Giới thiệu dự án

Thị trường bán lẻ hiện đại tại Việt Nam đang trải qua giai đoạn chuyển dịch cơ cấu mạnh mẽ với tốc độ tăng trưởng bình quân trên 10%/năm. Cùng với quá trình đô thị hóa nhanh chóng tại các trung tâm công nghiệp trọng điểm như tỉnh Bình Dương, mô hình trung tâm thương mại (Shopping Mall) phức hợp đa chức năng đang dần thay thế các chợ truyền thống và siêu thị đơn lẻ. Tập đoàn AEON Việt Nam đặt mục tiêu chiến lược phát triển mạng lưới đạt mốc 20 trung tâm thương mại vào năm 2025. Trong đó, AEON Mall Bình Dương Canary (khai trương tháng 11/2014, quy mô hơn 70.000 m² sàn với hơn 116 gian hàng chuyên doanh) là điểm nút phân phối chiến lược phục vụ hàng triệu lượt khách hàng tại khu vực kinh tế Đông Nam Bộ.

Vấn đề cốt lõi đặt ra cho các nhà quản trị bán lẻ là: Những nhân tố cụ thể nào thúc đẩy người tiêu dùng đưa ra quyết định lựa chọn AEON Mall Bình Dương Canary thay vì các điểm mua sắm đối thủ trong cùng phân khúc? Việc thiếu hụt dữ liệu định lượng về trọng số tác động của từng chiều không gian trải nghiệm (từ môi trường, tiện ích cho đến giá cả và thái độ phục vụ) dẫn đến rủi ro phân bổ sai lệch ngân sách vận hành và marketing.

Dự án nghiên cứu được triển khai với 4 mục tiêu trọng tâm:

  1. Xác định hệ thống các nhân tố cấu thành ảnh hưởng đến hành vi lựa chọn điểm mua sắm AEON Mall Bình Dương Canary.
  2. Kiểm định độ tin cậy của thang đo (Cronbach's Alpha) và đánh giá cấu trúc giá trị hội tụ, phân biệt thông qua phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA).
  3. Thiết lập mô hình hồi quy tuyến tính bội (Multiple Linear Regression) nhằm đo lường mức độ và thứ tự tác động của các nhân tố đến biến phụ thuộc "Quyết định mua sắm" (QDMS).
  4. Đề xuất hệ thống giải pháp vận hành, tối ưu hóa dịch vụ khách hàng và chiến lược kinh doanh dựa trên bằng chứng dữ liệu thực nghiệm (Data-driven Insights).

Nghiên cứu áp dụng phương pháp tiếp cận kết hợp (Mixed Methods Approach), chuyển hóa các khái niệm trừu tượng trong lý thuyết hành vi tiêu dùng thành thang đo định lượng Likert 5 điểm. Kết quả dự kiến mang lại bộ chỉ số đo lường chuẩn xác ($R^2_{\text{adj}} \ge 0.85$, $p < 0.05$), cung cấp cơ sở ra quyết định chiến lược cho ban quản lý trung tâm. Nghiên cứu giới hạn trong phạm vi khách hàng trực tiếp trải nghiệm tại AEON Mall Bình Dương Canary với cỡ mẫu hợp lệ $N = 150$.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại thị trường bán lẻ Việt Nam, người tiêu dùng có nhiều phương án lựa chọn điểm đến mua sắm với các đặc tính vận hành khác biệt:

Tiêu chí so sánh Chợ truyền thống Siêu thị tổng hợp thông thường AEON Mall Bình Dương Canary
Quy mô & Tiện ích Dưới 5.000 m², tiện ích cơ bản 2.000 - 10.000 m², tập trung hàng tiêu dùng > 70.000 m², tích hợp giải trí, ẩm thực, rạp phim, y tế
Kiểm soát chất lượng Phân tán, khó truy xuất nguồn gốc Đạt chuẩn vệ sinh an toàn thực phẩm Chuẩn Nhật Bản, quy trình kiểm định nghiêm ngặt
Trải nghiệm khách hàng Không gian mở, thiếu dịch vụ gia tăng Quầy kệ chuẩn hóa, phục vụ cơ bản Triết lý Omotenashi, khu chăm sóc trẻ em, xe lăn, wifi 4.0
Chính sách giá & Khuyến mãi Mặc cả, không tích điểm Giảm giá theo đợt, thẻ thành viên Tích điểm đa kênh, khung giờ vàng, voucher liên kết

Phân loại các nhóm thuộc tính dịch vụ theo mô hình MoSCoW trong thiết kế khảo sát hành vi:

  • Must have (Bắt buộc phải có): Nguồn gốc hàng hóa rõ ràng (DDHH2), môi trường an toàn vệ sinh (QDMS2), bãi đỗ xe chuẩn hóa (DVKH1), chính sách giá minh bạch (GCSP1).
  • Should have (Nên có): Nhân viên giải quyết thắc mắc chuyên nghiệp (CLNV3), phân khu ẩm thực chuyên biệt (DVKH3), ưu đãi hội viên thường xuyên (GCSP5).
  • Could have (Có thể có): Phòng chăm sóc trẻ em chuyên biệt (TL2), xe lăn hỗ trợ người cao tuổi/khuyết tật (TL3), trạm sạc điện thoại và ghế massage (DVKH4).
  • Won't have this time (Chưa ưu tiên): Tự động hóa thanh toán 100% không tiền mặt không người trực (Unmanned Store) do đặc thù nhóm khách hàng gia đình và công nhân tại Bình Dương.

Thiết kế hệ thống và mô hình nghiên cứu

Mô hình nghiên cứu kế thừa và mở rộng từ mô hình chất lượng dịch vụ SERVQUAL của Parasuraman (1988) và mô hình hành vi mua ngẫu hứng của Tinne (2011), hiệu chỉnh phù hợp với mô hình đại siêu thị phức hợp:

QDMS = f(DDHH, UTTH, SHL, NCKH, GCSP, DD)

Công nghệ và công cụ xử lý dữ liệu:

  • Nền tảng thu thập dữ liệu: Google Forms API kết hợp bảng hỏi trực tiếp tại điểm bán.
  • Công cụ phân tích thống kê: IBM SPSS Statistics Version 26.0 và Python 3.10 (thư viện pandas, statsmodels, scipy, seaborn).
  • Hệ quản trị cơ sở dữ liệu lưu trữ: MySQL Community Server 8.0.
-- Cấu trúc bảng lưu trữ dữ liệu khảo sát phục vụ phân tích
CREATE TABLE tbl_survey_responses (
    response_id INT AUTO_INCREMENT PRIMARY KEY,
    survey_date DATE NOT NULL,
    gender ENUM('Nam', 'Nu', 'Khac') NOT NULL,
    age_group ENUM('Under_18', '18_30', 'Over_30') NOT NULL,
    occupation ENUM('Student', 'Staff_Worker', 'Other') NOT NULL,
    ddhh_score DECIMAL(4,2),
    dvkh_score DECIMAL(4,2),
    utth_score DECIMAL(4,2),
    mthd_score DECIMAL(4,2),
    tl_score DECIMAL(4,2),
    clnv_score DECIMAL(4,2),
    gcsp_score DECIMAL(4,2),
    dd_score DECIMAL(4,2),
    qdms_score DECIMAL(4,2),
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

Phương pháp luận (Methodology)

Nghiên cứu tuân thủ quy trình 2 giai đoạn tiêu chuẩn trong nghiên cứu kinh tế lượng ứng dụng:

  1. Nghiên cứu định tính (Pilot Study): Phỏng vấn chuyên sâu và thảo luận nhóm tập trung ($N=10$) nhằm hiệu chỉnh danh mục 35 biến quan sát phù hợp ngữ cảnh trung tâm thương mại Nhật Bản tại Việt Nam.
  2. Nghiên cứu định lượng chính thức (Quantitative Study): Thu thập dữ liệu diện rộng, mã hóa làm sạch, kiểm tra độ tin cậy thang đo (Cronbach's Alpha), phân tích cấu trúc nhân tố (EFA), kiểm định ma trận tương quan Pearson và mô hình hồi quy OLS (Ordinary Least Squares).

Implementation và kết quả

Quy trình xử lý và thuật toán phân tích dữ liệu

Thuật toán kiểm định độ tin cậy thang đo thông qua hệ số Cronbach's Alpha ($\alpha$) được tính toán theo công thức:

$$\alpha = \frac{k}{k - 1} \left( 1 - \frac{\sum_{i=1}^k \sigma_{y_i}^2}{\sigma_x^2} \right)$$

Trong đó:

  • $k$: Số lượng biến quan sát trong thành phần thang đo.
  • $\sigma_{y_i}^2$: Phương sai của biến quan sát thứ $i$.
  • $\sigma_x^2$: Phương sai của tổng điểm các biến quan sát trong thang đo.

Quy trình lọc dữ liệu loại bỏ các mẫu câu hỏi có hiện tượng chọn điểm đồng nhất (Straight-lining: toàn 1, 3 hoặc 5) và mẫu khuyết dữ liệu:

import pandas as pd
import numpy as np

def clean_and_validate_survey_data(raw_data_path: str) -> pd.DataFrame:
    df = pd.read_csv(raw_data_path)
    # Loại bỏ mẫu thiếu giá trị
    df_clean = df.dropna()
    # Loại bỏ các bản ghi không hợp lệ (straight-lining detection qua độ lệch chuẩn = 0)
    likert_cols = [col for col in df_clean.columns if col.startswith(('DDHH', 'DVKH', 'UTTH', 'MTHD', 'TL', 'CLNV', 'GCSP', 'DD', 'QDMS'))]
    df_valid = df_clean[df_clean[likert_cols].std(axis=1) > 0.1].copy()
    return df_valid

Kiểm định chất lượng thang đo và mô hình hồi quy

1. Kiểm định độ tin cậy Cronbach's Alpha

Sau đợt khảo sát thu về 170 phiếu từ 200 bảng câu hỏi phát ra (tỷ lệ phản hồi đạt 85%), nhóm nghiên cứu lọc ra được $N = 150$ phiếu hợp lệ. Cơ cấu mẫu: 50,7% Nữ, 41,3% Nam, 8,0% Khác; nhóm tuổi 18–30 chiếm tỷ trọng cao nhất (40,7%), theo sau là dưới 18 tuổi (30,0%) và trên 30 tuổi (29,3%); nghề nghiệp gồm Nhân viên/Công nhân (45,3%), Học sinh/Sinh viên (38,7%), Khác (16,0%).

Kết quả kiểm định độ tin cậy thang đo sơ bộ:

  • Đa dạng hàng hóa (DDHH): $\alpha = 0.806$. Loại biến DDHH1 do chỉ số Cronbach's Alpha if Item Deleted lớn hơn $\alpha$ tổng.
  • Dịch vụ khách hàng (DVKH): $\alpha = 0.847$. Loại biến DVKH5 nhằm tối ưu độ tin cậy thang đo.
  • Uy tín thương hiệu (UTTH): $\alpha = 0.820$. Giữ nguyên 4 biến quan sát.
  • Môi trường hiện đại (MTHD): $\alpha = 0.862$. Giữ nguyên 3 biến quan sát.
  • Tiện lợi (TL): $\alpha = 0.867$. Loại biến TL1 để tăng tính đồng nhất nội tại.
  • Chất lượng nhân viên (CLNV): $\alpha = 0.862$. Giữ nguyên 5 biến quan sát.
  • Giá cả sản phẩm (GCSP): $\alpha = 0.852$. Giữ nguyên 5 biến quan sát.
  • Địa điểm (DD): $\alpha = 0.825$. Giữ nguyên 3 biến quan sát.
  • Quyết định mua sắm (QDMS): $\alpha = 0.629$. Đạt ngưỡng chấp nhận đối với khái niệm nghiên cứu mới ($> 0.6$).

Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) của các biến giữ lại đều đạt chuẩn $> 0.30$. Tổng số biến quan sát sau khi sàng lọc giảm từ 35 xuống 32 biến.

2. Phân tích nhân tố khám phá (EFA)

  • Kiểm định KMO and Bartlett's Test:
    • Hệ số Kaiser-Meyer-Olkin (KMO) = $0.733$ (thỏa mãn điều kiện $0.5 \le \text{KMO} \le 1.0$).
    • Kiểm định Bartlett's Test of Sphericity: $\chi^2$ đạt ý nghĩa thống kê với $\text{Sig.} = 0.000$ ($p < 0.001$), Bậc tự do $\text{df} = 496$, khẳng định ma trận tương quan giữa các biến không phải ma trận đơn vị.
  • Trích xuất nhân tố (Principal Component Analysis - PCA kết hợp phép xoay Varimax):
    • Trích xuất thành công 6 nhân tố có giá trị Eigenvalue $> 1.0$.
    • Tổng phương sai trích (Total Variance Explained) đạt $71.176% > 50%$, giải thích được phần lớn sự biến thiên của 32 biến quan sát.
    • Tất cả hệ số tải nhân tố (Factor Loading) đều đạt chuẩn $> 0.50$, không có hiện tượng biến xấu tải chéo phức tạp.

Cơ cấu 6 nhân tố tái cấu trúc sau EFA:

  1. Nhân tố 1 - Đa dạng hàng hóa (DDHH): DDHH2, DDHH3, DDHH4, DDHH5.
  2. Nhân tố 2 - Uy tín thương hiệu (UTTH): UTTH1, UTTH2, UTTH3, UTTH4.
  3. Nhân tố 3 - Sự hài lòng (SHL): Tích hợp từ MTHD1, MTHD2, MTHD3, TL2, TL3, TL4, TL5, CLNV1.
  4. Nhân tố 4 - Nhu cầu khách hàng (NCKH): Gom nhóm từ CLNV2, CLNV3, CLNV4, CLNV5, GCSP1.
  5. Nhân tố 5 - Giá cả sản phẩm (GCSP): GCSP2, GCSP3, GCSP4, GCSP5.
  6. Nhân tố 6 - Địa điểm (DD): DD1, DD2, DD3.

3. Phân tích hồi quy tuyến tính đa biến (Multiple Regression Analysis)

Mô hình hồi quy được thiết lập với biến phụ thuộc QDMS và 6 nhân tố độc lập:

Chỉ số kiểm định Giá trị thực nghiệm Tiêu chuẩn đánh giá Kết luận kỹ thuật
$R^2$ hiệu chỉnh ($R^2_{\text{adj}}$) 0.896 $> 0.50$ 6 nhân tố giải thích 89,6% sự biến thiên của QDMS
Kiểm định ANOVA (F-test) $F = 784.xx$, $\text{Sig.} = 0.000$ $p < 0.05$ Mô hình hồi quy tổng thể có ý nghĩa thống kê cao
Hệ số Durbin - Watson (DW) 1.931 $1.5 < \text{DW} < 2.5$ Không có hiện tượng tự tương quan chuỗi bậc nhất
Độ lệch chuẩn phần dư (Histogram) 0.980 $\approx 1.00$ Phân phối phần dư xấp xỉ chuẩn
Biểu đồ Normal P-P Plot Các điểm hội tụ dọc đường chéo Bám sát trục 45° Giả định phân phối chuẩn không bị vi phạm
Biểu đồ Scatterplot Phần dư phân tán đều quanh mốc 0 Không có dạng hình phễu Giả định liên hệ tuyến tính và phương sai đồng nhất thỏa mãn

Phương trình hồi quy chuẩn hóa (Standardized Regression Equation):

$$\text{QDMS} = 0.687 \times \text{SHL} + 0.419 \times \text{GCSP} + 0.115 \times \text{NCKH} + 0.010 \times \text{UTTH} + 0.006 \times \text{DD}$$

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

  1. Sự hài lòng của khách hàng (SHL): $\beta = 0.687$ (tác động mạnh nhất, vượt trội).
  2. Giá cả sản phẩm & Khuyến mãi (GCSP): $\beta = 0.419$ (tác động rất mạnh).
  3. Nhu cầu khách hàng & Chăm sóc (NCKH): $\beta = 0.115$.
  4. Uy tín thương hiệu (UTTH): $\beta = 0.010$.
  5. Địa điểm mua sắm (DD): $\beta = 0.006$.

Đổi mới và đóng góp

Nghiên cứu mang lại các đóng góp học thuật và thực tiễn:

  1. Đổi mới mô hình phân rã thuộc tính: Thay vì duy trì các thành phần riêng lẻ tách rời như mô hình SERVQUAL truyền thống, dữ liệu thực nghiệm chỉ ra sự tích hợp mạnh mẽ giữa Môi trường hiện đại, Tiện ích hỗ trợ và Kỹ năng nhân viên thành một biến đại diện duy nhất là Sự hài lòng tổng hợp (SHL) với hệ số đóng góp chi phối ($\beta = 0.687$).
  2. So sánh với các công trình tiền nhiệm:
    • So với mô hình của Tinne (2011) tại Bangladesh (chỉ tập trung vào 7 yếu tố kích thích mua sắm bốc đồng với $R^2 \approx 0.584$), nghiên cứu này bổ sung hệ thống biến đo lường tiện ích chăm sóc khách hàng chuyên sâu chuẩn Nhật, nâng hệ số giải thích lên $R^2_{\text{adj}} = 0.896$.
    • So với nghiên cứu của Nguyễn Thị Mai Trang (2006) tại TP.HCM (áp dụng nguyên mẫu 5 thành phần SERVQUAL cho siêu thị truyền thống), mô hình hiệu chỉnh đã phản ánh đúng bản chất của trung tâm thương mại phức hợp thế hệ mới, chứng minh yếu tố "Địa điểm" không còn là rào cản tuyệt đối nếu trải nghiệm dịch vụ đạt mức vượt trội.
Đặc tính so sánh Nguyễn Thị Mai Trang (2006) Tinne (2011) Mô hình nghiên cứu AEON Mall Canary
Đối tượng nghiên cứu Siêu thị tổng hợp TP.HCM Siêu thị tổng hợp Bangladesh TTTM phức hợp quy mô lớn (Bình Dương)
Phương pháp đo lường SERVQUAL 5 nhân tố cố định 7 nhân tố kích thích bốc đồng 6 nhân tố hiệu chỉnh qua EFA (PCA, Varimax)
Độ giải thích $R^2_{\text{adj}}$ $64.2%$ $58.4%$ $89.6%$
Hệ số Durbin-Watson Không công bố chi tiết $1.680$ $1.931$ (Chuẩn tối ưu)

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế (Use Cases)

  1. Tối ưu hóa nguồn lực nhân sự dịch vụ (Trọng số $\beta = 0.687$):
    • Triển khai chương trình huấn luyện văn hóa phục vụ Omotenashi (tận tâm, chu đáo từ chi tiết nhỏ nhất) cho 100% nhân viên thu ngân, chăm sóc khách hàng và bảo vệ.
    • Thiết lập phòng ban trực tổng đài đa kênh (Hotline, Chatbot, Social CRM) phản hồi thắc mắc và khiếu nại của khách hàng trong vòng 15 phút.
  2. Chiến lược giá linh hoạt và khuyến mãi mục tiêu (Trọng số $\beta = 0.419$):
    • Thiết kế các chương trình ưu đãi tích điểm theo khung giờ thấp điểm (Happy Hours) trong ngày làm việc nhằm san sẻ tải lượng khách tập trung vào cuối tuần.
    • Liên kết phát hành E-Voucher chéo giữa khu vực siêu thị bách hóa tổng hợp và các gian hàng ẩm thực/thời trang chuyên doanh.
  3. Cải tiến hạ tầng tiện ích chuyên biệt:
    • Đầu tư bảo trì định kỳ khu vực phòng chăm sóc trẻ em (Baby Care Room), bố trí lối đi ưu tiên và xe lăn miễn phí phục vụ người cao tuổi và người khuyết tật.
    • Nâng cấp băng thông hạ tầng mạng không dây (Free Wifi Marketing) phủ sóng toàn bộ diện tích 70.000 m².

Dự toán chi phí và hiệu quả đầu tư (ROI Estimation)

  • Ngân sách triển khai giải pháp: Ước tính 2,5% tổng doanh thu vận hành hàng năm (phân bổ 60% cho nâng cấp dịch vụ & đào tạo nhân sự, 30% cho chương trình khuyến mãi/voucher, 10% cho hạ tầng công nghệ).
  • Kỳ vọng tăng trưởng:
    • Tăng tỷ lệ khách hàng quay lại (Customer Retention Rate) thêm 18 - 22% trong vòng 12 tháng.
    • Tăng giá trị giỏ hàng trung bình (Average Order Value - AOV) từ 12% đến 15% nhờ tối ưu hóa trải nghiệm tiện ích lưu giữ khách hàng tại trung tâm lâu hơn.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và dữ liệu

  • Quy mô mẫu: Nghiên cứu thực hiện trên cỡ mẫu hợp lệ $N = 150$, mặc dù đảm bảo yêu cầu tối thiểu cho phân tích EFA và hồi quy OLS (tỷ lệ mẫu trên biến quan sát đạt xấp xỉ $5:1$), nhưng để phân tầng chi tiết theo từng nhóm thu nhập và khu vực địa lý lân cận cần cỡ mẫu mở rộng ($N \ge 500$).
  • Hiện tượng đa cộng tuyến: Một số biến quan sát trong môi trường mua sắm hiện đại có hệ số tương quan nội tại tương đối cao, cần tiếp tục kiểm soát chặt chẽ chỉ số phóng đại phương sai (VIF).

Hướng nghiên cứu mở rộng

  • Ứng dụng mô hình cấu trúc tuyến tính (SEM / PLS-SEM): Phân tích sâu các mối quan hệ tác động gián tiếp, vai trò trung gian của "Sự hài lòng" đến "Lòng trung thành thương hiệu" và "Hành vi mua ngẫu hứng".
  • Ứng dụng Machine Learning trong dự báo: Xây dựng mô hình phân cụm khách hàng (K-Means Clustering) và dự báo khả năng rời bỏ điểm mua sắm (Churn Prediction) dựa trên log dữ liệu tích điểm từ ứng dụng di động AEON Mobile App.

Đối tượng hưởng lợi

  • Sinh viên chuyên ngành Kinh tế/Marketing/Tài chính: Nắm vững phương pháp luận chuẩn mực từ khâu xây dựng bảng hỏi, làm sạch dữ liệu, kiểm định Cronbach's Alpha, EFA cho đến chạy hồi quy OLS trên SPSS.
  • Kỹ sư dữ liệu & Chuyên viên phân tích (Data Analysts): Tham khảo kiến trúc bảng cơ sở dữ liệu quan hệ lưu trữ dữ liệu khảo sát và các đoạn mã script xử lý tự động hóa kiểm định thống kê.
  • Doanh nghiệp bán lẻ & Ban quản trị trung tâm thương mại: Sở hữu khung tham chiếu định lượng trực tiếp để đo lường "sức khỏe" vận hành điểm bán, xác định chính xác các điểm nghẽn trải nghiệm khách hàng.
  • Nhà nghiên cứu học thuật: Tiếp cận bộ dữ liệu thực chứng và hệ thống thang đo đã được chuẩn hóa tại thị trường bán lẻ phía Nam phục vụ các công trình mở rộng.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu về mặt dữ liệu để triển khai phân tích EFA và Hồi quy là gì?

Để phân tích nhân tố khám phá EFA đạt độ tin cậy khoa học, cỡ mẫu tối thiểu phải thỏa mãn quy tắc Hair et al. (tỷ lệ ít nhất 5 quan sát cho 1 biến đo lường, lý tưởng là 10:1). Với mô hình 32 biến quan sát, cỡ mẫu hợp lệ $N = 150$ đáp ứng ngưỡng tối thiểu. Đồng thời, hệ số KMO phải đạt $\ge 0.5$, kiểm định Bartlett có $\text{Sig.} < 0.05$, và tổng phương sai trích $\ge 50%$.

2. Vì sao biến "Địa điểm" (DD) lại có hệ số tác động $\beta = 0.006$ thấp nhất trong mô hình?

Trong bối cảnh hạ tầng giao thông kết nối giữa TP. Hồ Chí Minh, TP. Thủ Dầu Một, TP. Thuận An và TP. Dĩ An phát triển đồng bộ, khách hàng sẵn sàng di chuyển quãng đường xa hơn nếu điểm đến cung cấp không gian trải nghiệm tổng hợp vượt trội. Do đó, yếu tố địa lý thuần túy trở thành điều kiện phụ, nhường vị trí quyết định cho chất lượng trải nghiệm và sự hài lòng tổng thể ($\beta = 0.687$).

3. Làm thế nào để tích hợp quy trình khảo sát này vào hệ thống CRM sẵn có của trung tâm thương mại?

Doanh nghiệp có thể tích hợp bảng hỏi đánh giá trải nghiệm trực tiếp lên ứng dụng di động (Mobile App) hoặc hóa đơn điện tử (E-Receipt) thông qua mã QR định danh khách hàng. Dữ liệu phản hồi được đồng bộ tự động về Data Warehouse qua RESTful API để chạy mô hình chấm điểm sự hài lòng theo thời gian thực (Real-time CSAT/NPS Analytics).

4. Chi phí và thời gian triển khai một cuộc nghiên cứu định lượng tương tự mất bao lâu?

Một chu kỳ nghiên cứu hoàn chỉnh từ thiết kế công cụ, khảo sát thực địa ($N = 150 - 300$) đến phân tích báo cáo hồi quy thường kéo dài từ 4 đến 6 tuần, với chi phí khảo sát trực tiếp dao động từ 15 - 30 triệu VNĐ nếu triển khai nội bộ.

5. Tại sao cần loại bỏ các biến DDHH1, DVKH5 và TL1 trong quá trình kiểm định Cronbach's Alpha?

Các biến này có hệ số tương quan biến - tổng không đạt chuẩn hoặc khi loại bỏ biến thì hệ số tin cậy chung của thang đo tăng lên rõ rệt. Việc loại bỏ các biến quan sát không đồng nhất giúp nâng cao độ hội tụ của thang đo mà không làm biến dạng nội dung khái niệm nghiên cứu ban đầu.

Kết luận

Nghiên cứu đã giải quyết trọn vẹn bài toán xác định và lượng hóa các nhân tố tác động đến quyết định chọn AEON Mall Bình Dương Canary làm nơi mua sắm. Thông qua quy trình phân tích kinh tế lượng chặt chẽ (Cronbach's Alpha $\rightarrow$ EFA $\rightarrow$ OLS Regression), mô hình đã chứng minh được năng lực giải thích vượt trội ($R^2_{\text{adj}} = 89.6%$). Bằng chứng thực nghiệm khẳng định Sự hài lòng của khách hàng ($\beta = 0.687$) và Giá cả/Chính sách ưu đãi ($\beta = 0.419$) là hai đòn bẩy kinh doanh cốt lõi. Ban lãnh đạo AEON Mall cần tập trung nguồn lực duy trì chuẩn mực dịch vụ Omotenashi, tối ưu hóa tiện ích gia đình và áp dụng chính sách khuyến mãi thông minh nhằm bảo đảm vị thế cạnh tranh bền vững tại thị trường bán lẻ Việt Nam.