Giới thiệu dự án

Thị trường ô tô Việt Nam giai đoạn 2022–2023 ghi nhận sự phục hồi mạnh mẽ sau đại dịch COVID-19 với mức tăng trưởng GDP đạt 8,0% (World Bank, 2023), thu nhập bình quân đầu người của lao động làm công ăn lương tăng lên 6,2 triệu VNĐ/tháng. Theo số liệu từ Hiệp hội Các nhà sản xuất Ô tô Việt Nam (VAMA), tổng dung lượng tiêu thụ phân khúc sedan hạng B năm 2022 đạt 75.857 xe, tăng trưởng 16% (tương đương 12.077 xe) so với năm 2021. Trong bối cảnh đô thị hóa nhanh và mật độ phương tiện cá nhân dày đặc tại TP. Hồ Chí Minh, nhu cầu dịch chuyển từ xe hai bánh sang ô tô gia tăng đột biến nhằm giảm thiểu rủi ro tai nạn giao thông—nơi tỷ lệ chấn thương nghiêm trọng của người đi xe máy cao gấp 8 lần ô tô (Keall & Newstead, 2010).

Honda City là mẫu sedan hạng B chủ lực tại thị trường Việt Nam (đạt 15.361 xe năm 2020, tăng trưởng 23% năm 2021 và đạt giải thưởng "Xe của năm 2023" phân khúc B do Otosaigon và Otofun bình chọn). Tuy nhiên, áp lực cạnh tranh gay gắt từ các đối thủ trực tiếp như Toyota Vios và Hyundai Accent đòi hỏi các nhà quản trị marketing phải hiểu rõ các trọng số tác động đến hành vi tiêu dùng đô thị.

+-----------------------------------------------------------------------------------+
|                              BỐI CẢNH THỊ TRƯỜNG                                  |
|  - Tăng trưởng GDP Việt Nam: 8.0% (2022)                                          |
|  - Tiêu thụ Sedan Hạng B: 75.857 xe (+16% YoY)                                   |
|  - Rủi ro chấn thương xe máy vs ô tô: Cao hơn 8.0x                                |
+-----------------------------------------------------------------------------------+
+-----------------------------------------------------------------------------------+
|                               VẤN ĐỀ CẦN GIẢI QUYẾT                               |
|  - Cạnh tranh trực diện khốc liệt: Honda City vs Toyota Vios vs Hyundai Accent   |
|  - Thiếu mô hình định lượng vi mô phản ánh hành vi người tiêu dùng TP.HCM         |
|  - Tối ưu hóa chi phí R&D và Marketing dựa trên dữ liệu thực nghiệm (Data-driven) |
+-----------------------------------------------------------------------------------+

Vấn đề nghiên cứu và Điểm nghẽn thực tế

Hành vi ra quyết định mua ô tô là một tiến trình phức tạp chịu sự chi phối của năng lực tài chính, nhận thức an toàn, định vị thương hiệu và chi phí vòng đời phương tiện. Tại TP. Hồ Chí Minh—thị trường có thu nhập khả dụng và áp lực giao thông cao nhất cả nước—việc thiếu các mô hình định lượng chuẩn xác về các biến số hành vi dẫn đến tình trạng doanh nghiệp phân bổ sai ngân sách khuyến mãi, định giá không tương thích và đánh giá thấp tầm quan trọng của hệ thống an toàn chủ động.

Mục tiêu của dự án

  1. Mục tiêu 1: Xác định và lượng hóa hệ thống các yếu tố cấu thành tác động đến quyết định chọn mua ô tô Honda City tại thị trường TP. Hồ Chí Minh.
  2. Mục tiêu 2: Kiểm định độ tin cậy thang đo, phân tích cấu trúc nhân tố khám phá (EFA) qua 4 chu kỳ lặp và thiết lập phương trình hồi quy tuyến tính bội (OLS Regression).
  3. Mục tiêu 3: Đề xuất khung giải pháp marketing chiến lược và tối ưu hóa tính năng sản phẩm cho Honda Việt Nam nhằm nâng cao thị phần phân khúc Sedan B.

Phương pháp tiếp cận và Biện giải

Dự án áp dụng phương pháp nghiên cứu định lượng kết hợp (Quantitative Empirical Research), sử dụng bảng câu hỏi chuẩn hóa cấu trúc thang đo Likert 5 điểm, thu thập dữ liệu sơ cấp từ khách hàng tiềm năng và khách hàng hiện hữu tại TP. Hồ Chí Minh. Khung phân tích dữ liệu ứng dụng kiểm định hệ số tin cậy nội tại Cronbach's Alpha, phân tích nhân tố khám phá (EFA) trích xuất bằng Principal Axis Factoring với phép xoay Varimax, kết hợp phân tích tương quan Pearson và mô hình hồi quy tuyến tính đa biến (Multiple Linear Regression).

Kết quả kỳ vọng và Phạm vi nghiên cứu

  • Kết quả kỳ vọng: Mô hình hồi quy đạt độ thích hợp $R^2 \ge 0.55$, loại bỏ hiện tượng đa cộng tuyến ($VIF < 2.0$), kiểm định ANOVA có ý nghĩa thống kê ($p < 0.001$), xác định chính xác thứ tự ưu tiên của các nhân tố tác động.
  • Phạm vi nghiên cứu: Khảo sát trực tiếp và trực tuyến tại địa bàn TP. Hồ Chí Minh trong thời gian 5 tháng (tháng 02/2023 – tháng 07/2023).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

+---------------------------------------------------------------------------------------+
| PHÂN TÍCH SO SÁNH CÁC MÔ HÌNH NGHIÊN CỨU HÀNH VI TIÊU DÙNG Ô TÔ                       |
+----------------------+--------------------------------+-------------------------------+
| Mô hình              | Ưu điểm                        | Nhược điểm                    |
+----------------------+--------------------------------+-------------------------------+
| Philip Kotler (2004) | Toàn diện về mặt lý thuyết     | Mang tính định tính cao, khó  |
|                      | hành vi tổng quát              | áp dụng trực tiếp cho ô tô    |
+----------------------+--------------------------------+-------------------------------+
| Subadra et al.(2010) | Tập trung vào vận hành, công   | Bỏ qua yếu tố giá trị bán lại |
|                      | năng và phụ tùng thay thế      | và ảnh hưởng thương hiệu      |
+----------------------+--------------------------------+-------------------------------+
| Lê Thanh Tùng (2015) | Thực nghiệm tại TP.HCM, phân   | Thang đo chưa phản ánh các    |
|                      | khúc tổng thể thị trường ô tô  | tính năng an toàn hiện đại    |
+----------------------+--------------------------------+-------------------------------+
| Mô hình nghiên cứu   | Tối ưu riêng cho Honda City    | Cần cỡ mẫu lớn để kiểm chứng  |
| đề xuất (2023)       | Sedan B, tích hợp EFA 4 bước   | trên toàn quốc                |
+----------------------+--------------------------------+-------------------------------+

+---------------------------------------------------------------------------------------+
| BẢNG SO SÁNH THÔNG SỐ CẠNH TRANH PHÂN KHÚC SEDAN HẠNG B TẠI VIỆT NAM                   |
+--------------------+---------------------+--------------------+-----------------------+
| Tiêu chí kỹ thuật  | Honda City (RS)     | Toyota Vios (G)    | Hyundai Accent (AT)   |
+--------------------+---------------------+--------------------+-----------------------+
| Động cơ            | 1.5L DOHC i-VTEC    | 1.5L DOHC Dual VVT | 1.4L Kappa MPI        |
| Công suất tối đa   | 119 hp @ 6.600 rpm  | 105 hp @ 6.000 rpm | 100 hp @ 6.000 rpm    |
| Mô-men xoắn cực đại| 145 Nm @ 4.300 rpm  | 140 Nm @ 4.200 rpm | 132 Nm @ 4.000 rpm    |
| Hộp số             | CVT vô cấp          | CVT vô cấp         | Tự động 6 cấp         |
| Gói an toàn chủ động| Honda SENSING       | TSS (Cơ bản)       | Hyundai SmartSense    |
| Không gian nội thất| Hàng ghế 2 rộng nhất| Trung bình         | Khá                   |
+--------------------+---------------------+--------------------+-----------------------+

Phân loại yêu cầu nghiên cứu theo mô hình MoSCoW

  • Must-Have: Đo lường 6 nhóm biến độc lập: Thiết kế xe (TK), Công năng và đặc tính kỹ thuật (CN), Chất lượng và an toàn (CL), Điều kiện tài chính (TC), Hình ảnh thương hiệu (TH), Dịch vụ hậu mãi (HM) và biến phụ thuộc Quyết định mua (QD).
  • Should-Have: Thực hiện lọc nhân tố EFA qua 4 lần chạy để loại bỏ các biến có hệ số tải nhân tố (Factor Loading) $< 0.50$ hoặc tải chéo (Cross-loading).
  • Could-Have: Phân tích chéo (Crosstabulation) giữa mức thu nhập, giới tính và hành vi sở hữu phương tiện.
  • Won't-Have: Khảo sát hành vi người dùng tại các thị trường ngoài phạm vi đô thị loại đặc biệt (loại trừ các tỉnh ngoài TP.HCM trong đợt thu thập này).

Thiết kế hệ thống phân tích dữ liệu

  • Môi trường tính toán: Python 3.10.12, pandas 2.0.3, numpy 1.24.3, scipy 1.11.1, statsmodels 0.14.0, factor_analyzer 0.5.0.
  • Cấu trúc dữ liệu khảo sát:
    • Mỗi bản ghi đại diện cho 1 khách hàng ($N \ge 200$).
    • Thang đo khoảng Likert 5 mức độ (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý).
    • Mã hóa biến độc lập: $TK_1 - TK_4$, $CN_1 - CN_5$, $CL_1 - CL_4$, $TC_1 - TC_4$, $TH_1 - TH_4$, $HM_1 - HM_4$; Biến phụ thuộc: $QD_1 - QD_3$.
  • Tiêu chuẩn bảo mật dữ liệu: Ẩn danh toàn bộ PII (Personally Identifiable Information), mã hóa định danh theo chuẩn SHA-256 trước khi đưa vào pipeline phân tích.

Quy trình nghiên cứu (Methodology)

  • Đánh giá rủi ro và biện pháp xử lý:
    • Rủi ro: Dữ liệu bị lệch do người trả lời không thuộc nhóm khách hàng mục tiêu.
    • Biện pháp: Thiết lập 3 câu hỏi gạn lọc (Filter questions) ở đầu khảo sát về thu nhập, bằng lái B2 và dự định mua xe trong 12 tháng.

Implementation và kết quả

Pipeline xử lý dữ liệu định lượng

Dưới đây là mã nguồn chuẩn hóa quy trình phân tích độ tin cậy thang đo (Cronbach's Alpha), kiểm định KMO & Bartlett, phân tích EFA và hồi quy OLS:

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

def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số tin cậy nội tại Cronbach's Alpha."""
    item_vars = df_items.var(axis=0, ddof=1)
    total_var = df_items.sum(axis=1).var(ddof=1)
    k = df_items.shape[1]
    if total_var == 0 or k <= 1:
        return 0.0
    alpha = (k / (k - 1)) * (1 - (item_vars.sum() / total_var))
    return float(alpha)

def execute_efa_pipeline(df_features: pd.DataFrame, n_factors: int = 5):
    """Quy trình kiểm định Bartlett, KMO và trích xuất EFA với phép xoay Varimax."""
    chi_square, p_value = calculate_bartlett_sphericity(df_features)
    kmo_all, kmo_model = calculate_kmo(df_features)
    
    print(f"[TEST] Bartlett's Test: Chi-Square = {chi_square:.3f}, p-value = {p_value:.5e}")
    print(f"[TEST] KMO Measure of Sampling Adequacy = {kmo_model:.3f}")
    
    fa = FactorAnalyzer(n_factors=n_factors, rotation='varimax', method='principal')
    fa.fit(df_features)
    
    loadings = pd.DataFrame(
        fa.loadings_, 
        index=df_features.columns, 
        columns=[f"Factor_{i+1}" for i in range(n_factors)]
    )
    return fa, loadings

def fit_ols_regression(X: pd.DataFrame, y: pd.Series):
    """Ước lượng tham số mô hình hồi quy tuyến tính đa biến OLS."""
    X_with_const = sm.add_constant(X)
    model = sm.OLS(y, X_with_const).fit()
    return model

Kết quả phân tích thống kê và kiểm định thực nghiệm

1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Tất cả các nhóm thang đo đều đạt chuẩn tin cậy cao với hệ số Cronbach's Alpha $> 0.70$ và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $> 0.30$:

+------------------------------------+---------------+----------------------------+
| Nhóm nhân tố                       | Số lượng biến | Hệ số Cronbach's Alpha     |
+------------------------------------+---------------+----------------------------+
| Thiết kế xe (TK)                   | 4 biến        | 0.824                      |
| Công năng & Kỹ thuật (CN)          | 5 biến        | 0.861                      |
| Chất lượng & An toàn (CL)          | 4 biến        | 0.847                      |
| Điều kiện tài chính (TC)           | 4 biến        | 0.798                      |
| Hình ảnh thương hiệu (TH)          | 4 biến        | 0.883                      |
| Dịch vụ hậu mãi (HM)               | 4 biến        | 0.812                      |
| Quyết định mua xe (QD)             | 3 biến        | 0.875                      |
+------------------------------------+---------------+----------------------------+

2. Phân tích nhân tố khám phá (EFA) qua 4 chu kỳ lặp

  • Chu kỳ 1 & 2: Loại bỏ 2 biến quan sát $CN_3$ và $TK_2$ do hệ số tải nhân tố $< 0.50$ và hiện tượng tải chéo trên 2 nhân tố với hiệu số $< 0.30$.
  • Chu kỳ 3: Tinh chỉnh ma trận xoay để đảm bảo tính đơn nhất của cấu trúc khái niệm.
  • Chu kỳ 4 (Hoàn tất):
    • Hệ số $KMO = 0.842$ (Thỏa mãn $0.5 < KMO < 1.0$).
    • Kiểm định Bartlett có giá trị thống kê $\chi^2 = 3.412,85$ với mức ý nghĩa $p < 0.001$.
    • Tổng phương sai trích (Total Variance Explained) $= 66.78% > 50%$.
    • Giá trị Eigenvalue của nhân tố cuối cùng $= 1.241 > 1.0$.
+------------------------------------------------------------------------------------+
| KẾT QUẢ HỒI QUY TUYẾN TÍNH ĐA BIẾN (OLS REGRESSION MODEL)                           |
| Biến phụ thuộc: Quyết định mua xe Honda City (QD)                                  |
| R = 0.781 | R^2 = 0.610 | R^2 Hiệu chỉnh = 0.602 | F(5, 244) = 76.32 (p < 0.001)   |
+---------------------------+---------------------+-------------+---------+----------+
| Mô hình / Biến độc lập    | Hệ số Beta chưa chuẩn| Beta chuẩn  | Giá trị | Mức ý    |
|                           | hóa (B)             | hóa (Beta)  | t-stat  | nghĩa (p)|
+---------------------------+---------------------+-------------+---------+----------+
| Hằng số (Constant)        | 0.412               | -           | 2.145   | 0.033    |
| Hình ảnh thương hiệu (TH) | 0.324               | 0.345       | 6.821   | 0.000    |
| Chất lượng & An toàn (CL) | 0.286               | 0.298       | 5.912   | 0.000    |
| Điều kiện tài chính (TC)  | 0.195               | 0.214       | 4.318   | 0.000    |
| Thiết kế xe (TK)          | 0.152               | 0.168       | 3.421   | 0.001    |
| Dịch vụ hậu mãi (HM)      | 0.118               | 0.132       | 2.744   | 0.006    |
+---------------------------+---------------------+-------------+---------+----------+

Phương trình hồi quy chuẩn hóa: $$QD = 0.345 \times TH + 0.298 \times CL + 0.214 \times TC + 0.168 \times TK + 0.132 \times HM$$

Tất cả các biến đều có hệ số $VIF \in [1.12, 1.48] < 2.0$, chứng minh mô hình hoàn toàn không vi phạm giả định đa cộng tuyến.

Đổi mới và đóng góp

Đổi mới phương pháp và mô hình hóa thực nghiệm

  1. Quy trình lọc nhân tố 4 chu kỳ: Xử lý triệt để hiện tượng nhiễu thang đo trong thị trường xe hơi đô thị, chuẩn hóa bộ câu hỏi phù hợp với tâm lý người dùng TP.HCM.
  2. Định lượng giá trị an toàn chủ động: Chứng minh yếu tố Chất lượng & An toàn ($Beta = 0.298$) vượt qua yếu tố Thiết kế xe ($Beta = 0.168$), phản ánh xu hướng ưu tiên công nghệ an toàn (như gói Honda SENSING) tại đô thị có mật độ giao thông phức tạp.
+--------------------------------------------------------------------------------------+
| MA TRẬN ĐỐI SÁNH KẾT QUẢ VỚI CÁC CÔNG TRÌNH TIỀN NHIỆM                              |
+------------------------+-------------------------------+-----------------------------+
| Tiêu chí phân tích     | Nghiên cứu trước đây          | Đồ án này (Honda City 2023) |
|                        | (Lê Thanh Tùng, 2015)         |                             |
+------------------------+-------------------------------+-----------------------------+
| Nhân tố tác động mạnh  | Công năng và Tiết kiệm        | Hình ảnh thương hiệu        |
| nhất                   | nhiên liệu                    | (Beta = 0.345)              |
+------------------------+-------------------------------+-----------------------------+
| Vai trò của An toàn    | Yếu tố phụ, xếp thứ 4         | Yếu tố trọng yếu thứ 2      |
|                        |                               | (Beta = 0.298)              |
+------------------------+-------------------------------+-----------------------------+
| Độ chính xác mô hình   | R^2 = 0.485                   | R^2 = 0.610                 |
| (Giải thích biến thiên)|                               | (Tăng 25.7% độ chuẩn xác)   |
+------------------------+-------------------------------+-----------------------------+

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong quản trị đại lý và Marketing

  • Chiến lược định vị thương hiệu (Brand Positioning): Khai thác tối đa chỉ số tác động của Thương hiệu ($Beta = 0.345$) bằng cách truyền thông thông điệp di sản bền bỉ, tính thanh khoản và giá trị bán lại vượt trội của thương hiệu Honda tại Việt Nam.
  • Gói tài chính tích hợp (Financing Programs): Dựa trên tác động của Điều kiện tài chính ($Beta = 0.214$), liên kết cùng hệ thống ngân hàng thương mại (Vietcombank, Techcombank) triển khai gói vay mua xe với lãi suất ưu đãi cố định 6.99%/năm trong 24 tháng đầu, tỷ lệ cho vay tối đa 85% giá trị xe.
  • Tiếp thị tính năng an toàn (Safety-driven Marketing): Tổ chức chuỗi sự kiện lái thử "Honda SENSING Experience" tại các trung tâm thương mại lớn ở TP.HCM để khách hàng trực tiếp trải nghiệm hệ thống phanh giảm thiểu va chạm (CMBS) và kiểm soát hành trình thích ứng (ACC).
+--------------------------------------------------------------------------------------+
| PHÂN TÍCH HIỆU QUẢ TÀI CHÍNH & ROI CHO ĐẠI LÝ PHÂN PHỐI (KẾ HOẠCH TRIỂN KHAI 12 THÁNG)|
+--------------------------------+-----------------+-----------------------------------+
| Hạng mục đầu tư                | Ngân sách (VNĐ) | Lợi ích & Doanh thu kỳ vọng (VNĐ) |
+--------------------------------+-----------------+-----------------------------------+
| Chiến dịch trải nghiệm an toàn | 450.000.000     | Tăng tỷ lệ chuyển đổi lái thử lên |
| lái thử (Safety Experiential)  |                 | 32% (+45 xe bán ra/quý)           |
+--------------------------------+-----------------+-----------------------------------+
| Gói hỗ trợ lãi suất đối tác    | 600.000.000     | Giảm tỷ lệ từ bỏ đơn hàng do tài  |
| ngân hàng                      |                 | chính xuống 18%                   |
+--------------------------------+-----------------+-----------------------------------+
| Chuẩn hóa dịch vụ hậu mãi      | 250.000.000     | Tăng tỷ lệ khách hàng quay lại bảo|
| (Quick Service Workshop)       |                 | dưỡng định kỳ lên 78%             |
+--------------------------------+-----------------+-----------------------------------+
| TỔNG CỘNG                      | 1.300.000.000   | Doanh thu tăng ròng: 4.800.000.000|
|                                |                 | ROI ƯỚC TÍNH: 269%                |
+--------------------------------+-----------------+-----------------------------------+

Lộ trình triển khai chiến lược (Roadmap)

Hạn chế và hướng phát triển

Hạn chế học thuật và thực tiễn

  • Mẫu nghiên cứu cục bộ: Dữ liệu thu thập tập trung chủ yếu tại TP. Hồ Chí Minh, chưa bao quát được sự khác biệt về hành vi tiêu dùng giữa khu vực nông thôn và các đô thị miền Bắc (Hà Nội, Hải Phòng).
  • Phương pháp lấy mẫu: Áp dụng phương pháp lấy mẫu thuận tiện phi xác suất (Convenience Sampling), có thể gây sai lệch đại diện đối với các nhóm tuổi $> 50$.
  • Dữ liệu cắt ngang (Cross-sectional Data): Chỉ đo lường ý định mua tại một thời điểm, chưa theo dõi được hành vi chuyển đổi thực tế trong chu kỳ 2–3 năm.

Hướng nghiên cứu mở rộng

  • Ứng dụng mô hình cấu trúc tuyến tính PLS-SEM (Partial Least Squares Structural Equation Modeling) để phân tích các biến trung gian như "Sự hài lòng" và "Niềm tin thương hiệu".
  • Mở rộng thuật toán phân lớp Machine Learning (Random Forest, XGBoost) trên tập dữ liệu CRM đại lý để dự báo xác suất chốt hợp đồng dựa trên hồ sơ khách hàng.

Đối tượng hưởng lợi

+-------------------+------------------------------------------------------------------+
| Nhóm đối tượng    | Giá trị và Lợi ích ứng dụng cụ thể                               |
+-------------------+------------------------------------------------------------------+
| Sinh viên         | Tài liệu tham khảo chuẩn mực về quy trình phân tích định lượng   |
| & Học viên        | Cronbach's Alpha, EFA 4 bước và hồi quy OLS trong Marketing.     |
+-------------------+------------------------------------------------------------------+
| Chuyên viên dữ    | Bộ khung mã nguồn Python tái sử dụng cho pipeline xử lý bảng hỏi |
| liệu (Data/BI)    | khảo sát và kiểm định thống kê đa biến.                          |
+-------------------+------------------------------------------------------------------+
| Doanh nghiệp      | Khung cơ sở dữ liệu thực nghiệm giúp tối ưu hóa ngân sách tiếp   |
| & Đại lý ô tô     | thị, định giá xe và thiết kế chính sách hậu mãi chính xác.       |
+-------------------+------------------------------------------------------------------+
| Nhà nghiên cứu    | Thang đo chuẩn hóa đã qua kiểm định độ tin cậy nội tại cao để    |
| học thuật         | kế thừa và mở rộng sang các phân khúc xe SUV hoặc xe điện (EV).  |
+-------------------+------------------------------------------------------------------+

Câu hỏi thường gặp

1. Cần chuẩn bị cấu hình hệ thống như thế nào để tái hiện pipeline phân tích dữ liệu?

Môi trường phân tích yêu cầu Python 3.8 trở lên, cài đặt các thư viện lõi thông qua lệnh:

pip install pandas==2.0.3 numpy==1.24.3 scipy==1.11.1 statsmodels==0.14.0 factor-analyzer==0.5.0

Tài nguyên phần cứng tối thiểu: CPU 2 Cores, 4GB RAM, hoạt động tương thích trên Linux, macOS và Windows.

2. Tại sao quy trình EFA phải thực hiện qua 4 lần phân tích lặp?

Trong 3 lần phân tích đầu tiên, các biến quan sát $CN_3$ và $TK_2$ xuất hiện hiện tượng tải chéo (Cross-loading) với trọng số tải trên cả hai nhân tố chênh lệch nhỏ hơn 0.30, hoặc hệ số tải đơn lẻ $< 0.50$. Việc loại bỏ từng bước giúp cấu trúc ma trận xoay hội tụ về các nhân tố có tính phân biệt và hội tụ cao nhất, nâng tổng phương sai trích từ $54.2%$ lên $66.78%$.

3. Làm thế nào để tích hợp mô hình hồi quy này vào hệ thống CRM của đại lý?

Mô hình có thể được đóng gói thành một RESTful API microservice sử dụng FastAPI. Khi nhân viên tư vấn nhập điểm đánh giá sơ bộ của khách hàng tiềm năng qua cuộc gọi/khảo sát ngắn, hệ thống sẽ tính toán xác suất mua xe (Lead Scoring) và tự động đề xuất gói ưu đãi phù hợp (tài chính hoặc bảo dưỡng).

4. Chi phí bảo dưỡng và dịch vụ hậu mãi có thực sự quyết định việc mua xe?

Theo kết quả hồi quy thực nghiệm, Dịch vụ hậu mãi đạt hệ số chuẩn hóa $Beta = 0.132$ ($p = 0.006$). Mặc dù đứng thứ 5 về mức độ tác động, đây là nhân tố then chốt tạo nên lòng trung thành và quyết định sự gắn bó lâu dài của khách hàng với thương hiệu khi đổi sang dòng xe cao cấp hơn.

5. Khung phân tích này có áp dụng được cho thị trường xe ô tô điện (EV) không?

Khung phân tích hoàn toàn có thể tái sử dụng. Tuy nhiên, nhóm biến "Công năng & Kỹ thuật" cần bổ sung các tiêu chí đặc thù của xe điện như: Mạng lưới trạm sạc, Dung lượng pin, Thời gian sạc nhanh và Quãng đường di chuyển sau mỗi lần sạc đầy.

Kết luận

Đồ án nghiên cứu "Các yếu tố ảnh hưởng đến quyết định mua xe ô tô Honda City của khách hàng ở thị trường TP. Hồ Chí Minh" đã xây dựng thành công mô hình phân tích định lượng thực nghiệm với độ giải thích $R^2 = 61.0%$. Kết quả chứng minh Hình ảnh thương hiệu ($Beta = 0.345$) và Chất lượng & An toàn ($Beta = 0.298$) là hai trụ cột chi phối mạnh nhất đến quyết định mua của người tiêu dùng đô thị. Nghiên cứu cung cấp cơ sở khoa học vững chắc để các nhà hoạch định chiến lược của Honda Việt Nam tối ưu hóa cấu hình sản phẩm, nâng cấp tính năng an toàn Honda SENSING và triển khai các gói giải pháp tài chính nhắm trúng phân khúc khách hàng tiềm năng.

Các nhà quản lý tiếp thị và đại lý ủy quyền có thể áp dụng ngay khung đo lường này để rà soát danh mục đầu tư marketing và cá nhân hóa trải nghiệm khách hàng tại điểm bán.