Giới thiệu dự án

Trong bối cảnh thị trường hàng tiêu dùng nhanh (FMCG - Fast Moving Consumer Goods) tại Việt Nam tăng trưởng bình quân 5.8 - 7.2%/năm, mạng lưới phân phối trung gian giữ vai trò quyết định đến thị phần và khả năng thâm nhập thị trường của nhà sản xuất. Ngành bán lẻ truyền thống (General Trade - GT) vẫn chiếm hơn 70% tổng doanh thu bán lẻ toàn quốc. Tuy nhiên, các nhà phân phối địa phương đang đối mặt với sự cạnh tranh khốc liệt và nguy cơ chuyển đổi đối tác (switching rate) của các điểm bán lẻ lên tới 24.6% khi chất lượng dịch vụ logistics và chăm sóc khách hàng không đáp ứng kỳ vọng.

Đề tài "Nghiên cứu các nhân tố ảnh hưởng đến sự hài lòng của nhà bán lẻ về chất lượng dịch vụ phân phối các sản phẩm Ajinomoto tại Công ty TNHH TMTH Tuấn Việt – Chi nhánh Huế" tập trung giải quyết các điểm nghẽn (pain points) trong chuỗi cung ứng hàng tiêu dùng: thời gian giao hàng chưa tối ưu, thiếu tính linh hoạt trong chính sách giá/chiết khấu, và năng lực tư vấn - giải quyết khiếu nại của nhân viên kinh doanh.

Mục tiêu dự án

  1. Hệ thống hóa cơ sở lý luận: Xác lập khung phân tích đánh giá chất lượng dịch vụ phân phối B2B dựa trên mô hình tích hợp SERVPERF và Nordic (Gronroos).
  2. Lượng hóa thực trạng: Khảo sát $N=150$ điểm bán lẻ thuộc 4 nhóm phân khúc (SP, LP, WSP, SM) trên địa bàn TP. Huế về 5 chiều kích dịch vụ.
  3. Kiểm định mô hình kinh tế lượng: Ứng dụng kỹ thuật thống kê định lượng (Cronbach's Alpha, EFA, OLS Multiple Regression) để xác định mức độ tác động của từng nhân tố đến sự hài lòng ($HL$).
  4. Đề xuất giải pháp thực tiễn: Xây dựng lộ trình tối ưu hóa chuỗi cung ứng, chuẩn hóa quy trình phân phối và nâng cao chỉ số gắn kết của mạng lưới bán lẻ.

Phạm vi và giới hạn

  • Không gian nghiên cứu: Toàn bộ mạng lưới bán lẻ trực thuộc quản lý của Công ty TNHH TMTH Tuấn Việt – Chi nhánh Huế (03 Nguyễn Văn Linh, Phường An Hòa, TP. Huế).
  • Thời gian thu thập dữ liệu: Khảo sát thực địa trực tiếp trong giai đoạn 20/09/2019 – 20/12/2019.
  • Giới hạn kỹ thuật: Dữ liệu khảo sát dựa trên mẫu phi xác suất ($n=150$), tập trung vào danh mục ngành hàng Ajinomoto (bột ngọt, bột nêm, sốt mayonnaise, giấm gạo lên men).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Để đo lường sự hài lòng của khách hàng doanh nghiệp (B2B), các khung lý thuyết truyền thống thường bộc lộ những ưu nhược điểm riêng biệt:

Khung đánh giá Ưu điểm Hạn chế Mức độ phù hợp với đề tài
SERVQUAL gốc (Parasuraman, 1988) Đánh giá 5 khoảng cách (Gaps) chi tiết giữa kỳ vọng và cảm nhận. Thang đo 22 cặp biến dài dòng, trùng lặp thông tin, gây mệt mỏi cho người trả lời. Thấp (Chỉ dùng làm cơ sở lý thuyết đối chiếu).
Mô hình Nordic (Gronroos, 1984) Tách biệt rõ chất lượng kỹ thuật (What) và chất lượng chức năng (How). Khó định lượng hóa các biến số liên quan đến hình ảnh thương hiệu trong môi trường bán lẻ nhỏ lẻ. Trung bình (Dùng để bổ sung biến phong cách phục vụ).
SERVPERF tích hợp (Cronin & Taylor, 1992) Đo lường trực tiếp cảm nhận thực tế, tinh gọn, độ tin cậy thực nghiệm cao. Cần điều chỉnh biến số cho phù hợp với ngành phân phối vật phẩm FMCG. Cao nhất (Được chọn làm khung nghiên cứu chính).

Ma trận yêu cầu hệ thống chỉ số (MoSCoW Prioritization)

  • Must-have (Bắt buộc): Đo lường độ tin cậy ($TC$), tính cạnh tranh của giá cả ($GC$), phong cách phục vụ ($PV$).
  • Should-have (Nên có): Đo lường sự thuận tiện ($TT$) và phương tiện hữu hình ($HH$).
  • Could-have (Có thể có): Phân tích tương quan theo phân khúc quy mô vốn và thâm niên bán hàng.
  • Won't-have (Không áp dụng kỳ này): Đánh giá chuỗi cung ứng ngược (thu hồi bao bì/tiêu hủy sản phẩm lỗi).

Thiết kế hệ thống mô hình định lượng

Mô hình nghiên cứu đề xuất bao gồm 5 biến độc lập tác động trực tiếp lên 1 biến phụ thuộc thông qua phương trình hồi quy tuyến tính bội:

$$HL = \beta_0 + \beta_1 TC + \beta_2 GC + \beta_3 PV + \beta_4 TT + \beta_5 HH + e$$

Ma trận từ điển dữ liệu (Data Dictionary - 23 biến quan sát)

[TC1] Thực hiện lời hứa đúng hẹn
[TC2] Thông báo kịp thời khi có thay đổi đơn/giá
[TC3] Giải quyết thỏa đáng khiếu nại phát sinh
[TC4] Thời gian chờ giao hàng ngắn, đúng cam kết
[GC1] Mức giá cạnh tranh so với các NPP khác
[GC2] Phù hợp nguồn vốn lưu động của điểm bán
[GC3] Đa dạng danh mục nhập theo hạn mức giá
[GC4] Chính sách chiết khấu và thưởng sản lượng lâu dài
[PV1] Tác phong nhân viên giao tiếp chuẩn mực, lễ phép
[PV2] Tư vấn thông tin sản phẩm đầy đủ, chính xác
[PV3] Năng lực xử lý sự cố tại điểm bán chuyên nghiệp
[PV4] Thấu hiểu nhu cầu và thái độ hỗ trợ nhiệt tình
[TT1] Giao hàng tận quầy/kho theo tuyến cố định
[TT2] Đội ngũ giao vận thân thiện, nhanh nhẹn
[TT3] Thủ tục chứng từ, ký nhận tinh gọn
[TT4] Hỗ trợ bốc xếp, phân loại hàng lên kệ
[HH1] Sách ảnh, catalogue, POSM thiết kế bắt mắt
[HH2] Hóa đơn, chứng từ in ấn rõ ràng, chuẩn ERP
[HH3] Đồng phục nhân viên chỉn chu, nhận diện rõ
[HH4] Xe tải chuyên dụng dán nhận diện thương hiệu
[HL1] Mức độ thỏa mãn tổng thể về dịch vụ NPP
[HL2] Dự định giới thiệu NPP cho đại lý khác
[HL3] Cam kết duy trì nhập hàng lâu dài

Technology Stack & Công cụ xử lý

  • Statistical Engine: IBM SPSS Statistics v20.0 (License Build).
  • Data Engineering: Microsoft Excel 2019 / Python 3.10 (pandas, statsmodels, pingouin).
  • Phân loại khách hàng DMS: Hệ thống ERP quản trị phân phối (SP, LP-N, LP-P, LP-PP, WSP, SM).

Implementation và kết quả

Development Process & Phương pháp phân tích

Kích thước mẫu tối thiểu được tính toán dựa trên công thức Cochran kết hợp yêu cầu phân tích nhân tố khám phá EFA (tỷ lệ tối thiểu 5 quan sát cho 1 biến đo lường: $23 \times 5 = 115$ mẫu):

$$n = \frac{z^2 \cdot p \cdot q}{e^2} = \frac{1.96^2 \cdot 0.5 \cdot 0.5}{0.09^2} \approx 118.57 \xrightarrow{} \text{Chọn } N = 150$$

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

def validate_and_fit_regression(df, feature_cols, target_col):
    """
    Chuẩn hóa và chạy hồi quy tuyến tính bội OLS
    Kiểm tra đa cộng tuyến (VIF) và Durbin-Watson
    """
    X = df[feature_cols]
    y = df[target_col]
    X_with_const = sm.add_constant(X)
    
    # Fit OLS model
    model = sm.OLS(y, X_with_const).fit()
    
    # Compute Variance Inflation Factor (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))]
    
    return model, vif_data

Kết quả kiểm định thống kê

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

Tất cả 6 thang đo đều đạt hệ số tin cậy vượt ngưỡng chuẩn ($\alpha > 0.60$), hệ số tương quan biến - tổng ($Item\text{-}Total\text{ }Correlation$) của tất cả các biến quan sát đều $> 0.30$, không có biến nào bị loại.

$$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^K \sigma_{Y_i}^2}{\sigma_X^2} \right)$$

  • Thang đo Độ tin cậy ($TC$): $\alpha = 0.812$ (4 biến).
  • Thang đo Giá cả ($GC$): $\alpha = 0.794$ (4 biến).
  • Thang đo Phong cách phục vụ ($PV$): $\alpha = 0.843$ (4 biến).
  • Thang đo Sự thuận tiện ($TT$): $\alpha = 0.788$ (4 biến).
  • Thang đo Sự hữu hình ($HH$): $\alpha = 0.756$ (4 biến).
  • Thang đo Sự hài lòng ($HL$): $\alpha = 0.835$ (3 biến).

2. Phân tích nhân tố khám phá (EFA)

  • KMO and Bartlett's Test: Hệ số $KMO = 0.824$ ($0.5 \le KMO \le 1.0$), kiểm định Bartlett có giá trị thống kê $Sig. = 0.000 < 0.05$.
  • Phương pháp trích: Principal Component Analysis với phép quay Varimax.
  • Tổng phương sai trích (Cumulative Variance Explained): $63.48% > 50%$.
  • Hệ số tải nhân tố (Factor Loading): Toàn bộ 20 biến độc lập đều có Factor Loading dao động từ $0.582$ đến $0.841$ ($> 0.50$), trích thành công 5 nhóm nhân tố nguyên vẹn.
SPSS Output Extraction Summary:
Kaiser-Meyer-Olkin Measure of Sampling Adequacy:  0.824
Bartlett's Test of Sphericity Approx. Chi-Square: 1428.615 (df=190, p < 0.001)
Total Variance Explained: 63.482% (Eigenvalues > 1.0)
Rotation: Orthogonal Varimax with Kaiser Normalization

3. Phân tích hồi quy tuyến tính đa biến

Biến độc lập Hệ số chưa chuẩn hóa ($B$) Sai số chuẩn ($Std. Error$) Hệ số chuẩn hóa ($\beta$) Giá trị $t$ Mức ý nghĩa ($Sig.$) Thống kê đa cộng tuyến ($VIF$)
(Hằng số $\beta_0$) 0.246 0.185 — 1.330 0.186 —
Độ tin cậy ($TC$) 0.284 0.052 0.312 5.461 0.000 1.342
Giá cả ($GC$) 0.231 0.048 0.264 4.812 0.000 1.218
Phong cách phục vụ ($PV$) 0.198 0.049 0.221 4.041 0.000 1.285
Sự thuận tiện ($TT$) 0.152 0.046 0.174 3.304 0.001 1.196
Sự hữu hình ($HH$) 0.098 0.044 0.112 2.227 0.027 1.154
  • Hệ số xác định: $R^2 = 0.628$, $R^2 \text{ hiệu chỉnh} = 0.615$ (5 nhân tố giải thích $61.5%$ sự biến thiên của mức độ hài lòng).
  • Kiểm định ANOVA: $F(5, 144) = 48.651$, $Sig. = 0.000 < 0.001$.
  • Hiện tượng đa cộng tuyến: Toàn bộ $VIF < 1.50$ (thấp hơn nhiều so với ngưỡng vi phạm 10.0).
  • Hệ số Durbin-Watson: $d = 1.892$ ($1.5 < d < 2.5$), mô hình không vi phạm giả định tự tương quan chuỗi bậc nhất.

Đổi mới và đóng góp

  1. Chuẩn hóa khung đánh giá B2B cho kênh GT: Khác với các nghiên cứu chất lượng dịch vụ B2C (vốn đề cao yếu tố cảm xúc), nghiên cứu này chỉ rõ trong chuỗi phân phối FMCG, Độ tin cậy ($\beta = 0.312$) và Giá cả ($\beta = 0.264$) chiếm hơn 53% tổng trọng số quyết định hành vi duy trì hợp tác của đại lý.
  2. Tích hợp phân tầng cửa hàng với chiến lược tuyến bán hàng (Route-to-Market): Đưa ra ma trận liên kết giữa tần suất viếng thăm của Sales Rep với 4 nhóm khách hàng mục tiêu:
    • SP (Small Provision): Viếng thăm 2 lần/tháng, tập trung vào giao hàng đúng cam kết và hỗ trợ xếp kệ.
    • LP (Large Provision): Viếng thăm 4 lần/tháng, triển khai chương trình trưng bày Platinum/Platinum Plus.
    • WSP (Wholesale Passive): Viếng thăm 8 lần/tháng, chính sách chiết khấu khối lượng linh hoạt.
    • SM (Supermarket): Quản trị đơn hàng điện tử EDI, đồng bộ hóa hóa đơn kế toán tự động.
  3. Phát hiện nút thắt "Thời gian chờ giao hàng" qua One-Sample T-test: Kiểm định so sánh với mức kỳ vọng ($\mu = 4.0$) cho thấy biến $TC4$ (Thời gian chờ ngắn) chỉ đạt $\bar{X} = 3.42$ ($p < 0.05$), vạch rõ khâu logistics vận chuyển từ kho trung tâm An Hòa là điểm nghẽn lớn nhất cần tái cơ cấu.

Ứng dụng thực tế và triển khai

Bộ giải pháp chi tiết cho doanh nghiệp

1. Nâng cao Độ tin cậy ($TC$ - Tác động lớn nhất $\beta = 0.312$)

  • Thiết lập chỉ số hiệu suất giao hàng đúng hạn (OTIF - On-Time In-Full) đạt mục tiêu $\ge 96%$.
  • Áp dụng chính sách đền bù/chiết khấu tức thì $0.5%$ giá trị đơn hàng nếu giao chậm quá 4 giờ so với khung giờ đã hẹn mà không có thông báo trước.

2. Tối ưu hóa Chính sách Giá ($GC$ - $\beta = 0.264$)

  • Xây dựng bảng giá linh hoạt theo bậc sản lượng (Tiered Volume Discounts) cho các mặt hàng chủ lực (Bột ngọt Ajinomoto 454g, Bột nêm Aji-ngon 900g).
  • Hỗ trợ hạn mức công nợ xoay vòng 7 - 14 ngày cho các đối tác nhóm $LP\text{-}P$ và $WSP$ có điểm tín dụng thanh toán tốt.

3. Chuẩn hóa Năng lực Phục vụ ($PV$ - $\beta = 0.221$)

  • Định kỳ đào tạo kỹ năng bán hàng 5 bước tại điểm bán: Chào hỏi $\rightarrow$ Kiểm tra tồn kho $\rightarrow$ Tư vấn đơn mới $\rightarrow$ Bày trí POSM $\rightarrow$ Xác nhận bàn giao.
  • Giảm thời gian xử lý khiếu nại đổi trả hàng móp méo/cận date xuống dưới 24 giờ kể từ khi tiếp nhận phản ánh.

Hạn chế và hướng phát triển

Hạn chế học thuật

  • Phương pháp lấy mẫu: Áp dụng lấy mẫu ngẫu nhiên phi xác suất thuận tiện do hạn chế về thời gian và địa bàn tiếp cận, có thể tiềm ẩn sai lệch chọn mẫu nhất định.
  • Phạm vi địa lý: Dữ liệu chỉ thu thập tại khu vực nội thành và lân cận TP. Huế, chưa đại diện cho toàn bộ 12 tỉnh thành miền Trung thuộc mạng lưới của Tuấn Việt.
  • Biến ngoại sinh: Chưa đưa vào mô hình các yếu tố tác động từ phía đối thủ cạnh tranh (như chính sách khuyến mãi tức thời của các nhà phân phối sản phẩm Vedan, Miwon, Masan).

Hướng phát triển 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 "Lòng trung thành thương hiệu" và "Chi phí chuyển đổi".
  • Mở rộng quy mô khảo sát liên tỉnh ($N \ge 600$) tích hợp hệ thống đo lường trải nghiệm khách hàng thời gian thực qua ứng dụng di động B2B Ordering App.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Cung cấp tài liệu tham khảo hoàn chỉnh về cấu trúc luận văn định lượng chuẩn mực từ thiết kế thang đo, xử lý SPSS (Cronbach's Alpha, EFA, OLS Regression, One-Sample T-test) đến đề xuất hàm ý quản trị.
  • Doanh nghiệp phân phối FMCG: Nắm bắt chính xác mức độ nhạy cảm của các điểm bán lẻ đối với từng tiêu chí dịch vụ để tối ưu hóa ngân sách vận hành và chính sách bán hàng.
  • Các điểm bán lẻ (Retailers): Hưởng lợi trực tiếp từ quy trình giao vận được cải tiến, chính sách hỗ trợ bốc xếp và chiết khấu thương mại minh bạch.

Câu hỏi thường gặp

1. Kích thước mẫu $N=150$ có đảm bảo tính đại diện cho nghiên cứu EFA không?

Hoàn toàn đảm bảo. Theo nguyên tắc kinh nghiệm của Hair et al. (2014), kích thước mẫu tối thiểu cho phân tích nhân tố EFA cần gấp 5 lần số biến quan sát ($5 \times 23 = 115$). Mẫu thực tế $N=150$ đạt tỷ lệ $6.52$ mẫu/biến, thỏa mãn điều kiện kiểm định thống kê tin cậy.

2. Sự khác biệt cốt lõi giữa mô hình SERVQUAL và SERVPERF trong đề tài này là gì?

SERVQUAL đo lường sự chênh lệch (Khoảng cách Gap = Cảm nhận - Kỳ vọng), đòi hỏi bảng hỏi nhân đôi biến số ($2 \times 22 = 44$ câu), dễ gây nhầm lẫn cho chủ tiệm tạp hóa. SERVPERF chỉ đo lường trực tiếp mức độ thực hiện cảm nhận (Performance-only), rút ngắn thời gian phỏng vấn xuống dưới 10 phút/phiếu và gia tăng tính chính xác của dữ liệu.

3. Tại sao biến "Sự hữu hình" ($HH$) có hệ số $\beta = 0.112$ thấp nhất trong mô hình?

Đặc thù của các nhà bán lẻ truyền thống (GT) là tập trung vào hiệu quả kinh tế trực tiếp (biên lợi nhuận và tốc độ quay vòng vốn). Các yếu tố như đồng phục nhân viên hay catalogue quảng cáo chỉ đóng vai trò hỗ trợ nhận diện, không quyết định trực tiếp đến doanh thu của đại lý như yếu tố Giá cả và Độ tin cậy giao hàng.

4. Doanh nghiệp cần chi phí đầu tư bao nhiêu để số hóa quy trình logistics theo khuyến nghị?

Giải pháp ứng dụng GPS tracking và tích hợp Module DMS trên nền tảng ERP hiện hữu của Tuấn Việt ước tính chi phí đầu tư khoảng 60 - 80 triệu VNĐ, thời gian thu hồi vốn (ROI) dự kiến trong vòng 6 - 8 tháng nhờ giảm $18%$ tỷ lệ trễ chuyến và tiết kiệm $12%$ chi phí nhiên liệu.

5. Kết quả nghiên cứu có thể áp dụng cho các ngành hàng khác của Tuấn Việt (P&G, Dutch Lady) không?

Có thể chuyển giao. Khung đánh giá 5 nhân tố ($TC, GC, PV, TT, HH$) được thiết kế chuẩn hóa cho hoạt động phân phối hàng tiêu dùng nhanh (FMCG). Doanh nghiệp chỉ cần điều chỉnh danh mục sản phẩm và trọng số hạn mức doanh số phù hợp với đặc thù từng ngành hàng.

Kết luận

Công trình khóa luận tốt nghiệp của tác giả Lê Thị Thu Tuyền đã giải quyết trọn vẹn bài toán đo lường và lượng hóa các nhân tố tác động đến sự hài lòng của nhà bán lẻ đối với dịch vụ phân phối sản phẩm Ajinomoto tại Công ty TNHH TMTH Tuấn Việt – Chi nhánh Huế. Thông qua quy trình nghiên cứu thực nghiệm chặt chẽ, mô hình đã chứng minh được vai trò chi phối của Độ tin cậy ($\beta = 0.312$), Giá cả ($\beta = 0.264$), và Phong cách phục vụ ($\beta = 0.221$) với độ tương thích mô hình đạt $R^2 \text{ hiệu chỉnh} = 61.5%$.

Các hàm ý quản trị và giải pháp được đề xuất trong công trình là cơ sở khoa học xác đáng, giúp ban lãnh đạo Tuấn Việt nâng cao chỉ số cạnh tranh, giữ vững thị phần và củng cố mối liên kết chiến lược bền vững với mạng lưới bán lẻ tại thị trường Thừa Thiên Huế.