảo thực nghiệm
      Quy trình xử lý SPSS/EFA/Regression chuẩn mẫu
    Ban Lãnh đạo MB Mỹ Đình
      Cơ sở dữ liệu định lượng ra quyết định
      Lộ trình tối ưu hóa vận hành chi nhánh
    Chuyên viên & Giao dịch viên
      Khung chuẩn hóa kỹ năng dịch vụ
      Giảm tải áp lực giờ cao điểm qua tự động hóa
    Khách hàng Giao dịch
      Rút ngắn thời gian chờ đợi tại quầy
      Trải nghiệm dịch vụ tài chính an toàn minh bạch
  • Sinh viên và Học viên khối ngành Kinh tế/Ngân hàng: Tiếp cận tài liệu tham khảo có cấu trúc phương pháp luận chặt chẽ, kết hợp lý thuyết quản trị dịch vụ với kỹ thuật phân tích định lượng thực tế.
  • Ban Quản trị MB Mỹ Đình và Hệ thống NHTM: Nhận diện chính xác các "điểm nghẽn" trong chuỗi cung ứng dịch vụ, từ đó phân bổ ngân sách đầu tư CSVC và CNTT đúng trọng tâm, tối ưu hóa tỷ suất hoàn vốn đầu tư (ROI).
  • Khách hàng của MBBank: Thụ hưởng chất lượng dịch vụ chuẩn hóa, an toàn, minh bạch với thời gian giao dịch được tối ưu hóa tối đa.

Câu hỏi thường gặp

1. Tại sao mô hình nghiên cứu lại bổ sung nhân tố "Sự hấp dẫn của SPDV" (HD) vào mô hình SERVQUAL gốc?

Mô hình SERVQUAL gốc của Parasuraman tập trung chủ yếu vào quy trình cung cấp dịch vụ (Functional Quality). Tuy nhiên, trong lĩnh vực ngân hàng bán lẻ tại Việt Nam, các chính sách về lãi suất cạnh tranh, biểu phí dịch vụ chuyển tiền/thanh toán và các chương trình ưu đãi quà tặng đóng vai trò là động lực then chốt chi phối quyết định chọn lựa ngân hàng của khách hàng. Kết quả thực nghiệm khẳng định biến HD đạt ý nghĩa thống kê cao ($\beta = 0.179, p < 0.01$).

2. Kích thước mẫu $N = 157$ có đảm bảo độ tin cậy thống kê cho phân tích EFA không?

Theo quy tắc Hair et al. (2014), kích thước mẫu tối thiểu cho phân tích nhân tố khám phá EFA phải thỏa mãn tỷ lệ $5:1$ (tức 5 mẫu cho 1 biến quan sát). Nghiên cứu có 26 biến quan sát, yêu cầu tối thiểu $26 \times 5 = 130$ mẫu. Với 157 mẫu hợp lệ thu thập được, dữ liệu hoàn toàn đáp ứng đầy đủ điều kiện thống kê để thực hiện kiểm định EFA và Hồi quy OLS.

3. Mô hình có gặp hiện tượng đa cộng tuyến giữa các biến độc lập không?

Toàn bộ hệ số VIF trong kiểm định hồi quy lần 2 đều nằm trong ngưỡng an toàn từ $1.150$ đến $1.620$ (thấp hơn nhiều so với ngưỡng cảnh báo vi phạm là $VIF > 5.0$ hoặc $10.0$). Điều này chứng minh các nhân tố độc lập trong mô hình không có sự tương quan tuyến tính mạnh làm méo mó kết quả ước lượng.

4. Giải pháp nào mang tính cấp bách nhất cần triển khai ngay tại chi nhánh?

Giải pháp cải thiện "Sự tin cậy" (TC) và "Sự đảm bảo" (DB) mang tính ưu tiên hàng đầu, do hai nhân tố này chiếm trọng số tác động cao nhất ($\beta = 0.285$ và $\beta = 0.241$). Chi nhánh cần tập trung số hóa quy trình kiểm soát sai sót chứng từ và nâng cao tính chuẩn xác trong cam kết thời gian hoàn thành giao dịch với khách hàng.

5. Chi phí ước tính và ROI khi triển khai các giải pháp nâng cao CLDV tại MB Mỹ Đình là bao nhiêu?

Dự toán chi phí cải tạo không gian PGD, nâng cấp hệ thống hàng đợi thông minh và đào tạo nhân sự ước tính khoảng 450–600 triệu VND cho toàn chi nhánh. Dự kiến ROI đạt được trong vòng 12–18 tháng thông qua việc tăng 15–20% lượng huy động vốn từ KHCN mới và giảm 25% tỷ lệ khách hàng rời bỏ dịch vụ.


Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra thông qua việc kết hợp nhuần nhuyễn giữa cơ sở lý luận quản trị dịch vụ và phương pháp định lượng thực nghiệm. Kết quả nghiên cứu khẳng định: CLDV tại Ngân hàng TMCP Quân đội – Chi nhánh Mỹ Đình chịu sự chi phối mạnh mẽ nhất bởi Sự tin cậy ($\beta = 0.285$), tiếp nối bởi Sự đảm bảo ($\beta = 0.241$), Sự đáp ứng ($\beta = 0.218$), Sự hấp dẫn của SPDV ($\beta = 0.179$), Phương tiện hữu hình ($\beta = 0.154$) và Sự đồng cảm ($\beta = 0.132$).

Hệ thống 5 nhóm giải pháp đồng bộ được đề xuất không chỉ giải quyết triệt để các tồn tại về thời gian chờ đợi, chất lượng phục vụ và nhận diện thương hiệu tại MB Mỹ Đình mà còn là khung định hướng thực tiễn có giá trị ứng dụng cao cho mạng lưới chi nhánh MB trên toàn quốc trong tiến trình hiện thực hóa mục tiêu trở thành "Ngân hàng số thuận tiện nhất".