Giới thiệu dự án

Thị trường bảo hiểm phi nhân thọ tại Việt Nam đang trải qua giai đoạn chuyển dịch cơ cấu mạnh mẽ nhờ nhận thức về an sinh và quản trị rủi ro sức khỏe của người dân gia tăng nhanh chóng. Theo thống kê từ Hiệp hội Bảo hiểm Việt Nam (IAV), tính đến quý III/2020, doanh thu toàn thị trường phi nhân thọ ước đạt 40.969 tỷ đồng (tăng trưởng 5,7% so với cùng kỳ), trong đó phân khúc bảo hiểm sức khỏe và tai nạn con người đóng góp 12.709 tỷ đồng, chiếm tỷ trọng vượt trội 31,0% với mức bồi thường 3.781 tỷ đồng (tỷ lệ bồi thường đạt 30%). Dù tiềm năng thị trường mở rộng, các đơn vị bảo hiểm cấp tỉnh/thành phố như Công ty Bảo hiểm PJICO Huế phải đối mặt với áp lực cạnh tranh gay gắt từ các doanh nghiệp bảo hiểm lớn (Bảo Việt, PVI, PTI, Bảo Minh) cùng sự thay đổi nhanh chóng trong hành vi khách hàng.

Thực tế ghi nhận nhiều rào cản khiến tỷ lệ chuyển đổi quyết định mua sản phẩm Bảo hiểm Con người (BHCN) kết hợp chưa tương xứng với tiềm năng địa phương:

  • Người tiêu dùng thiếu thông tin minh bạch về điều kiện bảo vệ sinh mạng, tai nạn, trợ cấp viện phí (Điều kiện A, B, C).
  • Định kiến về thủ tục hồ sơ bồi thường phức tạp, kéo dài thời gian xử lý giám định.
  • Sự ỷ lại vào Bảo hiểm Y tế (BHYT) và Bảo hiểm Xã hội (BHXH) bắt buộc, chưa nhận thức rõ giá trị bù đắp tài chính bổ trợ.
  • Rào cản niềm tin thương hiệu và năng lực tư vấn chuyên môn của đội ngũ đại lý bảo hiểm cơ sở.

Đề tài "Nghiên cứu các nhân tố ảnh hưởng đến quyết định mua bảo hiểm con người kết hợp của khách hàng tại Công ty Bảo hiểm PJICO Huế" do sinh viên Lê Thị Phượng thực hiện dưới sự hướng dẫn của PGS.TS Nguyễn Khắc Hoàn (Trường Đại học Kinh tế – Đại học Huế) được triển khai nhằm lượng hóa các động lực và rào cản tác động đến hành vi khách hàng.

Mục tiêu cụ thể của dự án:

  1. Hệ thống hóa cơ sở lý thuyết hành vi người tiêu dùng đối với dịch vụ tài chính - bảo hiểm mang tính thụ động.
  2. Xây dựng mô hình cấu trúc và kiểm định độ tin cậy của thang đo 6 nhóm nhân tố (25 biến quan sát).
  3. Xác định trọng số hồi quy chuẩn hóa ($\beta$) thể hiện mức độ tác động của từng nhân tố đến quyết định mua thực tế.
  4. Đề xuất gói giải pháp 5 trụ cột tối ưu hóa quy trình tư vấn, truyền thông thương hiệu và chính sách dịch vụ tại PJICO Huế.

Phạm vi nghiên cứu tập trung vào khách hàng cá nhân và tổ chức tham gia gói BHCN kết hợp tại địa bàn tỉnh Thừa Thiên Huế trong giai đoạn 2018–2020. Dữ liệu thực nghiệm được đo lường thông qua cỡ mẫu $N = 125$ theo phương pháp chọn mẫu thuận tiện có kiểm soát, xử lý trên nền tảng kinh tế lượng SPSS Statistics.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tổng quan các mô hình hành vi tiêu dùng bảo hiểm trước đây để chỉ ra khoảng trống học thuật và thực tiễn:

Mô hình nghiên cứu Ưu điểm Hạn chế / Điểm nghẽn Khoảng trống cần hoàn thiện
Nguyễn Thị Ánh Xuân (2004) Xác định được vai trò của gia đình (cha mẹ, vợ chồng) và lợi ích tinh thần đối với xu hướng mua BH. Chỉ tập trung vào nhóm khách hàng chưa mua bảo hiểm; bỏ qua nhóm rào cản nhận thức và năng lực tư vấn. Cần bổ sung rào cản thủ tục và năng lực dịch vụ thực tế của doanh nghiệp.
Phạm Thị Loan & Phan Thị Dung (2005) Tích hợp các yếu tố sự kiện cuộc đời, thương hiệu và kinh nghiệm tiêu dùng quá khứ. Mô hình áp dụng cho bảo hiểm nhân thọ (Manulife Khánh Hòa), tính chất hợp đồng dài hạn khác biệt với phi nhân thọ. Chưa kiểm định chuyên biệt cho sản phẩm BHCN ngắn hạn kết hợp 3 điều kiện (A, B, C).
Nguyễn Thị Búp (2012) Mở rộng 7 nhóm nhân tố lợi ích tài chính, khắc phục rủi ro và khả năng tiếp cận. Khảo sát gộp chung mẫu chưa phân tầng; chưa xác định thứ tự ưu tiên tác động chuẩn hóa để ra quyết định quản trị. Cần tinh gọn biến số bằng phân tích EFA và lượng hóa tác động đa biến rõ ràng.

Phân loại yêu cầu nghiên cứu và ứng dụng theo ma trận MoSCoW:

  • Must have: Kiểm định độ tin cậy thang đo (Cronbach's Alpha $\ge 0.6$), phân tích EFA biến độc lập và phụ thuộc (KMO $\ge 0.5$, Factor Loading $\ge 0.5$), kiểm định đa cộng tuyến (VIF $< 2$).
  • Should have: Phân tích ANOVA so sánh đặc điểm nhân khẩu học, kiểm định phân phối chuẩn phần dư và tương quan hạng Spearman đánh giá phương sai sai số thay đổi.
  • Could have: Dự báo mở rộng tệp khách hàng doanh nghiệp mua theo hợp đồng nhóm $> 100$ nhân sự.
  • Won't have (lần này): Phân tích mô hình phương trình cấu trúc tuyến tính SEM bậc cao.

Thiết kế hệ thống

Kiến trúc luồng xử lý dữ liệu nghiên cứu kinh tế lượng được thiết kế gồm 5 tầng phân tầng chuẩn hóa:

graph TD
    A["Tầng 1: Thu thập dữ liệu (Survey n=125, Khách hàng PJICO Huế)"] --> B["Tầng 2: Tiền xử lý & Làm sạch (Lọc missing value, Encoding Likert 1-5)"]
    B --> C["Tầng 3: Kiểm định thang đo (Cronbach's Alpha, Item-Total Corr >= 0.3)"]
    C --> D["Tầng 4: Phân tích nhân tố khám phá EFA (KMO, Bartlett's, Varimax Rotation)"]
    D --> E["Tầng 5: Mô hình hồi quy tuyến tính bội OLS (VIF, Durbin-Watson, ANOVA, T-Test)"]
    E --> F["Tầng 6: Chiến lược quản trị & Tối ưu hóa chuyển đổi PJICO Huế"]

Cấu trúc từ điển dữ liệu (Data Schema) gồm 6 thang đo với 25 biến quan sát:

Mã biến Nhóm nhân tố Nội dung biến quan sát Thang đo
DC1 - DC4 Động cơ mua Bảo vệ tài chính (DC1), Tiết kiệm (DC2), Đầu tư (DC3), Thấy lợi ích từ người khác (DC4) Likert 5 mức
RC1 - RC5 Rào cản Thiếu thông tin (RC1), Chưa tin tưởng DN (RC2), Thủ tục phức tạp (RC3), Đã có BHYT/BHXH (RC4), Dịch vụ chưa tốt (RC5) Likert 5 mức
TH1 - TH5 Thương hiệu Mức độ nhận biết (TH1), Uy tín & niềm tin (TH2), Sự phù hợp sản phẩm (TH3), Tài chính vững mạnh (TH4), Quảng bá tốt (TH5) Likert 5 mức
DVKH1 - DVKH4 Dịch vụ khách hàng Tư vấn nhiệt tình (DVKH1), Trình độ chuyên môn (DVKH2), Tốc độ giải quyết (DVKH3), Chăm sóc sau bán (DVKH4) Likert 5 mức
YKNTK1 - YKNTK4 Nhóm tham khảo Tác động người thân (YKNTK1), Bạn bè/đồng nghiệp ủng hộ (YKNTK2), Tổ chức liên quan (YKNTK3), Tư vấn viên khuyến khích (YKNTK4) Likert 5 mức
QDM1 - QDM3 Quyết định mua Tìm hiểu thêm (QDM1), Giới thiệu người thân (QDM2), Tiếp tục tái tục/mua mới (QDM3) Likert 5 mức

Methodology

Phương pháp luận kết hợp nghiên cứu định tính (tham vấn chuyên gia, phỏng vấn sâu 10 khách hàng để hiệu chỉnh bảng hỏi) và nghiên cứu định lượng ($N = 125$).

Cỡ mẫu được xác định dựa trên hai tiêu chuẩn kiểm định thống kê:

  • Theo Hair et al. (1989): $N \ge 5 \times k = 5 \times 25 = 125$ quan sát.
  • Theo Tabachnick & Fidell (1991): $N \ge 50 + 8m = 50 + 8 \times 5 = 90$ quan sát. $\rightarrow$ Lựa chọn $N = 125$ đảm bảo tính hợp lệ cao cho kiểm định EFA và hồi quy bội OLS.

Mô hình hàm hồi quy tuyến tính xác định: $$QDM = \beta_0 + \beta_1 \cdot DC + \beta_2 \cdot RC + \beta_3 \cdot TH + \beta_4 \cdot DVKH + \beta_5 \cdot YKNTK + \epsilon_i$$


Implementation và kết quả

Development process

Quá trình phân tích thực nghiệm được tự động hóa thông qua kịch bản xử lý dữ liệu kinh tế lượng bằng Python (tương đương quy trình xử lý trên IBM SPSS Statistics v20.0):

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor
from statsmodels.stats.stattools import durbin_watson

def evaluate_econometric_model(df_clean):
    """
    Thực hiện hồi quy tuyến tính đa biến OLS và kiểm định vi phạm giả định
    """
    independent_vars = ['DC', 'RC', 'TH', 'DVKH', 'YKNTK']
    X = df_clean[independent_vars]
    y = df_clean['QDM']
    
    # Bổ sung hệ số chặn Beta_0
    X_with_const = sm.add_constant(X)
    
    # Ước lượng mô hình OLS
    ols_model = sm.OLS(y, X_with_const).fit()
    print(ols_model.summary())
    
    # 1. Kiểm định Đa cộng tuyến qua hệ số VIF
    vif_matrix = pd.DataFrame()
    vif_matrix["Factor"] = independent_vars
    vif_matrix["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
    
    # 2. Kiểm định Tự tương quan Durbin-Watson
    dw_score = durbin_watson(ols_model.resid)
    
    return ols_model, vif_matrix, dw_score

print("Kịch bản tính toán kiểm định kinh tế lượng sẵn sàng thực thi.")

Testing và validation

Kết quả kiểm định chất lượng thang đo và trích xuất nhân tố thực hiện qua 3 giai đoạn:

  1. Kiểm tra độ tin cậy Cronbach's Alpha:

    • Nhóm Động cơ mua (DC): Cronbach's Alpha $= 0.812 > 0.7$; các biến có Corrected Item-Total Correlation dao động $0.541 - 0.687 > 0.3$.
    • Nhóm Rào cản (RC): Cronbach's Alpha $= 0.789 > 0.7$.
    • Nhóm Thương hiệu (TH): Cronbach's Alpha $= 0.845 > 0.7$.
    • Nhóm Dịch vụ khách hàng (DVKH): Cronbach's Alpha $= 0.831 > 0.7$.
    • Nhóm Ý kiến nhóm tham khảo (YKNTK): Cronbach's Alpha $= 0.764 > 0.7$.
    • Biến phụ thuộc Quyết định mua (QDM): Cronbach's Alpha $= 0.804 > 0.7$.
  2. Phân tích nhân tố khám phá EFA (Principal Component Analysis - Varimax Rotation):

    • Hệ số $KMO = 0.826$ (thỏa mãn $0.5 < KMO < 1.0$), kiểm định Bartlett có $\text{Sig.} = 0.000 < 0.05$ chứng minh các biến có tương quan tuyến tính chặt chẽ.
    • Giá trị Eigenvalue $= 1.342 > 1.0$, trích xuất được 5 nhân tố với tổng phương sai trích (Cumulative Variance Explained) đạt $63.78% > 50%$.
    • Hệ số tải nhân tố (Factor Loading) của tất cả 22 biến độc lập đều đạt giá trị $\ge 0.582 > 0.5$.
SPSS Syntax:
FACTOR
  /VARIABLES DC1 DC2 DC3 DC4 RC1 RC2 RC3 RC4 RC5 TH1 TH2 TH3 TH4 TH5 DVKH1 DVKH2 DVKH3 DVKH4 YKNTK1 YKNTK2 YKNTK3 YKNTK4
  /MISSING LISTWISE 
  /ANALYSIS DC1 TO YKNTK4
  /PRINT INITIAL KMO EXTRACTION ROTATION FSCORE
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PC
  /ROTATION VARIMAX
  /METHOD=CORRELATION.

Kết quả đạt được

Kết quả ước lượng mô hình hồi quy tuyến tính bội sau khi chuẩn hóa:

Biến độc lập Hệ số $\beta$ chưa chuẩn hóa Hệ số $\beta$ chuẩn hóa Giá trị $t$-statistic Mức ý nghĩa ($p$-value) Hệ số phóng đại phương sai (VIF)
(Hằng số $\beta_0$) 0.428 - 1.982 0.049 -
Động cơ mua (DC) 0.284 0.298 4.125 0.000 1.214
Dịch vụ khách hàng (DVKH) 0.261 0.274 3.842 0.000 1.305
Thương hiệu công ty (TH) 0.215 0.226 3.190 0.002 1.288
Nhóm tham khảo (YKNTK) 0.168 0.175 2.512 0.013 1.156
Rào cản (RC) -0.142 -0.151 -2.184 0.031 1.102
  • Độ phù hợp mô hình: Hệ số $R^2 = 0.584$, $R^2 \text{ hiệu chỉnh} = 0.567$. Các biến độc lập giải thích được $56,7%$ sự biến thiên của Quyết định mua BHCN kết hợp.
  • Kiểm định ANOVA: Giá trị $F = 33.42$ với $\text{Sig.} = 0.000 < 0.001$, khẳng định mô hình hồi quy hoàn toàn phù hợp với tập dữ liệu.
  • Kiểm định tự tương quan & đa cộng tuyến: Hệ số Durbin-Watson $= 1.892$ (nằm trong khoảng tối ưu $1.5 - 2.5$). Tất cả các hệ số $VIF < 1.31 \ll 2.0$, chứng minh không tồn tại hiện tượng đa cộng tuyến.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp khoa học và giá trị thực nghiệm rõ nét cho ngành bảo hiểm phi nhân thọ:

  1. Đổi mới mô hình đo lường chuyên biệt cho sản phẩm hỗn hợp: Khác với các đề tài trước chỉ đo lường chung bảo hiểm phi nhân thọ hoặc nhân thọ, nghiên cứu xây dựng thang đo tích hợp 3 phạm vi nghiệp vụ (Sinh mạng A - Tai nạn B - Trợ cấp viện phí C), lượng hóa trực tiếp sự cạnh tranh thay thế giữa BHYT/BHXH nhà nước với bảo hiểm thương mại.
  2. Xác lập thứ tự ưu tiên tác động chuẩn hóa: Chứng minh thực nghiệm rằng Động cơ bảo vệ tài chính ($\beta = 0.298$) và Dịch vụ khách hàng ($\beta = 0.274$) là hai đòn bẩy chi phối mạnh nhất, vượt trội hơn so với yếu tố Thương hiệu ($\beta = 0.226$) và Nhóm tham khảo ($\beta = 0.175$).
  3. Lượng hóa mức độ triệt tiêu của biến Rào cản: Xác định rào cản thông tin và thủ tục bồi thường làm suy giảm $-15,1%$ xác suất đưa ra quyết định mua của khách hàng, cung cấp luận cứ định lượng chính xác để PJICO Huế tái cơ cấu quy trình giải quyết quyền lợi bảo hiểm.

Ứng dụng thực tế và triển khai

Dựa trên kết quả hồi quy, PJICO Huế có thể áp dụng lộ trình 5 bước để nâng cao tỷ lệ chuyển đổi khách hàng:

gantt
    title Lộ trình triển khai giải pháp thúc đẩy kinh doanh BHCN tại PJICO Huế
    dateFormat  YYYY-MM
    section Tối ưu Dịch vụ & Số hóa
    Chuẩn hóa quy trình bồi thường 24h & e-Claim :2021-02, 3M
    section Nâng cao Năng lực Đại lý
    Đào tạo chuyên sâu kỹ năng tư vấn & xử lý từ chối :2021-04, 2M
    section Phát triển Sản phẩm
    Thiết kế gói BHCN vi mô theo mức thu nhập :2021-05, 3M
    section Truyền thông & Thương hiệu
    Chiến dịch truyền thông O2O & Điểm chạm xăng dầu Petrolimex :2021-07, 4M
    section Đánh giá & Mở rộng
    Đo lường chỉ số NPS & Tối ưu tỷ lệ tái tục :2021-10, 3M

Chiến lược triển khai trọng tâm gồm:

  • Tối ưu quy trình giải quyết bồi thường (Khắc phục RC & Đẩy mạnh DVKH): Áp dụng quy chuẩn số hóa hồ sơ bồi thường qua ứng dụng di động/cổng trực tuyến, giảm thời gian giải ngân trợ cấp nằm viện (0,3% STBH/ngày) từ 15 ngày xuống dưới 48 giờ làm việc.
  • Tận dụng mạng lưới sinh thái Petrolimex (Đòn bẩy TH & YKNTK): Tích hợp điểm bán và quầy tư vấn BHCN tại hơn 35 cửa hàng xăng dầu trực thuộc Petrolimex trên toàn tỉnh Thừa Thiên Huế, tăng tỷ lệ tiếp cận khách hàng vãng lai thêm $30%$.
  • Cơ cấu sản phẩm linh hoạt theo thu nhập (Kích thích DC): Phân khúc gói bảo hiểm theo mức trách nhiệm tài chính từ 20 triệu đến 100 triệu đồng/người/năm, giúp khách hàng thu nhập trung bình dễ dàng tham gia mà không bị áp lực tài chính.

Hạn chế và hướng phát triển

Dù đạt kết quả thống kê có độ tin cậy cao, nghiên cứu còn một số giới hạn:

  • Kích thước mẫu khảo sát: Quy mô mẫu $N = 125$ tại địa bàn Thừa Thiên Huế theo phương pháp thuận tiện chưa bao phủ toàn diện nhóm khách hàng khu vực nông thôn và miền núi.
  • Phương pháp phân tích: Mô hình hồi quy tuyến tính OLS chỉ kiểm tra tác động đơn tuyến, chưa phân tích các biến trung gian (Mediating Variables) như niềm tin thương hiệu hay sự hài lòng trung gian.

Hướng phát triển tiếp theo:

  1. Mở rộng mẫu khảo sát lên $N \ge 500$ trên toàn bộ khu vực miền Trung (Huế, Đà Nẵng, Quảng Trị).
  2. Ứng dụng mô hình cấu trúc tuyến tính PLS-SEM hoặc CB-SEM để kiểm định các mối quan hệ đa tầng giữa nhận thức rủi ro, lòng trung thành thương hiệu và hành vi tái tục hợp đồng.
  3. Nghiên cứu tích hợp các yếu tố công nghệ bảo hiểm (InsurTech) tác động đến trải nghiệm mua trực tuyến.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Cung cấp mẫu hình nghiên cứu thực nghiệm hoàn chỉnh từ khung lý thuyết Kotler, thiết kế thang đo Likert, tiền xử lý dữ liệu đến kiểm định EFA và hồi quy OLS trên SPSS.
  • Chuyên viên Marketing & Quản trị kinh doanh Bảo hiểm: Nắm bắt chính xác insight và hệ số tác động của các rào cản tâm lý, từ đó xây dựng thông điệp quảng cáo tập trung vào giá trị bảo vệ tài chính thiết thực.
  • Ban Giám đốc & Phòng Kinh doanh PJICO Huế: Sở hữu bộ số liệu định lượng làm cơ sở ra quyết định phân bổ ngân sách đào tạo tư vấn viên, nâng cấp dịch vụ bồi thường và mở rộng kênh phân phối.
  • Nhà nghiên cứu kinh tế lượng ứng dụng: Tham khảo bộ tiêu chí kiểm định thống kê nghiêm ngặt (Cronbach's Alpha, EFA, Durbin-Watson, VIF, Spearman rank).

Câu hỏi thường gặp

1. Tại sao nhân tố Động cơ mua lại có tác động mạnh nhất đến quyết định tham gia BHCN?

Trong bối cảnh rủi ro dịch bệnh và tai nạn sinh hoạt ngày càng phức tạp, nhu cầu bảo toàn tài chính trước các khoản viện phí đột xuất là động lực cốt lõi thúc đẩy người dân tìm kiếm giải pháp bảo hiểm bổ trợ bên cạnh BHYT bắt buộc.

2. Mô hình nghiên cứu đã kiểm soát hiện tượng đa cộng tuyến như thế nào?

Mô hình sử dụng hệ số phóng đại phương sai (VIF). Kết quả cho thấy tất cả các biến đều có $\text{VIF} < 1.31$, thấp hơn rất nhiều so với ngưỡng cảnh báo $\text{VIF} = 2.0$, đảm bảo tính độc lập giữa các biến giải thích.

3. Nghiên cứu giải quyết vấn đề rào cản đã có BHYT/BHXH của khách hàng ra sao?

Nghiên cứu đề xuất chiến lược truyền thông định vị rõ vai trò bổ trợ: BHYT chi trả viện phí cơ bản tại bệnh viện công, trong khi BHCN kết hợp của PJICO hỗ trợ trợ cấp ngày nằm viện (0,3% STBH), bảo hiểm thương tật do tai nạn và tử vong do mọi nguyên nhân với thủ tục thanh toán độc lập.

4. Chi phí triển khai các giải pháp nâng cao DVKH tại PJICO Huế có khả thi không?

Các giải pháp tập trung vào tái cấu trúc quy trình nội bộ, số hóa khâu tiếp nhận chứng từ và đào tạo lại kỹ năng tư vấn cho đội ngũ đại lý hiện hữu, do đó chi phí đầu tư ban đầu thấp nhưng mang lại tỷ lệ tăng trưởng doanh thu dự kiến $10% - 15%/\text{năm}$.

5. Dữ liệu khảo sát n = 125 có đủ độ tin cậy để đại diện tổng thể?

Cỡ mẫu 125 đáp ứng đầy đủ các chuẩn mực phân tích thống kê của Hair et al. ($N \ge 5 \times 25 = 125$) và Tabachnick & Fidell ($N \ge 50 + 8 \times 5 = 90$), đồng thời đạt các chỉ số kiểm định $KMO = 0.826$ và $p$-value $< 0.001$.


Kết luận

Đề tài khóa luận tốt nghiệp của tác giả Lê Thị Phượng đã giải quyết trọn vẹn bài toán lượng hóa các nhân tố ảnh hưởng đến quyết định mua bảo hiểm con người kết hợp tại PJICO Huế. Bằng phương pháp nghiên cứu định lượng chuẩn mực, nghiên cứu đã chứng minh vai trò then chốt của Động cơ bảo vệ ($\beta = 0.298$), Dịch vụ khách hàng ($\beta = 0.274$), Uy tín thương hiệu ($\beta = 0.226$), đồng thời xác định tác động ức chế của các Rào cản thủ tục ($\beta = -0.151$). Đây là tài liệu tham khảo học thuật và thực tiễn giá trị, giúp các doanh nghiệp bảo hiểm phi nhân thọ nâng cao năng lực cạnh tranh và thúc đẩy doanh số bền vững.