Giới thiệu dự án

Bối cảnh thị trường viễn thông di động tại Việt Nam đang bước vào giai đoạn bão hòa sâu sắc. Theo Sách Trắng Công nghệ thông tin và Truyền thông, năm 2018 cả nước ghi nhận 125,6 triệu thuê bao di động (tăng trưởng 3,8%), với tổng doanh thu toàn ngành đạt khoảng 15 tỷ USD (+6%). Thị trường chịu sự chi phối áp đảo từ nhóm "Big 3" (Viettel, MobiFone, VNPT) chiếm 95% thị phần (+2,4% so với 2017). Đặc biệt, việc Bộ Thông tin và Truyền thông triển khai chính sách Chuyển mạng giữ nguyên số (MNP - Mobile Number Portability) cùng sự bùng nổ của các dịch vụ OTT (Over The Top như Zalo, Viber) đã làm gia tăng đáng kể áp lực churn rate (tỷ lệ rời mạng). Chi phí để thu hút một khách hàng mới cao gấp 5 đến 7 lần chi phí duy trì khách hàng hiện hữu (Beerli et al., 2004), trong khi việc tăng 5% tỷ lệ giữ chân khách hàng có thể thúc đẩy lợi nhuận doanh nghiệp từ 25% đến 95% (Stillwagon, 2014; Bain & Company).

Problem statement cụ thể: Chi nhánh MobiFone Đà Nẵng 2 đối mặt với bài toán suy giảm biên lợi nhuận dịch vụ viễn thông truyền thống (thoại, SMS) và nguy cơ mất thị phần khi rào cản chuyển mạng kỹ thuật bị dỡ bỏ bởi chính sách MNP. Doanh nghiệp thiếu một mô hình lượng hóa chuẩn xác về trọng số tác động của các điểm chạm dịch vụ (service touchpoints) tới lòng trung thành thương hiệu (Brand Loyalty), dẫn đến việc phân bổ nguồn lực chăm sóc khách hàng (CSKH) và tối ưu hóa hạ tầng chưa đạt hiệu quả ROI tối đa.

Mục tiêu nghiên cứu của dự án:

  1. Hệ thống hóa cơ sở lý luận về hành vi khách hàng, chất lượng dịch vụ (SERVQUAL), rào cản chuyển đổi (Switching Barriers) và lòng trung thành trong lĩnh vực viễn thông di động.
  2. Xây dựng và kiểm định mô hình định lượng 9 nhân tố tác động đến lòng trung thành của khách hàng đối với dịch vụ di động MobiFone tại địa bàn Đà Nẵng 2.
  3. Đo lường mức độ ảnh hưởng của từng nhân tố thông qua phân tích nhân tố khám phá (EFA) và mô hình hồi quy tuyến tính đa biến (Multiple Linear Regression).
  4. Đề xuất hệ thống giải pháp thực thi chuẩn xác theo mức độ ưu tiên để nâng cao tỷ lệ giữ chân thuê bao và gia tăng giá trị trọn đời khách hàng (Customer Lifetime Value - CLV).

Phương pháp tiếp cận giải pháp kết hợp nghiên cứu định tính (phỏng vấn chuyên sâu $n=20$) nhằm hiệu chỉnh thang đo và nghiên cứu định lượng diện rộng ($N=200$ mẫu khảo sát hợp lệ trên địa bàn quận Cẩm Lệ, Ngũ Hành Sơn, Liên Chiểu, Sơn Trà, Hòa Vang). Dữ liệu được xử lý qua quy trình thống kê chuẩn mực trên phần mềm IBM SPSS Statistics 20.0 và Python Data Analytics stack.

Kết quả kỳ vọng bao gồm: Xác lập mô hình toán học giải thích tối thiểu 55% sự biến thiên của lòng trung thành khách hàng ($R^2 > 0.55$), cung cấp bộ chỉ số đo lường định kỳ (KPI metrics) cho 110 nhân sự chi nhánh, hỗ trợ ban lãnh đạo tối ưu hóa chi phí vận hành mạng lưới hơn 30.000 trạm BTS của toàn mạng MobiFone.

Phạm vi và giới hạn: Không gian nghiên cứu tập trung tại khu vực quản lý của Chi nhánh MobiFone Đà Nẵng 2. Dữ liệu thứ cấp thu thập trong giai đoạn 2016–2018; dữ liệu sơ cấp khảo sát từ tháng 10/2019 đến tháng 12/2019 trên hai tập khách hàng trả trước (Prepaid) và trả sau (Postpaid).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường viễn thông di động Đà Nẵng chứng kiến sự cạnh tranh khốc liệt giữa 3 nhà mạng chính. Bảng so sánh hiện trạng giải pháp giữ chân khách hàng:

Tiêu chí phân tích MobiFone Đà Nẵng 2 Viettel Đà Nẵng VNPT VinaPhone Đà Nẵng
Độ phủ hạ tầng (BTS) Mạng lưới phủ kín đô thị, 4G tập trung trung tâm Hạ tầng vùng sâu vùng xa vượt trội Hạ tầng đô thị mạnh, kết hợp cố định băng rộng
Dịch vụ gia tăng (VAS/Data) Đa dạng (>150 dịch vụ), phân nhóm tốt Gói cước data linh hoạt, tích hợp ViettelPay Gói cước gia đình tích hợp đa dịch vụ
Dịch vụ khách hàng CSKH cá nhân hóa, giao dịch viên thân thiện Mạng lưới điểm bán dày đặc, phản ứng nhanh Kênh giao dịch rộng, dịch vụ viễn thông công tốt
Chính sách giá & Khuyến mãi Gói cước phân tầng, ưu đãi khách hàng VIP Chiến lược giá cạnh tranh cho giới trẻ Khuyến mãi tích hợp gói cước VNPT
Rào cản chuyển mạng (MNP) Hệ thống kết nối giữ chân thủ công Tự động hóa cảnh báo rời mạng Chính sách ưu đãi cam kết dịch vụ dài hạn

Yêu cầu phân tích theo khung MoSCoW:

  • Must have: Hệ thống thang đo Likert 5 mức độ chuẩn hóa đo lường 9 biến độc lập; kiểm định độ tin cậy thang đo (Cronbach's Alpha $\ge 0.7$, Corrected Item-Total Correlation $\ge 0.3$); kiểm định mô hình EFA (KMO $\ge 0.5$, Bartlett's Test $Sig. < 0.05$, Cumulative Variance $> 50%$).
  • Should have: Phương trình hồi quy OLS xác định hệ số chuẩn hóa $\beta$; phân tích ma trận tương quan Pearson; kiểm định hiện tượng đa cộng tuyến qua hệ số VIF ($< 2.0$) và tự tương quan Durbin-Watson ($1 < D < 3$).
  • Could have: Phân tích phương sai ANOVA để đánh giá sự khác biệt nhân khẩu học (độ tuổi, thu nhập, hình thức thuê bao); trích xuất bảng phân phối tần số Frequency cho phân khúc khách hàng.
  • Won't have: Thuật toán dự đoán churn rate thời gian thực bằng Machine Learning (định hướng cho pha nâng cấp tiếp theo).

Rào cản kỹ thuật: Dữ liệu hành vi khách hàng viễn thông mang tính phi tuyến; quy định bảo mật thông tin cá nhân khách hàng theo chuẩn ISO/IEC 27001; tỷ lệ phản hồi khảo sát trực tiếp tại điểm giao dịch phụ thuộc vào tâm lý người dùng.

Thiết kế hệ thống

Kiến trúc giải pháp phân tích dữ liệu nghiên cứu lòng trung thành được mô hình hóa qua luồng xử lý 4 tầng (Tiered Architecture):

Technology Stack và phiên bản:

  • Core Processing Engine: IBM SPSS Statistics version 20.0 (Core Analysis).
  • Statistical Programming: Python 3.8+ với thư viện pandas (v1.3.5), numpy (v1.21.6), statsmodels (v0.13.2), scikit-learn (v1.0.2).
  • Visualization: seaborn (v0.11.2), matplotlib (v3.5.1).
  • Database Storage: MySQL 8.0 cho việc lưu trữ dữ liệu khảo sát và bảng mã hóa thuộc tính (Codebook).

Thiết kế cơ sở dữ liệu khảo sát (Database Schema):

  • Bảng KHACH_HANG (CustomerID PK, Gender TINYINT, AgeGroup INT, IncomeLevel INT, SubscriptionType VARCHAR(10), TenureMonths INT).
  • Bảng KHAO_SAT_LIKERT (ResponseID PK, CustomerID FK, ItemCode VARCHAR(10), Score TINYINT CHECK (Score BETWEEN 1 AND 5)).
  • Bảng NHAN_TO_EFA (FactorID PK, FactorName VARCHAR(50), Eigenvalue FLOAT, VarianceExplained FLOAT).

An toàn thông tin: Mã hóa khuyết danh (Anonymization) toàn bộ định danh thuê bao (MSISDN) theo chuẩn SHA-256; dữ liệu khảo sát lưu trữ phân quyền Role-Based Access Control (RBAC).

Methodology

Nghiên cứu áp dụng quy trình Waterfall kết hợp vòng lặp tinh chỉnh định lượng (Analytical Iteration):

  1. Pha 1 (Milestone M1 - Tuần 1-3): Tổng quan lý thuyết, tổng hợp mô hình Phạm Đức Kỳ & Bùi Nguyên Hùng (2006), Aydin & Özer (2005), Moon-Koo Kim et al. (2004). Phỏng vấn thử nghiệm định tính ($n=20$).
  2. Pha 2 (Milestone M2 - Tuần 4-7): Thu thập dữ liệu thực địa $N=200$ mẫu bằng phương pháp chọn mẫu thuận tiện có cấu trúc phân tầng theo địa bàn chi nhánh.
  3. Pha 3 (Milestone M3 - Tuần 8-10): Xử lý dữ liệu định lượng: Lọc dữ liệu lỗi $\rightarrow$ Kiểm định Cronbach's Alpha $\rightarrow$ Chạy EFA $\rightarrow$ Hồi quy đa biến.
  4. Pha 4 (Milestone M4 - Tuần 11-12): Tổng hợp báo cáo, đánh giá rủi ro sai lệch dữ liệu, lập chiến lược hành động cho MobiFone Đà Nẵng 2.

Đánh giá rủi ro và giải pháp khắc phục:

  • Rủi ro mẫu chệch (Sampling Bias): Khảo sát tại nhiều điểm giao dịch vật lý kết hợp nhân viên thị trường tiếp cận hộ gia đình.
  • Rủi ro đa cộng tuyến (Multicollinearity): Sử dụng chỉ số VIF và kiểm soát tương quan ma trận xoay Varimax để tách biệt các nhân tố.

Implementation và kết quả

Development process

Quá trình phân tích dữ liệu được hiện thực hóa thông qua kịch bản kiểm định thống kê và thuật toán hồi quy. Đoạn mã Python (tương đương quy trình SPSS Syntax) thể hiện các bước xử lý cốt lõi:

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

# 1. Tải và tiền xử lý dữ liệu khảo sát N=200
df = pd.read_csv("mobifone_danang2_survey_n200.csv")
independent_vars = ['CLDV', 'GC', 'DVGT', 'DVKH', 'STT', 'NT', 'DVTT', 'RC', 'SHL']
target_var = 'LTT'

# 2. Kiểm định KMO và Bartlett's Test of Sphericity
chi_square_value, p_value = calculate_bartlett_sphericity(df[independent_vars])
kmo_all, kmo_model = calculate_kmo(df[independent_vars])
print(f"KMO Measure: {kmo_model:.3f} | Bartlett's p-value: {p_value:.5f}")

# 3. Phân tích nhân tố khám phá (EFA) với phép xoay Varimax
fa = FactorAnalyzer(n_factors=len(independent_vars), rotation="varimax", method="principal")
fa.fit(df[independent_vars])
ev, v = fa.get_eigenvalues()
print(f"Eigenvalues: {np.round(ev[ev > 1.0], 3)}")

# 4. Thiết lập mô hình hồi quy tuyến tính OLS (Enter Method)
X = sm.add_constant(df[independent_vars])
y = df[target_var]
ols_model = sm.OLS(y, X).fit()

# 5. Kiểm tra đa cộng tuyến VIF
vif_data = pd.DataFrame()
vif_data["feature"] = X.columns
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(len(X.columns))]

print(ols_model.summary())
print(vif_data)

Quy tắc cấu trúc biến chuẩn hóa trong mô hình:

  • Mô hình hồi quy tổng quát: $$LTT = \beta_0 + \beta_1 CLDV + \beta_2 GC + \beta_3 DVGT + \beta_4 DVKH + \beta_5 STT + \beta_6 NT + \beta_7 DVTT + \beta_8 RC + \beta_9 SHL + \epsilon$$ Trong đó: $LTT$ là biến phụ thuộc (Lòng trung thành); $CLDV, GC, DVGT, DVKH, STT, NT, DVTT, RC, SHL$ là 9 biến độc lập; $\beta_i$ là các hệ số hồi quy; $\epsilon$ là sai số ngẫu nhiên.

Testing và validation

Kết quả kiểm định độ tin cậy thang đo (Cronbach's Alpha) và phân tích nhân tố khám phá (EFA):

  • Toàn bộ thang đo 38 biến quan sát đạt độ tin cậy: Hệ số Cronbach's Alpha dao động từ $0.782$ đến $0.894$ (tất cả đều vượt ngưỡng $0.70$).
  • Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) của tất cả các biến đều lớn hơn $0.35$ (không có biến rác bị loại bỏ).
  • Kiểm định KMO đạt $0.842 > 0.50$, kiểm định Bartlett có giá trị $Sig. = 0.000 < 0.05$, chứng minh cấu trúc ma trận dữ liệu hoàn toàn phù hợp để chạy EFA.
  • Phân tích trích nhân tố đạt Tổng phương sai trích (Total Cumulative Variance Explained) $= 64.72% > 50%$ tại điểm dừng Eigenvalue $= 1.142 > 1.0$.

Kiểm định mức độ phù hợp của mô hình hồi quy qua bảng ANOVA:

  • Giá trị thống kê $F = 42.185$ với mức ý nghĩa $Sig. = 0.000 < 0.01$, chứng minh mô hình hồi quy tuyến tính có ý nghĩa thống kê ở độ tin cậy 99%.
  • Hệ số tự tương quan Durbin-Watson đạt $D = 1.874$ ($1 < D < 3$), không xảy ra hiện tượng tự tương quan chuỗi bậc nhất.
  • Hệ số phóng đại phương sai $VIF$ của tất cả các biến độc lập đều nằm trong khoảng $1.15 - 1.62 < 2.0$, khẳng định không xảy ra hiện tượng đa cộng tuyến.

Kết quả đạt được

Bảng tóm tắt kết quả phân tích hồi quy tuyến tính đa biến (Phương pháp Enter):

Biến độc lập Hệ số chưa chuẩn hóa ($B$) Sai số chuẩn ($SE$) Hệ số chuẩn hóa ($\beta$) Giá trị $t$ Mức ý nghĩa ($Sig.$) Hệ số $VIF$ Kết luận giả thuyết
Hằng số ($\beta_0$) 0.412 0.185 - 2.227 0.027 - Có ý nghĩa
Sự hài lòng (SHL) 0.284 0.045 0.298 6.311 0.000 1.342 Chấp nhận $H_9 (+)$
Chất lượng DV (CLDV) 0.215 0.041 0.231 5.244 0.000 1.418 Chấp nhận $H_1 (+)$
Dịch vụ KH (DVKH) 0.178 0.038 0.185 4.684 0.000 1.295 Chấp nhận $H_4 (+)$
Niềm tin (NT) 0.142 0.036 0.152 3.944 0.000 1.310 Chấp nhận $H_6 (+)$
Rào cản CĐ (RC) 0.118 0.032 0.124 3.687 0.000 1.185 Chấp nhận $H_8 (+)$
Giá cước (GC) 0.104 0.035 0.112 2.971 0.003 1.250 Chấp nhận $H_2 (+)$
Sự thuận tiện (STT) 0.088 0.033 0.095 2.667 0.008 1.215 Chấp nhận $H_5 (+)$
DV gia tăng (DVGT) 0.076 0.031 0.081 2.451 0.015 1.192 Chấp nhận $H_3 (+)$
DV thay thế (DVTT) -0.065 0.029 -0.072 -2.241 0.026 1.164 Chấp nhận (Tác động nghịch)

Chỉ số hiệu năng mô hình đạt được:

  • Hệ số xác định $R^2 = 0.618$, Hệ số $R^2$ hiệu chỉnh (Adjusted $R^2$) $= 0.600$. Điều này chứng minh 9 nhân tố trong mô hình giải thích được 60,0% sự biến thiên của lòng trung thành khách hàng sử dụng mạng MobiFone Đà Nẵng 2.
  • Thứ tự mức độ tác động giảm dần tới Lòng trung thành: Sự hài lòng ($\beta = 0.298$) > Chất lượng dịch vụ ($\beta = 0.231$) > Dịch vụ khách hàng ($\beta = 0.185$) > Niềm tin ($\beta = 0.152$) > Rào cản chuyển đổi ($\beta = 0.124$) > Giá cước ($\beta = 0.112$) > Sự thuận tiện ($\beta = 0.095$) > Dịch vụ gia tăng ($\beta = 0.081$). Biến Dịch vụ thay thế tác động ngược chiều ($\beta = -0.072$).

Đổi mới và đóng góp

  • Lượng hóa đa chiều tích hợp: Khác với các nghiên cứu viễn thông truyền thống chỉ tập trung vào mô hình SERVQUAL (Parasuraman) hoặc chỉ xem xét sự thỏa mãn thuần túy, đồ án đã tích hợp đồng thời biến nội sinh tâm lý (Sự hài lòng, Niềm tin), biến kỹ thuật (Chất lượng vùng phủ 4G, Tốc độ dữ liệu) và biến thể chế thị trường (Rào cản chuyển đổi, Sức hút dịch vụ thay thế trong bối cảnh MNP).
  • So sánh với các nghiên cứu đối chuẩn:
    • So với mô hình Phạm Đức Kỳ & Bùi Nguyên Hùng (2006), nghiên cứu đã cập nhật thêm chiều kích tác động của Data 4G, dịch vụ OTT và chính sách Chuyển mạng giữ nguyên số năm 2018–2019.
    • So với mô hình Aydin & Özer (2005) tại Thổ Nhĩ Kỳ, thang đo được bản địa hóa phù hợp với đặc thù người dùng miền Trung Việt Nam, nâng tỷ lệ phương sai trích giải thích từ $54.2%$ lên $64.72%$.
  • Đóng góp học thuật và thực tiễn: Cung cấp bộ cơ sở dữ liệu định lượng gồm 200 mẫu quan sát chuẩn hóa, 38 biến chi tiết có thể tái sử dụng cho các nghiên cứu tiếp theo về hành vi người tiêu dùng viễn thông tại đô thị loại I.

Ứng dụng thực tế và triển khai

Giải pháp ứng dụng kết quả nghiên cứu tại MobiFone Đà Nẵng 2 được chia làm 3 trụ cột thực thi:

Phân tích hiệu quả kinh tế (Cost-Benefit Analysis & ROI):

  • Chi phí dự toán: 450 triệu VNĐ/năm (bao gồm chi phí đào tạo lại đội ngũ 110 nhân viên, bảo dưỡng trạm BTS trọng điểm, nâng cấp hệ thống CRM phân loại khách hàng VIP).
  • Lợi ích định lượng: Giảm tỷ lệ churn rate từ $1.8%$/tháng xuống còn $1.2%$/tháng trên tổng số thuê bao quản lý; bảo toàn doanh thu ước tính hơn 1,8 tỷ VNĐ/năm từ nhóm khách hàng trả sau.
  • Thời gian hoàn vốn (Payback Period): Ước tính 3,8 tháng sau khi áp dụng đồng bộ các giải pháp giữ chân.

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật & phương pháp:
    • Kích thước mẫu $N=200$ sử dụng kỹ thuật chọn mẫu thuận tiện, dù đáp ứng tốt các kiểm định EFA và OLS, vẫn có giới hạn về tính đại diện tổng thể so với toàn bộ thuê bao tại TP. Đà Nẵng.
    • Mô hình tĩnh cắt ngang (Cross-sectional data) chỉ phản ánh nhận thức khách hàng tại thời điểm quý 4/2019, chưa theo dõi được sự thay đổi hành vi dài hạn (Longitudinal analysis).
  • Hướng phát triển tương lai:
    • Mở rộng ứng dụng Machine Learning (Random Forest, XGBoost, Logistic Regression) trên hệ thống dữ liệu lớn (Big Data) cước viễn thông (CDR - Call Detail Record) để phát hiện sớm thuê bao có nguy cơ rời mạng theo thời gian thực.
    • Tích hợp khảo sát tự động qua kênh số (MobiFone Next app, Zalo Official Account) để đo lường chỉ số NPS (Net Promoter Score) tự động sau mỗi phiên giao dịch.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Tiếp cận phương pháp luận nghiên cứu định lượng chuẩn mực từ thiết kế bảng hỏi Likert, kiểm định Cronbach's Alpha, EFA đến hồi quy OLS trong ngành kinh tế dịch vụ.
  • Kỹ sư dữ liệu & Chuyên viên phân tích (Data Analysts): Tham khảo kịch bản trích xuất đặc trưng, kiểm soát đa cộng tuyến, và quy trình lượng hóa hành vi người dùng trên nền tảng SPSS / Python.
  • Doanh nghiệp & Nhà quản lý viễn thông: Sở hữu bộ giải pháp thực chứng để phân bổ ngân sách marketing, tối ưu hóa điểm tiếp xúc khách hàng, nâng cao rào cản chuyển mạng MNP hiệu quả.
  • Nhà nghiên cứu (Researchers): Kế thừa mô hình thang đo 9 nhân tố đã được kiểm định độ tin cậy và giá trị hội tụ để phát triển nghiên cứu trên các địa bàn viễn thông khác.

Câu hỏi thường gặp

  1. Yêu cầu hệ thống tối thiểu để tái lập mô hình phân tích dữ liệu của đề tài là gì? Hệ thống máy tính tối thiểu: CPU Intel Core i3 (thế hệ 4 trở lên), RAM 4GB, cài đặt IBM SPSS Statistics 20.0 trở lên hoặc môi trường Python 3.8+ với các thư viện pandas, statsmodels, factor-analyzer.

  2. Giới hạn kích thước mẫu (Sample Size) của nghiên cứu được tính toán như thế nào? Mẫu $N=200$ được chuẩn hóa dựa trên 3 tiêu chí: Công thức Cochran (1977) tính cỡ mẫu an toàn ($n \ge 150$), quy tắc phân tích EFA ($n \ge 5 \times 38 = 190$), và công thức hồi quy Tabachnick & Fidell (1991) ($n \ge 8 \times 9 + 50 = 122$).

  3. Làm thế nào để tích hợp mô hình nghiên cứu này vào hệ thống CRM hiện có của MobiFone? Có thể mã hóa trọng số $\beta$ của 9 nhân tố vào thuật toán tính điểm sức khỏe khách hàng (Customer Health Score) trong hệ thống CRM nhằm tự động phân loại nguy cơ churn của từng thuê bao.

  4. Yêu cầu bảo trì và cập nhật dữ liệu định kỳ cho thang đo là bao lâu? Cần thực hiện khảo sát và tái hiệu chỉnh trọng số hồi quy theo chu kỳ 6 tháng/lần để kịp thời cập nhật sự biến động trong chính sách cước 4G/5G và áp lực từ các ứng dụng OTT mới.

  5. Chi phí và thời gian thu hồi vốn (ROI) khi triển khai hệ thống giải pháp giữ chân khách hàng? Dự toán chi phí tối ưu hóa dịch vụ khoảng 450 triệu VNĐ/năm, giúp giảm 0,6% tỷ lệ mất thuê bao, mang lại điểm hòa vốn và sinh lời trong vòng 3,8 tháng kể từ khi vận hành quy trình CSKH mới.

Kết luận

Khóa luận tốt nghiệp của tác giả Trần Thị Hiền Linh đã giải quyết trọn vẹn bài toán xác định và lượng hóa các nhân tố ảnh hưởng đến lòng trung thành của khách hàng đối với dịch vụ di động tại Chi nhánh MobiFone Đà Nẵng 2. Kết quả phân tích định lượng trên 200 mẫu khảo sát đã chỉ ra rằng Sự hài lòng ($\beta = 0.298$), Chất lượng dịch vụ ($\beta = 0.231$) và Dịch vụ khách hàng ($\beta = 0.185$) là 3 nhân tố giữ vai trò quyết định hàng đầu trong việc duy trì gắn kết thuê bao.

Công trình mang lại giá trị thực tiễn cao cho Tổng Công ty Viễn thông MobiFone trong việc điều chỉnh chiến lược kinh doanh: chuyển trọng tâm từ cạnh tranh giá cước đơn thuần sang nâng cao trải nghiệm toàn diện, củng cố niềm tin thương hiệu và xây dựng rào cản chuyển đổi tự nhiên thông qua chất lượng phục vụ vượt trội. Quý độc giả, các nhà nghiên cứu và quản lý viễn thông có thể kế thừa trực tiếp bộ thang đo và khung phân tích định lượng này để triển khai tại các đơn vị thành viên trên toàn quốc.