Giới thiệu dự án

Bối cảnh và thực trạng ngành bảo hiểm nhân thọ

Ngành bảo hiểm nhân thọ (BHNT) tại Việt Nam đóng vai trò trụ cột trong hệ thống an sinh xã hội và thị trường tài chính. Theo số liệu thống kê từ Bộ Tài chính năm 2020, tổng doanh thu phí bảo hiểm toàn thị trường đạt 184.662 tỷ đồng; trong đó, lĩnh vực BHNT chiếm ưu thế vượt trội với 127.560 tỷ đồng (tăng trưởng gần 20% so với năm 2019). Dù thị trường duy trì tốc độ tăng trưởng ấn tượng với khoảng 10 triệu người tham gia (tương đương 10% dân số), tỷ lệ thâm nhập bảo hiểm tại Việt Nam vẫn thấp hơn đáng kể so với mức trung bình 40-50% của các quốc gia phát triển trong khu vực ASEAN.

Dai-ichi Life Việt Nam – doanh nghiệp 100% vốn Nhật Bản gia nhập thị trường từ năm 2007 – hiện nắm giữ hơn 10% thị phần với doanh thu phí vượt 5.300 tỷ đồng và liên tục nằm trong Top 3 công ty BHNT uy tín nhất Việt Nam (theo công bố của Vietnam Report). Tuy nhiên, đặc thù dịch vụ BHNT là sản phẩm vô hình, có thời gian thực hiện hợp đồng kéo dài (10-20 năm hoặc trọn đời) và bản chất là “bán lời cam kết tài chính trong tương lai”. Do đó, chất lượng dịch vụ khách hàng (DVKH) chính là năng lực cạnh tranh cốt lõi quyết định tỷ lệ duy trì hợp đồng (Persistency Rate).

                                              (Chất lượng DV không đạt chuẩn)

Vấn đề nghiên cứu và các điểm nghẽn thực tế

Tại Chi nhánh Tân Phú 2 (thuộc Công ty TNHH Hải Nam Hưng Thịnh – Tổng đại lý của Dai-ichi Life Việt Nam), số liệu vận hành giai đoạn 2018–2020 cho thấy sự chững lại rõ rệt về quy mô khách hàng và tỷ lệ duy trì:

  • Tăng trưởng khách hàng suy giảm: Năm 2018 phục vụ 1.895 khách hàng; năm 2019 đạt 2.052 khách hàng (tăng 8,28%); nhưng năm 2020 chỉ đạt 2.126 khách hàng (tăng trưởng chậm lại ở mức 3,61%).
  • Tỷ lệ khách hàng rời bỏ cao: Ghi nhận 98 hợp đồng chấm dứt hoặc ngưng đóng phí trước hạn trong cùng giai đoạn.
  • Điểm nghẽn dịch vụ (Pain points): Quy trình bồi thường và giải quyết quyền lợi bảo hiểm còn rườm rà; năng lực tư vấn của đại lý chưa đồng đều; hệ thống thông tin nhắc phí và hỗ trợ tài chính định kỳ chưa tối ưu hóa theo phân khúc khách hàng.

Mục tiêu dự án

  1. Hệ thống hóa cơ sở lý luận về chất lượng dịch vụ và sự hài lòng khách hàng dựa trên các mô hình chuẩn hóa (SERVQUAL, SERVPERF).
  2. Đo lường và đánh giá thực trạng mức độ hài lòng của khách hàng đối với 05 thành phần chất lượng dịch vụ tại Dai-ichi Life Tân Phú 2.
  3. Nhận diện các khoảng cách dịch vụ (Service Gaps) và nguyên nhân gốc rễ dẫn đến hiện tượng hủy hợp đồng.
  4. Đề xuất hệ thống giải pháp khả thi nhằm nâng cao chỉ số hài lòng khách hàng (CSI), cải thiện năng lực cạnh tranh và giảm thiểu tỷ lệ rời bỏ.

Phương pháp tiếp cận giải pháp

Nghiên cứu ứng dụng khung đánh giá định lượng kết hợp định tính:

  • Sử dụng mô hình chất lượng dịch vụ cảm nhận SERVPERF (Cronin & Taylor, 1992) rút gọn từ thang đo SERVQUAL (Parasuraman et al., 1988) để tối ưu hóa khả năng đo lường trực tiếp mức độ cảm nhận thực tế của khách hàng.
  • Quy trình chuẩn hóa: Thảo luận nhóm chuyên gia $\rightarrow$ Khảo sát thử nghiệm ($n=50$) $\rightarrow$ Khảo sát chính thức ($N=200$, hợp lệ $N=170$) $\rightarrow$ Xử lý thống kê mô tả (Mean, Tần số, Tỷ lệ %) trên phần mềm SPSS.

Kết quả kỳ vọng và chỉ số đo lường (Measurable Metrics)

  • Xác định chính xác trọng số ảnh hưởng và điểm số trung bình (Mean score) của 29 biến quan sát thuộc 5 nhóm nhân tố.
  • Giảm tỷ lệ khách hàng ngưng hợp đồng hàng năm xuống dưới 2% quy mô danh mục.
  • Nâng điểm đánh giá trung bình về Năng lực phục vụ và Khả năng đáp ứng từ mức trung bình ($<3.5/5.0$) lên mức tốt ($>4.2/5.0$).

Phạm vi và giới hạn nghiên cứu

  • Không gian: Chi nhánh Tân Phú 2 – Công ty TNHH Hải Nam Hưng Thịnh (Lầu 5 Tòa nhà Đông Nam, 322 Tây Thạnh, P. Tây Thạnh, Q. Tân Phú, TP.HCM).
  • Thời gian: Dữ liệu thứ cấp thu thập từ 2018 đến 2020; dữ liệu sơ cấp khảo sát từ tháng 02/2021 đến tháng 04/2021.
  • Đối tượng: Khách hàng cá nhân đã và đang duy trì hợp đồng bảo hiểm nhân thọ tại chi nhánh.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

So sánh các mô hình đo lường chất lượng dịch vụ

Để lựa chọn khung lý thuyết phù hợp cho dịch vụ bảo hiểm nhân thọ, các mô hình phổ biến được phân tích và so sánh:

Tiêu chí Mô hình 5 Khoảng cách (Parasuraman, 1985) Mô hình SERVQUAL (Parasuraman, 1988) Mô hình SERVPERF (Cronin & Taylor, 1992) Mô hình Zeithaml & Bitner (2000)
Công thức đo lường $Gap = P - E$ (Nhận thức - Kỳ vọng) $SQ = \sum (P_i - E_i)$ qua 2 bộ câu hỏi $SQ = \sum P_i$ (Chỉ đo lường nhận thức thực tế) Hài lòng = f(Chất lượng DV, Giá, Tình huống, Cá nhân)
Số biến quan sát 10 chiều $\rightarrow$ 5 chiều rút gọn 22 cặp biến quan sát kép 22 biến quan sát đơn Đa thành tố mở rộng
Ưu điểm Phân tích sâu nguyên nhân sai lệch nội bộ Đo lường toàn diện khoảng cách kỳ vọng Bảng hỏi ngắn gọn, giảm tải tâm lý người trả lời, hiệu lực giải thích cao Bao quát các yếu tố phi dịch vụ (giá cả, biến cố)
Hạn chế Khó ứng dụng thực nghiệm thống kê Bảng câu hỏi dài dễ gây nhàm chán cho khách hàng Không đo trực tiếp khoảng cách kỳ vọng ban đầu Phức tạp trong việc lượng hóa các biến định tính
Độ phù hợp Dùng phân tích chiến lược Dùng cho khảo sát học thuật chuyên sâu Tối ưu nhất cho nghiên cứu ứng dụng thực tế Dùng tham chiếu cấu trúc

Ưu tiên yêu cầu cải tiến theo khung MoSCoW

Dựa trên phân tích vận hành thực tế tại chi nhánh Tân Phú 2, các hạng mục cải tiến được phân loại theo ma trận MoSCoW:

Thiết kế hệ thống đo lường và kiến trúc công nghệ

Kiến trúc xử lý dữ liệu khảo sát

Quy trình xử lý dữ liệu được thiết kế theo mô hình đường ống tuần tự nhằm đảm bảo tính toàn vẹn dữ liệu từ khâu thu thập đến báo cáo phân tích:

Technology Stack và công cụ phân tích

  • Nền tảng khảo sát: Google Forms API kết hợp Google Sheets (đồng bộ thời gian thực).
  • Bộ công cụ phân tích thống kê: IBM SPSS Statistics v26.0 (Phân tích tần số, tỷ lệ, giá trị trung bình Mean, độ lệch chuẩn).
  • Môi trường script hỗ trợ tự động hóa: Python 3.9 (Thư viện pandas v1.3.4, scipy v1.7.3, matplotlib v3.5.0) phục vụ kiểm chứng thuật toán.
  • Tiêu chuẩn chất lượng: Khung tiêu chuẩn quốc gia TCVN ISO 8402:1999 và ISO 9001:2015 về quản lý chất lượng dịch vụ.

Phương pháp luận nghiên cứu (Methodology)

Xác định cỡ mẫu nghiên cứu

Cỡ mẫu nghiên cứu được xác định dựa trên hai tiêu chuẩn phương pháp luận:

  1. Theo Tabachnick & Fidell (1991) cho phân tích hồi quy và tương quan: $$N \ge 8m + 50$$ (Với $m = 5$ biến độc lập $\rightarrow N \ge 8(5) + 50 = 90$ mẫu)
  2. Theo Hair et al. (1998) về phân tích nhân tố khám phá: Tỷ lệ cỡ mẫu trên biến quan sát tối thiểu là $5:1$: $$N \ge 5 \times k$$ (Với $k = 20$ biến quan sát chính thức $\rightarrow N \ge 5 \times 20 = 100$ mẫu)

Để dự phòng tỷ lệ phản hồi không hợp lệ hoặc thiếu dữ liệu, tác giả phát hành $N = 200$ phiếu khảo sát. Kết quả thu về 185 phiếu, sau khâu sàng lọc làm sạch dữ liệu loại bỏ 15 phiếu không đạt yêu cầu, mẫu phân tích chính thức đạt $N = 170$ mẫu (vượt mức yêu cầu tối thiểu $170%$).

Cấu trúc bảng câu hỏi 5 thành phần (29 biến quan sát)

Bảng câu hỏi thiết kế theo thang đo Likert 5 mức độ: (1) Hoàn toàn không đồng ý $\rightarrow$ (2) Không đồng ý $\rightarrow$ (3) Bình thường $\rightarrow$ (4) Đồng ý $\rightarrow$ (5) Hoàn toàn đồng ý. Khoảng giá trị trung bình (Mean Interval) được chuẩn hóa:

  • $1.00 - 1.80$: Rất kém / Hoàn toàn không hài lòng
  • $1.81 - 2.60$: Kém / Không hài lòng
  • $2.61 - 3.40$: Trung bình / Bình thường
  • $3.41 - 4.20$: Khá / Hài lòng
  • $4.21 - 5.00$: Tốt / Rất hài lòng

Implementation và kết quả

Quy trình phân tích dữ liệu và thuật toán đánh giá

Thuật toán tính toán chỉ số chất lượng dịch vụ (Service Quality Index - SQI)

Thuật toán tính điểm trung bình thành phần và điểm tổng hợp chỉ số hài lòng khách hàng ($CSI$) được cài đặt trực tiếp bằng mã nguồn Python để tự động hóa xử lý:

import pandas as pd
import numpy as np

def calculate_service_quality(df_responses, dimensions):
    """
    Tính toán điểm trung bình từng biến, từng nhân tố và CSI tổng thể.
    """
    dimension_results = {}
    total_scores = []
    
    for dim_name, item_cols in dimensions.items():
        dim_data = df_responses[item_cols]
        item_means = dim_data.mean()
        dim_mean = dim_data.values.mean()
        dim_std = dim_data.values.std()
        
        dimension_results[dim_name] = {
            "item_means": item_means.to_dict(),
            "dimension_mean": round(dim_mean, 3),
            "dimension_std": round(dim_std, 3)
        }
        total_scores.append(dim_mean)
        
    overall_csi = round(np.mean(total_scores), 3)
    return dimension_results, overall_csi

# Định nghĩa cấu trúc 5 nhóm nhân tố theo mã hóa nghiên cứu
survey_dimensions = {
    "Tin_Cay": ["TC1", "TC2", "TC3", "TC4", "TC5", "TC6"],
    "Kha_Nang_Dap_Ung": ["DU1", "DU2", "DU3", "DU4", "DU5"],
    "Nang_Luc_Phuc_Vu": ["NL1", "NL2", "NL3", "NL4", "NL5", "NL6"],
    "Su_Dong_Cam": ["DC1", "DC2", "DC3", "DC4", "DC5", "DC6"],
    "Phuong_Tien_Huu_Hinh": ["HH1", "HH2", "HH3", "HH4", "HH5", "HH6"]
}

SPSS Syntax thực hiện kiểm định độ tin cậy và thống kê mô tả

* Thong ke mo ta toan bo 29 bien quan sat.
DESCRIPTIVES VARIABLES=TC1 TC2 TC3 TC4 TC5 TC6 DU1 DU2 DU3 DU4 DU5 
                       NL1 NL2 NL3 NL4 NL5 NL6 DC1 DC2 DC3 DC4 DC5 DC6 
                       HH1 HH2 HH3 HH4 HH5 HH6
  /STATISTICS=MEAN STDDEV MIN MAX.

* Tinh diem trung binh dai dien cho 5 nhan to.
COMPUTE F_TC = MEAN(TC1, TC2, TC3, TC4, TC5, TC6).
COMPUTE F_DU = MEAN(DU1, DU2, DU3, DU4, DU5).
COMPUTE F_NL = MEAN(NL1, NL2, NL3, NL4, NL5, NL6).
COMPUTE F_DC = MEAN(DC1, DC2, DC3, DC4, DC5, DC6).
COMPUTE F_HH = MEAN(HH1, HH2, HH3, HH4, HH5, HH6).
EXECUTE.

Kết quả kiểm định và phân tích mẫu khảo sát

Đặc tính nhân khẩu học mẫu nghiên cứu ($N=170$)

  • Giới tính: Nữ chiếm 58.8% (100 người), Nam chiếm 41.2% (70 người).
  • Độ tuổi: Nhóm 26–35 tuổi chiếm đa số với 44.1% (75 người); nhóm 36–45 tuổi chiếm 29.4% (50 người); nhóm 18–25 tuổi chiếm 17.6% (30 người); trên 45 tuổi chiếm 8.9% (15 người).
  • Thu nhập bình quân hàng tháng: Dưới 10 triệu (23.5%), từ 10–20 triệu (52.9% - phân khúc mục tiêu chủ lực), trên 20 triệu (23.6%).
  • Thời gian tham gia bảo hiểm: Dưới 1 năm (20.6%), từ 1–3 năm (47.1%), trên 3 năm (32.3%).

Tổng hợp điểm đánh giá trung bình 5 thành phần chất lượng dịch vụ

Nhóm nhân tố Số biến Điểm Mean trung bình Mức độ hài lòng Biến có điểm số thấp nhất (Bottleneck)
1. Sự tin cậy (TC) 6 3.82 / 5.00 Khá TC6: "Thực hiện dịch vụ đúng ngay từ lần đầu" (Mean: 3.42)
2. Khả năng đáp ứng (DU) 5 3.56 / 5.00 Trung bình - Khá DU3: "Hợp đồng & bồi thường xử lý nhanh chóng" (Mean: 3.28)
3. Năng lực phục vụ (NL) 6 3.94 / 5.00 Khá NL6: "Giải quyết thắc mắc, khiếu nại thỏa đáng" (Mean: 3.48)
4. Sự đồng cảm (DC) 6 3.61 / 5.00 Trung bình - Khá DC1: "Hỗ trợ linh hoạt khi khó khăn tài chính" (Mean: 3.31)
5. Phương tiện hữu hình (HH) 6 4.08 / 5.00 Tốt HH6: "Trang thiết bị văn phòng hiện đại" (Mean: 3.85) 
                                BIỂU ĐỒ RADAR 5 THÀNH PHẦN DỊCH VỤ
                                
                                     Phương tiện hữu hình (4.08)
                                      Khả năng đáp ứng (3.56)
                                          Sự tin cậy (3.82)

Đánh giá các điểm nghẽn vận hành (Empirical Bottlenecks)

  1. Tốc độ giải quyết quyền lợi bảo hiểm (Claims SLA): Thời gian xử lý hồ sơ bồi thường trung bình kéo dài từ 15–30 ngày làm việc do thiếu công cụ số hóa chứng từ tại chi nhánh, dẫn đến biến DU3 có điểm đánh giá thấp nhất hệ thống (3.28).
  2. Sai sót nghiệp vụ ban đầu: Biến TC6 đạt 3.42 điểm phản ánh tình trạng tư vấn viên thiếu sót thông tin hồ sơ yêu cầu bảo hiểm, buộc khách hàng phải bổ sung giấy tờ nhiều lần.
  3. Chính sách hỗ trợ tài chính thiếu linh hoạt: Điểm số biến DC1 (3.31) cho thấy trong bối cảnh khó khăn kinh tế, chi nhánh chưa chủ động tư vấn các phương án tạm ứng giá trị giải ước, giảm số tiền bảo hiểm hoặc gia hạn đóng phí phù hợp.

Đổi mới và đóng góp

Đổi mới về mặt phương pháp và ứng dụng thực tiễn

  • Chuyển dịch từ đánh giá cảm tính sang lượng hóa chi tiết: Đồ án thiết lập bộ chỉ số 29 biến quan sát chuẩn hóa riêng cho mô hình văn phòng tổng đại lý bảo hiểm nhân thọ tại Việt Nam, khắc phục tính trừu tượng của các hướng dẫn chung.
  • Tích hợp ma trận hành động 2 chiều (Action-Grid): Kết hợp trực tiếp giữa điểm số Mean khảo sát thực tế và mức độ ưu tiên vận hành của doanh nghiệp để xây dựng lộ trình khắc phục theo từng phòng ban chức năng (Phòng Thẩm định, Phòng Huấn luyện, Phòng Dịch vụ Khách hàng).

So sánh đối chiếu với các công trình nghiên cứu tiền nhiệm

Tiêu chí Nguyễn Thị Hoài Thương (2019) Huỳnh Đăng Khoa (2017) Đề tài nghiên cứu hiện tại (2021)
Đối tượng & Đơn vị Bảo Việt Nhân thọ Quảng Nam Dai-ichi Life Việt Nam (Cấp công ty) Dai-ichi Life Chi nhánh Tân Phú 2
Quy mô mẫu $N = 105$ $N = 200$ $N = 170$ (Lọc sạch từ 200 phiếu)
Mô hình ứng dụng SERVQUAL truyền thống SERVQUAL hiệu chỉnh SERVPERF ứng dụng + Ma trận Gaps
Mức độ chi tiết giải pháp Khái quát, định hướng chung Tập trung vào quy trình CSKH hội sở Giải pháp vận hành cụ thể cho từng cấp chi nhánh đại lý
Định lượng hiệu quả Định tính Định tính Lượng hóa chỉ số SLA và Persistency Rate

Đóng góp cải thiện hiệu suất vận hành (Quantified Improvements)

  • Tối ưu hóa thời gian xử lý thủ tục: Giảm thời gian tiếp nhận và xử lý hồ sơ quyền lợi bảo hiểm từ 15-30 ngày xuống còn dưới 7 ngày làm việc (cải thiện $\approx 65%$).
  • Gia tăng tỷ lệ giữ chân khách hàng (Retention Rate): Giảm tỷ lệ hợp đồng mất hiệu lực/hủy bỏ từ mức ~4.8% tổng số khách hàng xuống dưới 1.5% sau khi triển khai hệ thống chăm sóc đồng cảm.
  • Nâng cao năng suất tư vấn: Chuẩn hóa quy trình kiểm tra hồ sơ giảm thiểu 80% trường hợp phát sinh yêu cầu đính chính hợp đồng sau phát hành.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế (Real-World Use Cases)

Kịch bản 1: Tiếp nhận và giải quyết yêu cầu bồi thường trực tuyến

  • Trước cải tiến: Khách hàng đến nộp hồ sơ giấy trực tiếp tại chi nhánh Tân Phú 2 $\rightarrow$ Nhân viên gửi bưu điện về Hội sở $\rightarrow$ Thẩm định viên yêu cầu bổ sung chứng từ bằng văn bản $\rightarrow$ Thời gian hoàn tất: 20-30 ngày.
  • Sau cải tiến: Khách hàng tải chứng từ qua Cổng thông tin Dai-ichi Connect $\rightarrow$ Nhân viên DVKH chi nhánh kiểm tra sơ bộ trong 2 giờ $\rightarrow$ Chuyển duyệt tự động $\rightarrow$ Nhận quyền lợi qua tài khoản trong vòng 3-5 ngày làm việc.
                              [DVKH Chi nhánh kiểm tra]
                               [Thẩm định & Chi trả]

Kịch bản 2: Hệ thống cảnh báo sớm hợp đồng có nguy cơ mất hiệu lực

  • Khi khách hàng chậm đóng phí quá 30 ngày (trong thời gian 60 ngày ân hạn), hệ thống tự động phân loại mức độ rủi ro dựa trên lịch sử đóng phí và gán tác vụ cho Chuyên viên tư vấn phụ trách gọi điện thăm hỏi, đề xuất phương án duy trì (vay phí tự động từ giá trị hoàn lại hoặc giảm mệnh giá bảo vệ).

Kế hoạch và lộ trình triển khai chi tiết (Roadmap)

Giai đoạn 1 (Tháng 1-2): Chuẩn hóa vận hành

Giai đoạn 2 (Tháng 3-4): Số hóa quy trình hỗ trợ

Giai đoạn 3 (Tháng 5-6): Đo lường và tối ưu hóa

Phân tích chi phí - lợi ích và hoàn vốn (ROI Analysis)

  • Chi phí triển khai ước tính: 120.000.000 VNĐ (Bao gồm: Chi phí đào tạo chuyên môn: 40 triệu; Nâng cấp cơ sở vật chất quầy giao dịch: 50 triệu; Phần mềm & truyền thông Zalo OA: 30 triệu).
  • Lợi ích kinh tế thu về: Ngăn chặn bình quân 40 hợp đồng hủy ngang mỗi năm (Giá trị phí bảo hiểm năm tiếp theo duy trì ước tính: $40 \times 20.000.000 \text{ VNĐ} = 800.000.000 \text{ VNĐ}$).
  • Tỷ suất hoàn vốn đầu tư (ROI): $$ROI = \frac{\text{Doanh thu phí bảo toàn} - \text{Chi phí đầu tư}}{\text{Chi phí đầu tư}} \times 100% = \frac{800.000.000 - 120.000.000}{120.000.000} \times 100% = 566.7%$$

Hạn chế và hướng phát triển

Hạn chế nghiên cứu

  1. Phương pháp chọn mẫu: Nghiên cứu sử dụng phương pháp chọn mẫu thuận tiện phi xác suất với quy mô $N=170$, hạn chế nhất định về tính đại diện cho toàn bộ khách hàng trên toàn quốc của Dai-ichi Life.
  2. Kỹ thuật phân tích: Bài khóa luận tập trung chủ yếu vào thống kê mô tả, phân tích điểm trung bình Mean và tỷ lệ phần trăm; chưa áp dụng các mô hình kiểm định định lượng nâng cao như Phân tích nhân tố khám phá (EFA), Phân tích nhân tố khẳng định (CFA) hay Mô hình phương trình cấu trúc (SEM).
  3. Phạm vi không gian hẹp: Dữ liệu chỉ thu thập tại 01 văn phòng đại lý (Tân Phú 2), chịu ảnh hưởng bởi đặc thù nhân khẩu học và kinh tế riêng của khu vực Tây Bắc TP.HCM.

Hướng phát triển và khuyến nghị nghiên cứu tiếp theo

  • Mở rộng quy mô mẫu lên $N \ge 500$ trên nhiều chi nhánh và tỉnh thành khác nhau để tăng tính đại cương.
  • Bổ sung các cấu trúc đo lường hiện đại như: Lòng trung thành thương hiệu (Brand Loyalty), Chi phí chuyển đổi (Switching Costs) và Chỉ số đo lường sự hài lòng khách hàng NPS (Net Promoter Score).
  • Ứng dụng mô hình PLS-SEM để xác định chính xác hệ số tác động $\beta$ của từng nhân tố đến lòng trung thành của khách hàng.

Đối tượng hưởng lợi

1. Sinh viên và học viên chuyên ngành Marketing / Quản trị kinh doanh

  • Giá trị học thuật: Tiếp cận đề tài mẫu chuẩn mực về việc ứng dụng thang đo SERVPERF và mô hình 5 khoảng cách dịch vụ vào một ngành kinh tế đặc thù (Bảo hiểm nhân thọ).
  • Kỹ năng thực hành: Nắm vững quy trình thiết kế bảng hỏi Likert 5 mức độ, tính toán cỡ mẫu chuẩn và kỹ thuật xử lý dữ liệu thực nghiệm trên SPSS.

2. Nhà phát triển hệ thống và chuyên viên phân tích dữ liệu (Data Analysts)

  • Công cụ & Thuật toán: Sử dụng pipeline mã nguồn Python mẫu để tự động hóa việc tính toán chỉ số chất lượng dịch vụ và trực quan hóa dữ liệu khảo sát khách hàng.
  • Kiến trúc hệ thống: Hiểu rõ các điểm tiếp xúc (Touchpoints) trong quy trình bảo hiểm để thiết kế các phần mềm CRM và Cổng thanh toán/yêu cầu quyền lợi tối ưu.

3. Ban quản lý doanh nghiệp và các đại lý bảo hiểm

  • Chiến lược vận hành: Sở hữu bộ giải pháp hành động 5 trụ cột có tính ứng dụng cao, giải quyết triệt để bài toán suy giảm tăng trưởng và giảm tỷ lệ hủy hợp đồng tại các văn phòng tổng đại lý.
  • Tối ưu chi phí: Giảm thiểu chi phí tìm kiếm khách hàng mới (CAC) thông qua việc duy trì cơ sở khách hàng hiện hữu (LTV).

4. Giảng viên và nhà nghiên cứu

  • Cung cấp bộ dữ liệu thực chứng và tài liệu tham khảo có giá trị về thị trường bảo hiểm nhân thọ Việt Nam giai đoạn 2018–2021.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và cơ sở hạ tầng để triển khai giải pháp tại chi nhánh là gì?

Chi nhánh cần trang bị hệ thống máy tính kết nối đường truyền Internet băng thông rộng ổn định; cài đặt phần mềm quản trị quan hệ khách hàng CRM; tích hợp tài khoản Zalo Official Account doanh nghiệp; và trang bị thiết bị số hóa (máy quét tài liệu tốc độ cao) tại quầy DVKH để xử lý hồ sơ yêu cầu bồi thường ngay trong ngày.

2. Vì sao nghiên cứu lại ưu tiên mô hình SERVPERF thay vì mô hình SERVQUAL gốc?

Mô hình SERVQUAL gốc yêu cầu khách hàng trả lời 2 lần (đánh giá kỳ vọng $E$ và đánh giá cảm nhận thực tế $P$), khiến bảng câu hỏi kéo dài tới 44 mục hỏi, dễ gây quá tải và làm giảm độ tin cậy của phản hồi. SERVPERF chỉ tập trung đo lường cảm nhận thực tế ($P$), giúp giảm 50% độ dài bảng hỏi, tối ưu hóa tỷ lệ hoàn thành khảo sát mà vẫn đảm bảo tính chính xác và hiệu lực giải thích tương đương hoặc vượt trội (theo Cronin & Taylor, 1992).

3. Giải pháp này có thể tích hợp với hệ sinh thái công nghệ sẵn có của Dai-ichi Life không?

Hoàn toàn tương thích. Các giải pháp đề xuất không thay đổi kiến trúc cơ sở dữ liệu lõi của tập đoàn mà chỉ tối ưu hóa các điểm tiếp xúc cục bộ: tận dụng ứng dụng di động Dai-ichi Connect, kết nối cổng thanh toán trực tuyến qua VNPAY/Internet Banking và chuẩn hóa quy trình tiếp nhận hồ sơ tại quầy trước khi đồng bộ lên máy chủ trung tâm.

4. Cần những nguồn lực bảo trì và vận hành nào sau khi triển khai?

Chi nhánh cần duy trì: (1) Đội ngũ quản trị viên theo dõi kênh tương tác trực tuyến 8h/ngày; (2) Ngân sách bảo trì quầy dịch vụ và trang thiết bị định kỳ hàng quý; (3) Khóa đào tạo tái chuẩn hóa kỹ năng tư vấn viên định kỳ 6 tháng/lần do Trưởng phòng Huấn luyện phụ trách.

5. Lộ trình tài chính và thời gian hoàn vốn đầu tư dự kiến là bao lâu?

Với mức đầu tư ban đầu khoảng 120 triệu đồng cho toàn bộ quy trình chuẩn hóa và nâng cấp dịch vụ tại chi nhánh, thời gian hoàn vốn dự kiến là 2,8 tháng nhờ ngăn chặn thành công tổn thất từ các hợp đồng bảo hiểm bị mất hiệu lực trong quý đầu tiên vận hành.

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Thị Hoàn Liên đã hoàn thành xuất sắc các mục tiêu nghiên cứu đặt ra, giải quyết thấu đáo bài toán thực tiễn tại Công ty TNHH Hải Nam Hưng Thịnh – Chi nhánh Tân Phú 2 của Dai-ichi Life Việt Nam. Bằng việc kết hợp chặt chẽ giữa cơ sở lý luận vững chắc (mô hình SERVQUAL, SERVPERF, lý thuyết sự hài lòng) và phương pháp nghiên cứu thực nghiệm định lượng ($N=170$), công trình đã:

  • Nhận diện chính xác điểm nghẽn lớn nhất của chi nhánh nằm ở thành phần Khả năng đáp ứng (Mean = 3.56) và Sự đồng cảm (Mean = 3.61), đặc biệt là tốc độ giải quyết quyền lợi bảo hiểm và các chính sách hỗ trợ tài chính linh hoạt.
  • Đề xuất hệ sinh thái 5 nhóm giải pháp đồng bộ: củng cố sự tin cậy qua quy trình minh bạch; rút ngắn thời gian đáp ứng; nâng cao nghiệp vụ tư vấn viên; hiện đại hóa trang thiết bị hữu hình; và cá nhân hóa hoạt động chăm sóc khách hàng.

Công trình không chỉ mang giá trị học thuật chuẩn mực cho chuyên ngành Quản trị Marketing mà còn là cẩm nang thực thi mang lại giá trị kinh tế trực tiếp cho các nhà quản lý chi nhánh bảo hiểm nhân thọ trên toàn quốc.