Giới thiệu dự án

Thị trường may mặc đồng phục doanh nghiệp và tổ chức (B2B Apparel) tại Việt Nam đang duy trì tốc độ tăng trưởng ổn định cùng với quá trình chuyên nghiệp hóa bộ nhận diện thương hiệu của các doanh nghiệp. Theo số liệu thống kê từ Tập đoàn Dệt may Việt Nam (VINATEX), tổng nhu cầu trang phục bảo hộ lao động và đồng phục ngành công nghiệp (điện lực, xây dựng, khai khoáng) đạt xấp xỉ 7,3 triệu bộ/năm; đối với phân khúc tổ chức dịch vụ, y tế, tài chính - ngân hàng và giáo dục, nhu cầu ước tính đạt hơn 30,2 triệu bộ/năm với định mức tiêu dùng trung bình 2 bộ/người/năm.

Tại tỉnh Thừa Thiên Huế, sự hình thành và mở rộng của các chuỗi khách sạn - resort, công ty du lịch lữ hành, cơ sở giáo dục và các doanh nghiệp vừa và nhỏ (SMEs) đã thúc đẩy nhu cầu may đo đồng phục tăng mạnh. Tuy nhiên, trước bối cảnh biến động kinh tế và ảnh hưởng từ dịch bệnh trong năm 2020, ngân sách mua sắm của các tổ chức bị thắt chặt, dẫn đến quá trình ra quyết định mua hàng trở nên khắt khe và phức tạp hơn.

Công ty TNHH Thương mại và Dịch vụ Lion Group (tiền thân là Công ty TNHH Thương hiệu và Đồng phục Lion, thành lập năm 2016) phải đối mặt với áp lực cạnh tranh gay gắt từ các đơn vị lâu năm trên địa bàn như Đồng phục Huế HP, Đồng phục Thiên Việt, New Focus và hệ thống xưởng may tư nhân. Vấn đề cốt lõi đặt ra là doanh nghiệp chưa có cơ sở dữ liệu định lượng về các yếu tố chi phối hành vi mua hàng của khách hàng tổ chức để tối ưu hóa năng lực cạnh tranh.

Đề tài khóa luận tập trung giải quyết các mục tiêu cụ thể:

  1. Hệ thống hóa cơ sở lý thuyết về hành vi mua sắm của khách hàng tổ chức (B2B Buyer Behavior) và các mô hình ra quyết định mua.
  2. Xây dựng mô hình nghiên cứu thực nghiệm, định lượng mức độ tác động của 6 nhóm yếu tố (Sản phẩm, Giá cả, Thương hiệu, Nhân viên bán hàng, Chăm sóc khách hàng, Thời gian đơn hàng) đến quyết định mua đồng phục Lion.
  3. Đề xuất hệ thống giải pháp Marketing-Mix (7P) và tối ưu hóa vận hành quy trình sản xuất nhằm gia tăng tỷ lệ chốt đơn và tỷ lệ khách hàng tổ chức quay lại.

Phương pháp tiếp cận giải pháp sử dụng mô hình nghiên cứu kết hợp: nghiên cứu định tính (phỏng vấn chuyên gia quản lý, nhân viên kinh doanh - NVKD) kết hợp nghiên cứu định lượng thông qua khảo sát mẫu $N = 125$ khách hàng doanh nghiệp, phân tích độ tin cậy thang đo (Cronbach's Alpha), phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA), kiểm định tương quan Pearson, phân tích hồi quy tuyến tính đa biến (Multiple Linear Regression) và kiểm định One-Sample T-Test.

Phạm vi nghiên cứu:

  • Không gian: Các tổ chức, doanh nghiệp, cơ sở giáo dục, dịch vụ tại địa bàn tỉnh Thừa Thiên Huế.
  • Thời gian: Số liệu thứ cấp thu thập giai đoạn 2018–2020; số liệu khảo sát sơ cấp thu thập trong tháng 11 và tháng 12/2020.
  • Giới hạn: Nghiên cứu tập trung vào phân khúc khách hàng tổ chức địa phương; chưa bao quát toàn bộ thị trường B2B khu vực miền Trung.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường may đồng phục tại Thừa Thiên Huế có sự phân hóa rõ rệt giữa các đơn vị cung ứng chuyên nghiệp và các xưởng gia công nhỏ lẻ.

Tiêu chí phân tích Đồng phục Lion (Lion Group) Đồng phục Huế HP Đồng phục Thiên Việt Xưởng may gia công tự do
Năng lực cốt lõi Thiết kế nhận diện, tư vấn tận nơi, linh hoạt đơn hàng Thương hiệu lâu năm, năng lực xưởng lớn Giá thành thấp, tập trung hàng phổ thông Giá rẻ, nhận đơn hàng siêu nhỏ lẻ
Ưu điểm Dịch vụ CSKH chu đáo, cập nhật tiến độ liên tục Uy tín thị trường cao, công suất may lớn Đáp ứng nhanh các mẫu cơ bản Chi phí ban đầu thấp
Nhược điểm Quy mô xưởng phụ thuộc đối tác liên kết Thời gian xử lý đơn hàng nhỏ còn chậm Mẫu mã hạn chế, vải trung bình Chất lượng đường may/in ấn không đồng đều
Phân khúc mục tiêu Doanh nghiệp, khách sạn, trung tâm Anh ngữ, CLB Doanh nghiệp nhà nước, trường học quy mô lớn Xí nghiệp sản xuất, công nhân Cá nhân, hội đồng hương, nhóm tự phát

Yêu cầu của khách hàng B2B đối với sản phẩm đồng phục được phân loại theo mô hình MoSCoW:

  • Must-have (Bắt buộc phải có): Vải đúng cam kết mẫu (độ co giãn, thấm hút, độ bền màu), in thêu logo chuẩn pantone mã màu doanh nghiệp, đúng quy cách size, giao hàng đúng hạn hợp đồng.
  • Should-have (Nên có): Báo giá cạnh tranh kèm chính sách chiết khấu theo số lượng, NVKD tư vấn mẫu tận nơi, cam kết bảo hành/đổi trả lỗi đường may trong 7 ngày.
  • Could-have (Có thể có): Dịch vụ thiết kế 3D demo miễn phí nhận diện thương hiệu, cập nhật tiến độ sản xuất đơn hàng theo thời gian thực (tracking log).
  • Won't-have (Chưa ưu tiên): Tự động hóa hoàn toàn việc đặt hàng qua app di động mà không cần tư vấn viên trực tiếp (khách hàng tổ chức đòi hỏi tiếp xúc trực tiếp để xem mẫu vải).

Thiết kế hệ thống

Mô hình nghiên cứu định lượng được cấu trúc gồm 6 biến độc lập (23 biến quan sát) và 1 biến phụ thuộc (3 biến quan sát), đo lường thông qua thang đo Likert 5 mức độ (1 = Hoàn toàn không đồng ý đến 5 = Hoàn toàn đồng ý):

Cấu trúc từ điển dữ liệu (Data Dictionary) cho hệ thống thang đo:

Mã biến Tên biến quan sát / Nội dung khảo sát Thang đo Khoảng giá trị
SP1 - SP3 Chất liệu vải, độ bền in thêu, sự đa dạng mẫu mã, chuẩn size Likert 5 điểm [1, 5]
GC1 - GC4 Tính phù hợp tài chính, tỷ lệ giá/chất lượng, mức cạnh tranh, chiết khấu Likert 5 điểm [1, 5]
TH1 - TH3 Uy tín thương hiệu, độ nhận biết doanh nghiệp, Top-of-Mind Likert 5 điểm [1, 5]
NVBH1 - NVBH4 Kiến thức sản phẩm, thái độ nhiệt tình, sự sẵn sàng hỗ trợ, tính chuyên nghiệp Likert 5 điểm [1, 5]
CSKH1 - CSKH3 Chất lượng hỗ trợ sau bán, tốc độ xử lý khiếu nại, dịch vụ bảo hành/sửa chữa Likert 5 điểm [1, 5]
TGĐH1 - TGĐH3 Thời gian tiếp nhận yêu cầu, độ chính xác tiến độ giao hàng, cập nhật trạng thái Likert 5 điểm [1, 5]
QĐM1 - QĐM3 Dự định đặt may thời gian tới, giới thiệu cho đối tác, ưu tiên lựa chọn Likert 5 điểm [1, 5]

Công nghệ và công cụ xử lý dữ liệu:

  • SPSS Statistics v22.0 (IBM): Công cụ xử lý thống kê mô tả, kiểm định Alpha, phân tích EFA, hồi quy OLS và One-Sample T-Test.
  • Microsoft Excel 2019: Làm sạch dữ liệu thô, mã hóa bảng mã và trực quan hóa biểu đồ phân phối mẫu.
  • Python 3.8 (Pandas v1.2, Statsmodels v0.12): Sử dụng để cross-check thuật toán hồi quy OLS và kiểm định đa cộng tuyến (VIF).

Methodology

Nghiên cứu áp dụng quy trình 2 giai đoạn:

  1. Nghiên cứu sơ bộ (Qualitative): Phỏng vấn sâu Ban Giám đốc và Trưởng phòng kinh doanh Lion Group, khảo sát thử nghiệm $n = 5$ khách hàng để hiệu chỉnh từ ngữ bảng hỏi.
  2. Nghiên cứu chính thức (Quantitative): Khảo sát trực tiếp thông qua NVKD tiếp cận các đơn vị mua sắm.

Xác định kích thước mẫu hợp lệ theo tiêu chuẩn thống kê:

  • Theo quy tắc phân tích nhân tố EFA của Hair et al. (1998) và Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2008): $$N_{\text{min (EFA)}} = 5 \times k = 5 \times 23 = 115 \text{ quan sát}$$ (Trong đó $k = 23$ là tổng số biến quan sát của các biến độc lập).
  • Theo quy tắc hồi quy tuyến tính bội của Tabachnick & Fidell (2007) và Nguyễn Đình Thọ (2014): $$N_{\text{min (Regression)}} = 8p + 50 = 8 \times 6 + 50 = 98 \text{ quan sát}$$ (Trong đó $p = 6$ là số lượng biến độc lập trong mô hình).
  • Cỡ mẫu thực tế thu thập: $N = 125$ mẫu hợp lệ (đạt độ tin cậy vượt chuẩn $8,7%$ so với ngưỡng tối thiểu 115).
Timeline triển khai dự án (Giai đoạn 09/2020 - 01/2021):
[09/2020 - 10/2020] --> Nghiên cứu cơ sở lý luận & Thiết kế mô hình đề xuất
[11/2020]           --> Phỏng vấn chuyên gia & Thu thập dữ liệu thực địa (N=125)
[12/2020]           --> Làm sạch, mã hóa & Phân tích định lượng trên SPSS 22.0
[01/2021]           --> Đề xuất giải pháp Marketing-Mix & Hoàn thiện báo cáo

Implementation và kết quả

Development process

Dữ liệu khảo sát từ 125 đại diện khách hàng tổ chức được làm sạch (loại bỏ phản hồi đơn điệu), mã hóa và đưa vào phân tích tự động. Thuật toán kiểm tra và xử lý dữ liệu được thiết kế tương đương mã nguồn xử lý thống kê sau:

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

# Load dataset (Mã hóa 125 quan sát khách hàng tổ chức tại Thừa Thiên Huế)
df = pd.read_csv("lion_uniform_survey_data.csv")

# Danh sách các biến tổng hợp sau khi kiểm định EFA
independent_vars = ['SP', 'GC', 'TH', 'NVBH', 'CSKH', 'TGDH']
X = df[independent_vars]
y = df['QDM']

# Thêm hệ số tự do (Intercept / Constant)
X_with_const = sm.add_constant(X)

# Huấn luyện mô hình Hồi quy tuyến tính OLS
ols_model = sm.OLS(y, X_with_const).fit()

# Tính toán hệ số phóng đại phương sai (VIF) kiểm tra đa cộng tuyến
vif_data = pd.DataFrame()
vif_data["Variable"] = X.columns
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]

print(ols_model.summary())
print("\n--- Kiểm tra đa cộng tuyến (VIF) ---")
print(vif_data)

Testing và validation

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

Thang đo đạt độ tin cậy khi hệ số Cronbach's Alpha $\ge 0.60$ và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0.30$.

Nhóm biến Số biến quan sát Hệ số Cronbach's Alpha Tương quan biến - tổng nhỏ nhất Đánh giá
Sản phẩm ($SP$) 3 0.782 0.542 Đạt chuẩn độ tin cậy
Giá cả ($GC$) 4 0.815 0.589 Đạt chuẩn độ tin cậy cao
Thương hiệu ($TH$) 3 0.764 0.512 Đạt chuẩn độ tin cậy
Nhân viên bán hàng ($NVBH$) 4 0.841 0.618 Đạt chuẩn độ tin cậy cao
Chăm sóc khách hàng ($CSKH$) 3 0.793 0.563 Đạt chuẩn độ tin cậy
Thời gian đơn hàng ($TGĐH$) 3 0.806 0.574 Đạt chuẩn độ tin cậy
Quyết định mua ($QĐM$) 3 0.828 0.631 Đạt chuẩn độ tin cậy cao

2. Phân tích nhân tố khám phá (EFA)

  • Biến độc lập:
    • Hệ số KMO (Kaiser-Meyer-Olkin) = $0.795$ (thỏa mãn $0.5 \le \text{KMO} \le 1$).
    • Kiểm định Bartlett: $\text{Chi-Square} = 1245.68$, giá trị $\text{Sig.} = 0.000 < 0.05$ (các biến tương quan có ý nghĩa thống kê).
    • Phương pháp trích Principal Components với phép quay Varimax trích được 6 nhân tố tại điểm dừng Eigenvalue = $1.182 > 1$.
    • Tổng phương sai trích (Total Variance Explained) = $67.42% > 50%$ (giải thích được $67.42%$ biến thiên dữ liệu).
    • Tất cả hệ số tải nhân tố (Factor Loading) đều đạt giá trị $\ge 0.55 > 0.50$, không có biến rác.
  • Biến phụ thuộc: Trích 1 nhân tố duy nhất với $\text{KMO} = 0.712$, Phương sai trích = $74.31%$, Eigenvalue = $2.229$.

Kết quả đạt được

Kết quả ước lượng mô hình hồi quy tuyến tính đa biến (với mức ý nghĩa thống kê $\alpha = 0.05$):

$$QĐM = \beta_0 + \beta_1 SP + \beta_2 GC + \beta_3 TH + \beta_4 NVBH + \beta_5 CSKH + \beta_6 TGĐH + \epsilon$$

Phương trình hồi quy chuẩn hóa (Standardized Beta Coefficients):

$$QĐM = 0.294 \times SP + 0.248 \times GC + 0.185 \times TH + 0.212 \times NVBH + 0.156 \times CSKH + 0.198 \times TGĐH$$

Biến độc lập Hệ số chưa chuẩn hóa ($B$) Sai số chuẩn ($SE$) Hệ số chuẩn hóa ($\beta$) Giá trị $t$ Mức ý nghĩa ($\text{Sig.}$) Thống kê VIF
Hằng số ($\beta_0$) 0.214 0.185 - 1.157 0.250 -
Sản phẩm ($SP$) 0.288 0.065 0.294 4.431 0.000 1.342
Giá cả ($GC$) 0.235 0.058 0.248 4.052 0.000 1.285
Thương hiệu ($TH$) 0.176 0.054 0.185 3.259 0.001 1.210
Nhân viên bán hàng ($NVBH$) 0.205 0.061 0.212 3.361 0.001 1.415
Chăm sóc khách hàng ($CSKH$) 0.148 0.057 0.156 2.596 0.011 1.298
Thời gian đơn hàng ($TGĐH$) 0.192 0.059 0.198 3.254 0.002 1.321

Thông số kiểm định mô hình:

  • Hệ số xác định $R^2 = 0.642$, $R^2$ hiệu chỉnh (Adjusted $R^2$) = $0.624$ (Mô hình giải thích được $62.4%$ sự thay đổi của quyết định mua).
  • Kiểm định ANOVA: Giá trị $F = 35.264$ với giá trị $\text{Sig.} = 0.000 < 0.05$, chứng minh mô hình hồi quy phù hợp với tập dữ liệu thực tế.
  • Hệ số Durbin-Watson = $1.892$ (nằm trong khoảng $[1.5, 2.5]$), không xảy ra hiện tượng tự tương quan bậc nhất.
  • Hệ số $\text{VIF} < 1.5$ (nhỏ hơn nhiều so với ngưỡng 2.0), không có hiện tượng đa cộng tuyến giữa các biến độc lập.

Đổi mới và đóng góp

Nghiên cứu có những đóng góp kỹ thuật và giá trị thực tiễn nổi bật so với các công trình nghiên cứu trước đây:

So sánh trọng số tác động trong các mô hình quyết định mua B2B:

[Khóa luận này - Lion Group (2021)]
Sản phẩm (0.294) > Giá cả (0.248) > NVBH (0.212) > Thời gian (0.198) > Thương hiệu (0.185) > CSKH (0.156)

[Phan Thị Mỹ - NT Tiên Phát (2019)]
NVBH (0.446) > Thương hiệu (0.410) > Mối quan hệ (0.343) > Chính sách bán (0.183) = Xúc tiến (0.183)

[Phạm Thị Trang - NT Minh Hòa (2020)]
Thương hiệu (0.381) > Giá cả (0.348) > Sản phẩm (0.286) > Cá nhân (0.225) > Xã hội (0.198)
Tiêu chí Đề tài Đồng phục Lion (2021) Nghiên cứu Phan Thị Mỹ (2019) Nghiên cứu Phạm Thị Trang (2020)
Đối tượng ngành Sản xuất may mặc đồng phục B2B Nội thất gỗ B2B Nội thất gia dụng bán lẻ (B2C)
Biến mới đề xuất Thời gian đơn hàng ($TGĐH$) Mối quan hệ đối tác Yếu tố xã hội
Yếu tố tác động lớn nhất Sản phẩm ($\beta = 0.294$) Nhân viên bán hàng ($\beta = 0.446$) Thương hiệu ($\beta = 0.381$)
Cỡ mẫu ($N$) 125 mẫu doanh nghiệp 100 mẫu tổ chức 120 mẫu cá nhân
Độ phù hợp $R^2$ $62.4%$ $58.9%$ $55.2%$

Các điểm đổi mới cụ thể:

  1. Phát hiện biến quan sát mới: Bổ sung biến "Thời gian đơn hàng" ($TGĐH$) vào cấu trúc mô hình hành vi mua B2B ngành may mặc. Kết quả chứng minh $TGĐH$ xếp vị trí thứ 4 về độ quan trọng ($\beta = 0.198, p = 0.002$), vượt qua cả yếu tố Thương hiệu và CSKH.
  2. Khẳng định tính chất vật chất của sản phẩm may mặc: Khác với ngành nội thất chú trọng thương hiệu, khách hàng may mặc đặt chất lượng sợi vải, độ chuẩn xác của size và độ sắc nét in thêu lên ưu tiên hàng đầu ($\beta = 0.294$).
  3. Mô hình hóa quy trình tư vấn 7 bước: Chuẩn hóa quy trình từ tiếp cận, demo mẫu vải, ký kết hợp đồng đến bàn giao và bảo hành, giúp giảm thiểu $35%$ thời gian phản hồi yêu cầu báo giá.

Ứng dụng thực tế và triển khai

Kịch bản triển khai theo từng phân khúc khách hàng mục tiêu

Lộ trình triển khai giải pháp Marketing-Mix và Vận hành

1. Chiến lược Sản phẩm (Trọng số $\beta = 0.294$)

  • Tiêu chuẩn hóa bảng thông số size áo riêng cho form người Việt Nam; giảm tỷ lệ lệch size từ $6.2%$ xuống dưới $1.5%$.
  • Thiết lập quy trình kiểm tra chất lượng 3 lớp (KCS nguyên liệu vải đầu vào, kiểm tra bán thành phẩm in/thêu, kiểm tra đóng gói thành phẩm).
  • Đa dạng hóa danh mục vải: Bổ sung dòng vải thun cá sấu Poly co giãn 4 chiều, Cotton 100% kháng khuẩn và vải Kaki Pangrim chống nhăn.

2. Chiến lược Giá cả & Thanh toán (Trọng số $\beta = 0.248$)

  • Thiết lập biểu giá chiết khấu lũy tiến minh bạch theo quy mô đơn hàng (giảm $5%$ cho đơn từ 50-100 áo, giảm $10%$ cho đơn từ 101-300 áo, giảm $15%$ cho đơn trên 300 áo).
  • Áp dụng chính sách thanh toán linh hoạt: Đặt cọc $30%$ khi duyệt mẫu thiết kế, thanh toán $70%$ còn lại sau 7 ngày kể từ khi nhận đủ hàng và nghiệm thu hóa đơn VAT.

3. Tối ưu hóa Thời gian và Quy trình Sales (Trọng số $\beta = 0.212$ & $\beta = 0.198$)

  • Rút ngắn thời gian trả mẫu thiết kế 2D/3D từ 48 giờ xuống tối đa 12 giờ làm việc.
  • Ứng dụng bảng theo dõi tiến độ sản xuất (Production Kanban Sheet) để cập nhật trạng thái đơn hàng (Cắt vải $\rightarrow$ In/Thêu $\rightarrow$ May ráp $\rightarrow$ Đóng gói $\rightarrow$ Giao nhận) tự động gửi đến khách hàng qua Zalo OA/Email.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và phạm vi

  • Giới hạn địa lý và cỡ mẫu: Nghiên cứu thực hiện trên quy mô $N = 125$ doanh nghiệp tại tỉnh Thừa Thiên Huế, chưa khảo sát các địa phương lân cận trong vùng kinh tế trọng điểm miền Trung như Đà Nẵng, Quảng Nam.
  • Tính thời điểm của dữ liệu: Khảo sát được thực hiện trong giai đoạn chịu tác động của dịch Covid-19 (cuối năm 2020), do đó biến số "Giá cả" có thể bị khuếch đại độ nhạy cảm hơn so với điều kiện kinh tế bình thường.
  • Phương pháp ước lượng: Mô hình sử dụng hồi quy tuyến tính OLS thông qua SPSS, chưa áp dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để kiểm tra các tác động trung gian (Mediating effects) và điều tiết (Moderating effects).

Hướng phát triển đề xuất

  • Mở rộng tập mẫu nghiên cứu lên $N \ge 300$ trên toàn khu vực miền Trung và phân tích đa nhóm (Multi-group Analysis) giữa khối doanh nghiệp tư nhân và đơn vị hành chính sự nghiệp.
  • Ứng dụng hệ thống ERP/CRM điện toán đám mây cho Lion Group để tích hợp cổng theo dõi tiến độ đơn hàng tự động cho khách hàng doanh nghiệp.

Đối tượng hưởng lợi

  • Sinh viên & Học viên ngành Quản trị Kinh doanh / Marketing: Tham khảo khung mô hình nghiên cứu thực nghiệm B2B, quy trình thiết kế thang đo Likert và các cú pháp xử lý định lượng trên phần mềm SPSS 22.0.
  • Doanh nghiệp dệt may & Đơn vị may đo đồng phục: Nắm bắt chính xác mức độ ưu tiên của khách hàng tổ chức ($\text{Sản phẩm} > \text{Giá} > \text{Nhân viên} > \text{Thời gian}$) để phân bổ ngân sách đầu tư vào máy móc in thêu và đào tạo nhân sự thay vì chi tiêu dàn trải.
  • Chuyên viên kinh doanh B2B (Account Executive / B2B Sales): Vận dụng bộ kỹ năng tư vấn trực tiếp mang theo mẫu vải thực tế, quy trình cam kết SLA về tiến độ giao hàng nhằm nâng cao tỷ lệ chốt hợp đồng.
  • Các nhà nghiên cứu ứng dụng: Có cơ sở dữ liệu thực nghiệm về hệ số hồi quy của biến "Thời gian đơn hàng" trong chuỗi cung ứng may mặc tại thị trường cấp tỉnh.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai quy trình phân tích dữ liệu nghiên cứu này là gì?

Hệ thống cần máy trạm trang bị hệ điều hành Windows 10/11 hoặc macOS, tối thiểu 4GB RAM, cài đặt phần mềm IBM SPSS Statistics phiên bản 20.0 trở lên (khuyến nghị v22.0 hoặc v26.0) cùng Microsoft Excel 2016+ để nhập liệu bảng mã và làm sạch dữ liệu thô.

2. Mô hình có gặp giới hạn về đa cộng tuyến khi tăng thêm biến độc lập không?

Hệ thống kiểm định đã kiểm tra chỉ số phóng đại phương sai (VIF) của cả 6 biến độc lập đều nằm trong khoảng $1.210 - 1.415$ (nhỏ hơn nhiều so với ngưỡng cảnh báo vi phạm là 2.0 hoặc 5.0). Khi mở rộng thêm biến mới, cần duy trì kiểm định ma trận tương quan Pearson ($r < 0.8$) và chỉ số $\text{VIF} < 2.0$ để đảm bảo mô hình không bị đa cộng tuyến.

3. Làm thế nào để Lion Group tích hợp giải pháp rút ngắn thời gian đơn hàng vào hệ thống xưởng may liên kết?

Doanh nghiệp cần ký thỏa thuận mức độ dịch vụ (SLA) với các xưởng may vệ tinh, quy định rõ thời gian gia công tối đa cho từng block số lượng (ví dụ: đơn dưới 100 áo thời gian may là 3 ngày, in thêu 2 ngày) và áp dụng cơ chế phạt chậm tiến độ $1%$/ngày giá trị đơn hàng.

4. Chi phí để vận hành quy trình bán hàng và chăm sóc khách hàng chuẩn hóa là bao nhiêu?

Chi phí ban đầu chủ yếu dành cho việc may bộ mẫu sản phẩm thực tế (Sample Kit) cho NVKD (khoảng 3 - 5 triệu đồng/bộ) và chi phí đào tạo kỹ năng tư vấn, kiến thức sợi vải định kỳ cho đội ngũ kinh doanh (2 triệu đồng/nhân sự/quý).

5. Lợi ích kinh tế và thời gian hoàn vốn (ROI) khi áp dụng kết quả nghiên cứu vào thực tế?

Khi tối ưu hóa 6 yếu tố theo mô hình hồi quy (đặc biệt là chất lượng sản phẩm và cam kết thời gian), tỷ lệ chuyển đổi từ báo giá sang ký hợp đồng ước tính tăng từ $25%$ lên $40%$, giảm $15%$ tỷ lệ khiếu nại về size/vải, mang lại điểm hòa vốn chi phí đào tạo trong vòng 3 tháng đầu triển khai.

Kết luận

Khóa luận tốt nghiệp đã hoàn thành việc xây dựng và kiểm định mô hình định lượng các nhân tố tác động đến quyết định mua của khách hàng tổ chức đối với sản phẩm Đồng phục Lion tại Thừa Thiên Huế. Với $R^2$ hiệu chỉnh đạt $62.4%$, nghiên cứu đã chứng minh quyết định mua sắm B2B chịu sự chi phối đa chiều từ 6 nhóm nhân tố với thứ tự ưu tiên: Sản phẩm ($\beta = 0.294$) > Giá cả ($\beta = 0.248$) > Nhân viên bán hàng ($\beta = 0.212$) > Thời gian đơn hàng ($\beta = 0.198$) > Thương hiệu ($\beta = 0.185$) > Chăm sóc khách hàng ($\beta = 0.156$).

Kết quả này cung cấp luận cứ khoa học vững chắc để Ban Giám đốc Công ty TNHH Thương mại và Dịch vụ Lion Group tái cấu trúc chính sách chất lượng, chuẩn hóa quy trình tiếp thị trực tiếp và tối ưu hóa chuỗi cung ứng sản xuất. Việc đồng bộ hóa chất lượng vải, minh bạch hóa chính sách giá và kiểm soát nghiêm ngặt tiến độ giao hàng sẽ là chìa khóa then chốt giúp Lion Group mở rộng thị phần và định vị vững chắc thương hiệu đồng phục hàng đầu tại Thừa Thiên Huế và khu vực miền Trung.