Giới thiệu dự án

Bối cảnh và Nền tảng Vấn đề

Thị trường bán lẻ Việt Nam đang trải qua giai đoạn cạnh tranh khốc liệt, với tốc độ tăng trưởng dự báo đạt 11.9%/năm trong giai đoạn 2016-2020 và quy mô thị trường ước tính 179 tỷ USD vào năm 2020. Sự thâm nhập mạnh mẽ của các tập đoàn bán lẻ quốc tế như Central Group (Thái Lan) qua thương vụ thâu tóm Big C và TCC Holdings với MM Mega Market đã tạo ra áp lực cạnh tranh khổng lồ lên các doanh nghiệp nội địa như Saigon Co.op (Co.opmart). Trong bối cảnh đó, chất lượng dịch vụ, đặc biệt là các dịch vụ giá trị gia tăng như giao hàng tận nhà, trở thành yếu tố sống còn để giữ chân khách hàng và tạo lợi thế cạnh tranh. Tại Huế, Co.opmart đối mặt với sự cạnh tranh trực tiếp từ Big C và các đối thủ tiềm năng khác, đòi hỏi phải liên tục cải tiến dịch vụ.

Tuyên bố Vấn đề

Siêu thị Co.opmart Huế đang cung cấp dịch vụ giao hàng tận nhà nhưng thiếu một hệ thống đo lường định lượng và khách quan về sự hài lòng của khách hàng. Việc ra quyết định cải tiến dịch vụ hiện tại còn dựa nhiều vào cảm tính và phản hồi đơn lẻ, dẫn đến việc phân bổ nguồn lực (nhân sự, tài chính, công nghệ) không tối ưu. Các điểm đau (pain points) chính bao gồm:

  • Không xác định được yếu tố cốt lõi: Ban quản lý không biết yếu tố nào (ví dụ: tốc độ giao hàng, thái độ nhân viên, hay bao bì sản phẩm) có tác động lớn nhất đến sự hài lòng chung.
  • Lãng phí nguồn lực: Đầu tư dàn trải vào nhiều khía cạnh của dịch vụ mà không tập trung vào những điểm thực sự tạo ra giá trị cho khách hàng.
  • Thiếu cơ sở để hoạch định chiến lược: Không có dữ liệu tin cậy để dự báo phản ứng của khách hàng đối với các thay đổi dịch vụ hoặc để đặt ra các Chỉ số Hiệu suất Chính (KPI) có ý nghĩa.

Mục tiêu Dự án

  1. Hệ thống hóa cơ sở lý luận: Xây dựng một khung lý thuyết vững chắc về chất lượng dịch vụ (CLDV) và sự hài lòng của khách hàng (SHL) trong lĩnh vực bán lẻ, dựa trên mô hình SERVQUAL.
  2. Xây dựng và kiểm định mô hình đo lường: Phát triển một mô hình hồi quy đa biến để xác định và lượng hóa mức độ ảnh hưởng của các nhân tố CLDV (Độ tin cậy, Độ phản hồi, Năng lực phục vụ, Sự đồng cảm, Phương tiện hữu hình) đến sự hài lòng của khách hàng đối với dịch vụ giao hàng tận nhà của Co.opmart Huế.
  3. Đề xuất giải pháp dựa trên dữ liệu: Cung cấp một danh sách các giải pháp cụ thể, có thể hành động ngay và được ưu tiên hóa dựa trên tác động đã được chứng minh qua phân tích thống kê, nhằm nâng cao sự hài lòng của khách hàng.

Phương pháp tiếp cận giải pháp

Dự án áp dụng phương pháp nghiên cứu ứng dụng định lượng. Cách tiếp cận này được lựa chọn vì nó cho phép chuyển đổi các khái niệm trừu tượng (như "tin cậy", "đồng cảm") thành các biến số có thể đo lường được. Quy trình bao gồm việc thu thập dữ liệu sơ cấp qua khảo sát 125 khách hàng đã sử dụng dịch vụ, sau đó sử dụng phần mềm thống kê chuyên dụng (SPSS) để phân tích, đảm bảo kết quả có độ tin cậy cao và mang tính khoa học, thay vì chỉ dựa trên quan sát chủ quan.

Kết quả kỳ vọng

  • Mô hình hồi quy dự báo: Một phương trình hồi quy tuyến tính đa biến đã được kiểm định, có khả năng giải thích ít nhất 50% sự biến thiên trong sự hài lòng của khách hàng (R-squared > 0.5).
  • Bảng xếp hạng các yếu tố ảnh hưởng: Một bảng phân tích trọng số hồi quy (hệ số Beta) cho thấy mức độ quan trọng tương đối của từng nhân tố, giúp xác định các ưu tiên đầu tư.
  • Bộ giải pháp thực tiễn: Tối thiểu 10 đề xuất cải tiến cụ thể, được nhóm theo 5 nhân tố của mô hình, kèm theo luận cứ dựa trên kết quả phân tích dữ liệu.

Phạm vi và Giới hạn

  • Phạm vi: Nghiên cứu chỉ tập trung vào dịch vụ giao hàng tận nhà của siêu thị Co.opmart Huế. Đối tượng khảo sát là khách hàng đã và đang sử dụng dịch vụ này. Dữ liệu sơ cấp được thu thập trong khoảng thời gian từ tháng 01/2018 đến tháng 03/2018.
  • Giới hạn: Do hạn chế về thời gian và nguồn lực, cỡ mẫu (n=125) có thể chưa hoàn toàn đại diện cho toàn bộ tập khách hàng. Nghiên cứu mang tính cắt ngang tại một thời điểm, chưa phản ánh được sự thay đổi trong thái độ của khách hàng theo thời gian.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phân tích các giải pháp hiện tại

Các siêu thị và đơn vị bán lẻ tại Huế cung cấp dịch vụ giao hàng với các cấp độ khác nhau.

Giải pháp Ưu điểm Nhược điểm
Co.opmart Huế (Hiện tại) Miễn phí cho hóa đơn >200.000đ, đội ngũ nhân viên quen thuộc. Quy trình còn thủ công, chưa có hệ thống theo dõi đơn hàng real-time, thời gian giao hàng đôi khi chậm trễ vào giờ cao điểm.
Big C Huế (Đối thủ) Quy mô lớn, hệ thống chuyên nghiệp hơn, thường xuyên có khuyến mãi vận chuyển. Thiếu sự cá nhân hóa, quy trình xử lý khiếu nại có thể phức tạp hơn do quy mô lớn.
Chợ truyền thống Hàng hóa tươi sống, mối quan hệ cá nhân với người bán. Không có dịch vụ giao hàng chính thức, phụ thuộc vào thỏa thuận cá nhân, không đảm bảo về thời gian và chất lượng.

Phân tích Yêu cầu người dùng (MoSCoW)

  • Must Have (Phải có):
    • Hàng hóa được giao đúng và đủ.
    • Giao hàng đúng thời gian đã cam kết.
    • Hàng hóa (đặc biệt là đồ tươi sống, dễ vỡ) được bảo quản cẩn thận.
  • Should Have (Nên có):
    • Nhân viên giao hàng có thái độ lịch sự, chuyên nghiệp.
    • Quy trình đặt và nhận hàng đơn giản, nhanh chóng.
    • Thông báo trước cho khách hàng khi sắp giao hàng.
  • Could Have (Có thể có):
    • Hệ thống theo dõi đơn hàng trực tuyến.
    • Tùy chọn hẹn giờ giao hàng linh hoạt.
    • Đa dạng hình thức thanh toán khi nhận hàng.
  • Won't Have (Sẽ không có ở giai đoạn này):
    • Dịch vụ giao hàng hỏa tốc trong 30 phút.
    • Giao hàng 24/7.

Phân tích Lỗ hổng (Gap Analysis)

Lỗ hổng lớn nhất của Co.opmart Huế so với các đối thủ tiềm năng và kỳ vọng của khách hàng là việc thiếu một hệ thống vận hành và đo lường dựa trên dữ liệu. Cơ hội nằm ở việc ứng dụng một khung phân tích khoa học để tối ưu hóa dịch vụ, tạo ra sự khác biệt không chỉ về giá cả mà còn về trải nghiệm khách hàng một cách nhất quán và tin cậy.

Thiết kế hệ thống phân tích

"Hệ thống" ở đây là quy trình phân tích dữ liệu để đưa ra quyết định.

  • Kiến trúc phân tích: Sơ đồ quy trình: Thiết kế Bảng hỏi (dựa trên SERVQUAL) -> Thu thập dữ liệu (Khảo sát trực tiếp) -> Mã hóa & Nhập liệu (Excel/SPSS) -> Xử lý & Phân tích (SPSS Engine) -> Báo cáo & Đề xuất (Dashboard/Report)
  • Technology Stack:
    • Phần mềm xử lý thống kê: IBM SPSS Statistics v20.0
    • Quản lý dữ liệu: Microsoft Excel 2016
    • Nền tảng lý thuyết: Mô hình chất lượng dịch vụ SERVQUAL (Parasuraman, 1988)
  • Thiết kế cơ sở dữ liệu (Dataset structure):
    • Gồm 125 bản ghi (records), tương ứng 125 khách hàng.
    • Các trường (fields) bao gồm: thông tin nhân khẩu học (giới tính, độ tuổi, nghề nghiệp, thu nhập) và 25 biến quan sát cho 5 nhân tố CLDV (thang đo Likert 5 điểm) cùng 4 biến quan sát cho nhân tố Sự hài lòng.

Phương pháp luận

  • Phương pháp phát triển: Áp dụng quy trình nghiên cứu khoa học tuần tự (tương tự mô hình Waterfall), bao gồm các giai đoạn rõ ràng: Tổng quan lý thuyết -> Thiết kế nghiên cứu -> Thu thập dữ liệu -> Phân tích dữ liệu -> Viết báo cáo và đề xuất.

  • Tiến độ dự án:

    Giai đoạn Milestone Thời gian
    Tháng 1/2018 Hoàn thành cơ sở lý thuyết và bảng hỏi sơ bộ Tuần 1-2
    Tháng 1-2/2018 Điều tra thử, hiệu chỉnh và hoàn thiện bảng hỏi Tuần 3-4
    Tháng 2-3/2018 Tiến hành điều tra chính thức 125 mẫu 4 tuần
    Tháng 3/2018 Làm sạch, nhập liệu và phân tích dữ liệu 2 tuần
    Tháng 4/2018 Viết báo cáo, phân tích kết quả và đề xuất giải pháp 3 tuần
    Tháng 5/2018 Hoàn thiện và bảo vệ khóa luận 1 tuần
  • Đánh giá rủi ro và giải pháp:

    • Rủi ro: Dữ liệu thu thập không đáng tin cậy (khách hàng trả lời qua loa). Giải pháp: Phỏng vấn viên được tập huấn để giải thích rõ mục đích và hướng dẫn khách hàng trả lời, kiểm tra logic ngay sau khi thu phiếu.
    • Rủi ro: Cỡ mẫu nhỏ không đủ sức mạnh thống kê. Giải pháp: Tính toán cỡ mẫu tối thiểu theo công thức Hair & ctg (525 = 125) và Tabachnick & Fidell (85+50=90), chọn cỡ mẫu lớn hơn để tăng độ tin cậy.

Implementation và kết quả

Quy trình "phát triển" (Nghiên cứu)

Quy trình được thực hiện nghiêm ngặt qua các bước kiểm định thống kê để đảm bảo tính hợp lệ của "sản phẩm" cuối cùng là mô hình phân tích.

  1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha): Đánh giá sự nhất quán nội tại của các câu hỏi trong từng nhóm nhân tố. Tất cả 5 nhóm nhân tố độc lập đều đạt hệ số Cronbach's Alpha > 0.6 (ví dụ: Độ tin cậy = 0.841, Năng lực phục vụ = 0.803), và các biến quan sát có hệ số tương quan biến tổng > 0.3, cho thấy thang đo đáng tin cậy.
  2. Phân tích nhân tố khám phá (EFA): Sử dụng để xác nhận cấu trúc của 5 nhân tố. Kết quả kiểm định KMO = 0.784 (> 0.5) và Sig. của kiểm định Bartlett = 0.000 (< 0.05) cho thấy dữ liệu hoàn toàn phù hợp để phân tích nhân tố. Ma trận xoay nhân tố đã rút gọn 25 biến quan sát về đúng 5 nhóm nhân tố như giả thuyết, với tổng phương sai trích là 60.999%, giải thích được gần 61% sự biến thiên của dữ liệu.

Thuật toán cốt lõi: Hồi quy tuyến tính đa biến

Đây là "thuật toán" chính của dự án, dùng để xây dựng mô hình dự báo sự hài lòng. Mô hình phương trình: SHL = β₀ + β₁*DTC + β₂*DPH + β₃*NLPV + β₄*SDC + β₅*PTHH + ε Trong đó:

  • SHL: Biến phụ thuộc (Sự hài lòng của khách hàng)
  • DTC, DPH, NLPV, SDC, PTHH: Các biến độc lập (5 nhân tố CLDV)
  • β₀: Hằng số (tung độ gốc)
  • β₁..β₅: Các hệ số hồi quy, biểu thị mức độ tác động của mỗi nhân tố lên sự hài lòng.
  • ε: Sai số ngẫu nhiên.
# Đây là dạng mô tả thuật toán, không phải code chạy thực tế
# Dữ liệu đầu vào: Ma trận dữ liệu (125 hàng x 6 cột)
# Cột 1: SHL (Sự hài lòng)
# Cột 2-6: DTC, DPH, NLPV, SDC, PTHH (Điểm trung bình của các nhân tố)

FUNCTION MultipleLinearRegression(input_data):
    # Bước 1: Ước tính các hệ số hồi quy (β) bằng phương pháp Bình phương nhỏ nhất (Ordinary Least Squares - OLS)
    # Mục tiêu: Tối thiểu hóa tổng bình phương của sai số (ε)
    # SUM( (SHL_thucte - SHL_dudoan)^2 ) -> min

    # Bước 2: Tính toán các chỉ số thống kê
    R_squared = calculate_r_squared(model) # Mức độ giải thích của mô hình
    F_statistic = calculate_f_statistic(model) # Kiểm định sự phù hợp của mô hình tổng thể
    p_values = calculate_p_values(coefficients) # Kiểm định ý nghĩa thống kê của từng hệ số β

    # Bước 3: Trả về kết quả
    RETURN {
        coefficients: [β₀, β₁, β₂, β₃, β₄, β₅],
        R_squared: R_squared,
        F_statistic: F_statistic,
        p_values: p_values
    }

Kiểm định và xác thực mô hình

  • Độ phù hợp mô hình: Hệ số R bình phương hiệu chỉnh (Adjusted R Square) là 0.589, nghĩa là 58.9% sự thay đổi trong Sự hài lòng của khách hàng có thể được giải thích bởi 5 nhân tố chất lượng dịch vụ trong mô hình.
  • Kiểm định F (ANOVA): Giá trị Sig. trong bảng ANOVA là 0.000 (< 0.05), cho thấy mô hình hồi quy là phù hợp với bộ dữ liệu tổng thể và có ý nghĩa thống kê.

Kết quả đạt được

Mô hình hồi quy cuối cùng được xác định với các hệ số cụ thể (từ Bảng 18): SHL = 0.327 + 0.174*DTC + 0.198*DPH + 0.350*NLPV + 0.232*PTHH (Lưu ý: Nhân tố SDC bị loại do Sig. > 0.05, không có ý nghĩa thống kê trong mô hình này)

Phân tích mức độ quan trọng (dựa trên hệ số Beta chuẩn hóa):

  1. Năng lực phục vụ (Beta = 0.354): Tác động mạnh nhất.
  2. Phương tiện hữu hình (Beta = 0.233): Tác động thứ hai.
  3. Độ phản hồi (Beta = 0.186): Tác động thứ ba.
  4. Độ tin cậy (Beta = 0.175): Tác động thứ tư.

Điều này cho thấy, để nâng cao sự hài lòng một cách hiệu quả nhất, Co.opmart Huế cần ưu tiên đầu tư vào việc nâng cao năng lực của nhân viên.

Đổi mới và đóng góp

  • Đổi mới kỹ thuật: Dự án là một trong những ứng dụng đầu tiên của mô hình SERVQUAL và phân tích hồi quy đa biến để đánh giá một cách có hệ thống dịch vụ giao hàng của một siêu thị cụ thể tại thị trường Huế. Cách tiếp cận này chuyển đổi việc quản lý chất lượng từ bị động (phản ứng với khiếu nại) sang chủ động (dự báo và cải tiến dựa trên dữ liệu).
  • So sánh với các giải pháp hiện có:
    1. Phiếu góp ý truyền thống: Chỉ thu thập dữ liệu định tính, không thể lượng hóa và xác định mức độ ưu tiên. Giải pháp của dự án cung cấp các con số cụ thể (hệ số Beta) để ra quyết định.
    2. Khảo sát chung chung: Các khảo sát không dựa trên một khung lý thuyết đã được kiểm chứng (như SERVQUAL) thường bỏ sót các khía cạnh quan trọng và cho kết quả thiếu tin cậy. Dự án sử dụng một thang đo đã được chuẩn hóa và kiểm định chặt chẽ.
  • Cải thiện hiệu quả: Mô hình cho phép tối ưu hóa việc phân bổ ngân sách. Ví dụ, một khoản đầu tư 100 triệu VNĐ vào "Năng lực phục vụ" (Beta=0.354) sẽ mang lại tác động lên sự hài lòng cao hơn 51.7% so với cùng khoản đầu tư đó vào "Độ tin cậy" (Beta=0.233). ((0.354 - 0.233) / 0.233 * 100% ≈ 51.7%). Đây là một cải tiến hiệu quả rõ rệt trong việc ra quyết định đầu tư.
  • Đóng góp cho ngành: Cung cấp một case study chi tiết về cách áp dụng phương pháp nghiên cứu khoa học vào vận hành bán lẻ, tạo ra một khuôn mẫu (template) mà các chi nhánh Co.opmart khác hoặc các doanh nghiệp bán lẻ tương tự có thể học hỏi và triển khai.

Ứng dụng thực tế và triển khai

  • Kịch bản sử dụng thực tế:
    • Tình huống: Trưởng phòng Marketing của Co.opmart Huế có ngân sách 200 triệu VNĐ để cải thiện dịch vụ giao hàng trong quý tới.
    • Ứng dụng mô hình: Thay vì chia đều ngân sách, ông/bà tham khảo kết quả phân tích. Mô hình chỉ ra "Năng lực phục vụ" là quan trọng nhất.
    • Quyết định: Phân bổ 100 triệu cho các khóa đào tạo kỹ năng mềm, xử lý tình huống cho nhân viên giao hàng và nhân viên tổng đài. 50 triệu cho việc nâng cấp đồng phục, thùng hàng chuyên dụng ("Phương tiện hữu hình"). 50 triệu còn lại để cải thiện quy trình tiếp nhận và xử lý đơn hàng ("Độ phản hồi").
  • Chiến lược triển khai:
    1. Giai đoạn 1 (1 tháng): Phổ biến kết quả nghiên cứu cho ban quản lý và các bộ phận liên quan.
    2. Giai đoạn 2 (3 tháng): Triển khai các giải pháp ưu tiên (đào tạo nhân viên, nâng cấp trang thiết bị).
    3. Giai đoạn 3 (Liên tục): Tích hợp việc khảo sát định kỳ (6 tháng/lần) vào quy trình vận hành để theo dõi chỉ số hài lòng và điều chỉnh chiến lược kịp thời.

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật: Mô hình hồi quy tuyến tính giả định một mối quan hệ tuyến tính giữa các yếu tố và sự hài lòng. Thực tế mối quan hệ này có thể phức tạp hơn. Việc loại bỏ nhân tố "Sự đồng cảm" có thể do đặc thù của mẫu hoặc cách đặt câu hỏi, cần nghiên cứu sâu hơn.
  • Hạn chế nguồn lực: Nghiên cứu chỉ thực hiện tại một địa điểm (Huế) và trong một khoảng thời gian ngắn.
  • Hướng phát triển tương lai:
    • Mở rộng mô hình: Tích hợp các biến số khác như giá trị cảm nhận, hình ảnh thương hiệu để xây dựng mô hình cấu trúc tuyến tính (SEM) phức tạp hơn.
    • Nghiên cứu dọc (Longitudinal Study): Thực hiện khảo sát lặp lại theo thời gian để theo dõi hiệu quả của các giải pháp đã triển khai.
    • Phân tích cụm (Cluster Analysis): Phân nhóm khách hàng dựa trên mức độ hài lòng và đặc điểm nhân khẩu học để có chiến lược phục vụ cá nhân hóa hơn.

Đối tượng hưởng lợi

  • Sinh viên: Có được một ví dụ thực tiễn, chi tiết về quy trình áp dụng phân tích định lượng trong kinh doanh, từ lý thuyết đến kết quả.
  • Nhà phát triển/Nhà phân tích dữ liệu: Hiểu được cách các thuật toán thống kê (Hồi quy, EFA) được ứng dụng để giải quyết bài toán kinh doanh cụ thể, không chỉ trong lĩnh vực công nghệ.
  • Doanh nghiệp (Co.opmart): Nhận được một công cụ ra quyết định mạnh mẽ, giúp tối ưu hóa đầu tư, tăng sự hài lòng và lòng trung thành của khách hàng, từ đó cải thiện doanh thu (mục tiêu tăng tỷ lệ khách hàng quay lại 15% trong 6 tháng).
  • Nhà nghiên cứu: Cung cấp dữ liệu và kết quả thực nghiệm về thị trường bán lẻ Việt Nam, làm cơ sở cho các nghiên cứu sâu rộng hơn.

Câu hỏi thường gặp

  1. Yêu cầu kỹ thuật để triển khai một hệ thống phân tích tương tự là gì?
    • Cần có nhân sự với kiến thức về phương pháp nghiên cứu và thống kê cơ bản. Về phần mềm, cần giấy phép sử dụng IBM SPSS hoặc các công cụ mã nguồn mở tương đương như R/Python với các thư viện statsmodels, scikit-learn.
  2. Giới hạn về khả năng mở rộng của mô hình này là gì?
    • Mô hình có thể mở rộng dễ dàng cho các chi nhánh khác, chỉ cần lặp lại quy trình thu thập và phân tích dữ liệu. Tuy nhiên, các hệ số hồi quy có thể thay đổi tùy thuộc vào đặc điểm của từng thị trường địa phương.
  3. Làm thế nào để tích hợp kết quả phân tích vào các hệ thống quản lý hiện có?
    • Kết quả phân tích nên được chuyển thành các KPI cụ thể (ví dụ: điểm hài lòng trung bình, điểm năng lực phục vụ) và tích hợp vào hệ thống báo cáo quản trị (dashboard) hàng tháng/quý của siêu thị.
  4. Nhu cầu bảo trì và hỗ trợ cho "hệ thống" này là gì?
    • "Bảo trì" chính là việc cập nhật dữ liệu. Cần thực hiện khảo sát lại định kỳ (ít nhất 1 năm/lần) để "hiệu chỉnh" lại mô hình và đảm bảo các quyết định vẫn dựa trên thông tin mới nhất.
  5. Chi phí và lợi tức đầu tư (ROI) dự kiến là bao nhiêu?
    • Chi phí: Chủ yếu là chi phí nhân lực cho nhà phân tích và chi phí thực hiện khảo sát (in ấn, quà tặng nhỏ cho người tham gia). Ước tính khoảng 20-30 triệu VNĐ cho một chu kỳ phân tích.
    • ROI: Lợi tức đến từ việc tăng tỷ lệ giữ chân khách hàng và tối ưu hóa chi phí. Nếu việc cải tiến giúp giữ chân thêm 5% khách hàng sử dụng dịch vụ giao hàng (những người có chi tiêu cao), ROI có thể đạt được trong vòng 6-12 tháng.

Kết luận

Dự án đã thành công trong việc xây dựng và kiểm định một mô hình định lượng vững chắc để phân tích sự hài lòng của khách hàng đối với dịch vụ giao hàng tại Co.opmart Huế. Các thành tựu chính bao gồm việc xác định được 4 nhân tố có ảnh hưởng ý nghĩa thống kê, trong đó "Năng lực phục vụ" là yếu tố then chốt nhất. Đóng góp kỹ thuật nổi bật là việc áp dụng một quy trình phân tích dữ liệu bài bản, từ kiểm định thang đo đến xây dựng mô hình hồi quy, cung cấp bằng chứng định lượng thay thế cho các quyết định cảm tính. Về mặt giá trị kinh doanh, mô hình này trao cho ban quản lý một công cụ chiến lược để phân bổ nguồn lực hiệu quả, nâng cao trải nghiệm khách hàng và củng cố vị thế cạnh tranh trên thị trường. Hướng phát triển trong tương lai sẽ tập trung vào việc tự động hóa quy trình thu thập và phân tích, cũng như mở rộng mô hình để có cái nhìn toàn diện hơn. Chúng tôi khuyến khích các nhà quản lý bán lẻ áp dụng phương pháp tiếp cận dựa trên dữ liệu tương tự để thúc đẩy sự tăng trưởng bền vững.