Giới thiệu dự án

Trong bối cảnh toàn cầu hóa và chuyển đổi số mạnh mẽ, thương hiệu đã trở thành tài sản vô hình quan trọng nhất quyết định vị thế cạnh tranh của doanh nghiệp. Theo báo cáo của Bộ Công Thương, Việt Nam xếp hạng thứ 32 trong Top 100 giá trị thương hiệu quốc gia mạnh nhất thế giới với sự dẫn đầu của các tập đoàn lớn như Viettel, Vinamilk, Vietcombank. Tuy nhiên, thị trường tiêu dùng nội địa đang chứng kiến sự dịch chuyển hành vi sâu sắc khi thế hệ Z (Gen Z - sinh từ năm 1997 đến 2012) dần trở thành lực lượng tiêu dùng chủ lực. Tại Việt Nam, Gen Z chiếm khoảng 19% lực lượng lao động (2019) và được dự báo sẽ chiếm tới một phần ba dân số trong độ tuổi lao động vào năm 2025 (PwC Việt Nam, 2021). Ngoài ra, có tới 71% phụ huynh tham khảo ý kiến của con cái thuộc thế hệ Z trước khi ra quyết định mua sắm (Sladek & Grabinger, 2014), chứng minh tác động lan tỏa mạnh mẽ của phân khúc này.

Mặc dù thị trường mở ra nhiều tiềm năng, các thương hiệu đang đối mặt với bài toán nan giải: chi phí thu hút một khách hàng mới cao gấp 5 lần so với chi phí duy trì khách hàng hiện tại ($CAC \approx 5 \times CRC$) (Park et al., 2020). Gen Z là thế hệ bản địa kỹ thuật số (Digital Natives), có xu hướng tìm kiếm thông tin nhanh qua Internet, cực kỳ nhạy cảm với các đánh giá xã hội (Social Proof) nhưng mức độ trung thành thương hiệu lại kém bền vững hơn các thế hệ trước nếu trải nghiệm không đáp ứng kỳ vọng. Đề tài khóa luận tốt nghiệp "Nghiên cứu các yếu tố ảnh hưởng đến ý định mua lặp lại các sản phẩm có thương hiệu của thế hệ Z tại Thành phố Hồ Chí Minh" (Chuyên ngành Marketing, Khoa Quản trị Kinh doanh, Trường Đại học Công nghiệp TP.HCM) được thực hiện nhằm giải quyết trực tiếp khoảng trống này thông qua mô hình định lượng hóa hành vi.

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Xác định hệ thống các nhân tố tác động đến ý định mua lặp lại sản phẩm có thương hiệu của Gen Z tại TP.HCM.
  2. Đo lường trọng số và mức độ tác động của từng nhân tố lên biến phụ thuộc thông qua mô hình hồi quy tuyến tính bội.
  3. Đánh giá sự khác biệt thống kê về ý định mua lặp lại theo các biến nhân khẩu học: giới tính, độ tuổi và mức thu nhập.
  4. Đề xuất ma trận giải pháp và hàm ý quản trị giúp các nhà quản trị thương hiệu tối ưu hóa tỷ lệ giữ chân khách hàng (Customer Retention Rate - CRR).

Phương pháp tiếp cận kết hợp hai giai đoạn: nghiên cứu định tính (Qualitative Research) bằng kỹ thuật thảo luận nhóm chuyên gia ($n=4$) để hiệu chỉnh thang đo, tiếp nối bởi nghiên cứu định lượng (Quantitative Research) thông qua khảo sát diện rộng ($n=250$) và xử lý thống kê đa biến trên nền tảng SPSS 20.0. Phạm vi nghiên cứu tập trung vào đối tượng Gen Z sinh sống, học tập và làm việc tại TP.HCM trong khung thời gian từ tháng 08/2022 đến tháng 12/2022.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu hành vi tiêu dùng và ý định mua lặp lại (Repurchase Intention) dựa trên hai khung lý thuyết nền tảng: Thuyết Hành động Hợp lý (Theory of Reasoned Action - TRA) của Fishbein & Ajzen (1975) và Thuyết Hành vi Hoạch định (Theory of Planned Behavior - TPB) của Ajzen (1991).

Mô hình nghiên cứu Biến độc lập chính Ưu điểm Hạn chế khi áp dụng cho Gen Z
TRA (1975) & TPB (1991) Thái độ, Chuẩn chủ quan, Nhận thức kiểm soát hành vi Nền tảng tâm lý học hành vi vững chắc Mang tính khái quát cao, chưa lượng hóa các thuộc tính thương hiệu đặc thù
Suzuki et al. (2019) Thái độ, Sự tin tưởng, Sự hài lòng Tập trung ngành thời trang bán lẻ Cỡ mẫu hạn chế, chưa phân rã tác động của chất lượng dịch vụ và giá
Park et al. (2020) Giá trị cảm nhận, Trải nghiệm, Hình ảnh thương hiệu Ứng dụng tốt trong kinh tế chia sẻ Không phản ánh đặc tính tiêu dùng đa kênh (Omnichannel) của thị trường mới nổi
Huỳnh & Trần (2021) Người nổi tiếng, Bao bì, Giá, Chất lượng, Độ tuổi Nghiên cứu sâu thị trường TP.HCM Phạm vi hẹp (ngành mỹ phẩm trị nám), không đại diện cho tổng thể Gen Z

Phân loại yêu cầu hệ thống xử lý và phân tích dữ liệu theo khung MoSCoW:

  • Must-have: Kiểm định độ tin cậy thang đo (Cronbach’s Alpha $> 0.6$), Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA) với $KMO \ge 0.5$ và Tổng phương sai trích (Total Variance Explained) $> 50%$, Kiểm định đa cộng tuyến qua hệ số phóng đại phương sai ($VIF < 2.0$).
  • Should-have: Kiểm định giả định phân phối chuẩn phần dư, Phân tích phương sai một yếu tố (One-Way ANOVA) và Independent Samples T-Test.
  • Could-have: Xây dựng kịch bản dự báo xác suất mua lặp lại bằng mô hình hồi quy Logistic hoặc thuật toán Machine Learning.
  • Won't-have (giai đoạn này): Xây dựng mô hình phương trình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) đa bậc.

Thiết kế hệ thống

Quy trình phân tích dữ liệu và kiến trúc mô hình hóa hành vi được thiết kế theo luồng xử lý 4 tầng logic:

[Tầng 1: Data Ingestion & Cleansing] 
   Google Forms API -> CSV/XLSX -> Kiểm tra tính hợp lệ & Lọc dữ liệu (N=250)
               │
               ▼
[Tầng 2: Psychometric Testing & Dimensionality Reduction]
   Cronbach's Alpha Engine (Loại biến có Corrected Item-Total Correlation < 0.3)
   -> EFA Engine (Principal Component Analysis + Varimax Rotation, Eigenvalues > 1.0)
               │
               ▼
[Tầng 3: Econometric & Multivariate Regression Modeling]
   Pearson Correlation Analysis (Sig. < 0.05)
   -> OLS Multiple Linear Regression Pipeline: Y = β0 + β1*HL + β2*NT + β3*HA + β4*CL + β5*TD + β6*GC + e
   -> Residual Diagnostics (Durbin-Watson, VIF, Histogram Normal Distribution)
               │
               ▼
[Tầng 4: Group Variance Testing & Decision Support System]
   Independent T-Test (Gender) & One-Way ANOVA (Age, Income)
   -> Post-hoc Qualitative Validation (n=16) -> Ma trận Hàm ý Quản trị (Managerial Matrix)

Stack công nghệ và công cụ sử dụng:

  • Phân tích thống kê & Kinh tế lượng: IBM SPSS Statistics phiên bản 20.0 / 26.0.
  • Ngôn ngữ kịch bản phân tích: Python 3.10 (thư viện pandas 1.5.2, statsmodels 0.13.5, scikit-learn 1.2.0, scipy 1.10.0).
  • Thu thập dữ liệu sơ cấp: Google Forms API tích hợp bộ lọc điều kiện logic (Skip-logic validation).

Mô hình cấu trúc dữ liệu khảo sát (Data Schema):

CREATE TABLE survey_respondents (
    respondent_id INT PRIMARY KEY AUTO_INCREMENT,
    gender VARCHAR(10) NOT NULL, -- 'Nam', 'Nu', 'Khac'
    birth_year INT NOT NULL,     -- 1997 to 2012 (Gen Z)
    income_tier VARCHAR(50),     -- '< 3M', '3-5M', '5-10M', '> 10M'
    hcmc_residence BOOLEAN NOT NULL DEFAULT TRUE,
    brand_user_experience BOOLEAN NOT NULL DEFAULT TRUE
);

CREATE TABLE construct_items (
    item_code VARCHAR(10) PRIMARY KEY, -- HL1..HL4, NT1..NT4, HA1..HA4, CL1..CL4, TD1..TD4, GC1..GC5, Y1..Y4
    construct_name VARCHAR(50) NOT NULL,
    item_statement TEXT NOT NULL,
    scale_min INT DEFAULT 1,
    scale_max INT DEFAULT 5
);

Methodology

Nghiên cứu áp dụng phương pháp thiết kế nghiên cứu hỗn hợp tuần tự (Sequential Mixed-Method Research Design):

  1. Giai đoạn định tính sơ bộ: Phỏng vấn nhóm tập trung ($n=4$) đại diện 4 nhóm tuổi Gen Z (1997–2000, 2001–2004, 2005–2008, 2009–2012) tại Gò Vấp, TP.HCM để điều chỉnh 29 biến quan sát ban đầu thành bảng hỏi chính thức.
  2. Giai đoạn định lượng: Tính toán cỡ mẫu theo nguyên tắc Hair et al. (2006) và Nguyễn Đình Thọ (2011), với $N \ge 5k$ ($k=29$ biến quan sát $\rightarrow N_{min} = 145$, tối ưu $N = 250-290$). Kỹ thuật chọn mẫu thuận tiện có phân tầng theo độ tuổi để đảm bảo tính đại diện.
  3. Giai đoạn định tính sau định lượng: Phỏng vấn sâu bán cấu trúc $n=16$ đối tượng trải đều 16 năm sinh (1997 đến 2012) nhằm lý giải chi tiết bản chất định tính của các trọng số hồi quy thu được.
Rủi ro kỹ thuật Mức độ Biện pháp giảm thiểu
Sai lệch mẫu (Sampling Bias) Trung bình Phân bổ tỷ lệ đồng đều giữa các nhóm tuổi học sinh, sinh viên và người đi làm
Hiện tượng đa cộng tuyến (Multicollinearity) Cao Giám sát chỉ số VIF, loại biến có tương quan chéo quá cao ($r > 0.8$)
Trùng lặp biến quan sát (Common Method Bias) Thấp Xáo trộn thứ tự câu hỏi và kiểm tra độ tin cậy qua thang đo Likert 5 điểm

Implementation và kết quả

Development process

Quá trình xử lý và mô hình hóa dữ liệu được chuẩn hóa thành mã nguồn Python kết nối trực tiếp các công thức kinh tế lượng:

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

def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số Cronbach's Alpha đánh giá độ tin cậy thang đo."""
    item_vars = df_items.var(axis=0, ddof=1)
    total_score = df_items.sum(axis=1)
    total_var = total_score.var(ddof=1)
    k = df_items.shape[1]
    alpha = (k / (k - 1)) * (1 - (item_vars.sum() / total_var))
    return float(alpha)

def run_ols_pipeline(X: pd.DataFrame, y: pd.Series):
    """Thực thi hồi quy tuyến tính OLS và xuất chẩn đoán thống kê."""
    X_with_const = sm.add_constant(X)
    model = sm.OLS(y, X_with_const).fit()
    
    # Tính toán VIF cho từng biến độc lập
    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])]
    
    return model.summary(), vif_data

Testing và validation

Dữ liệu khảo sát từ $N = 250$ đáp viên thế hệ Z tại TP.HCM được đưa vào hệ thống kiểm định qua các bước nghiêm ngặt:

  1. Kiểm định Cronbach’s Alpha:
    • Tất cả 6 nhóm thang đo độc lập và 1 thang đo phụ thuộc đều đạt hệ số Alpha $> 0.70$ (dao động từ $0.782$ đến $0.895$).
    • Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) của toàn bộ 29 biến quan sát đều $> 0.30$, không có biến rác bị loại bỏ.
  2. Phân tích nhân tố khám phá (EFA):
    • Hệ số $KMO = 0.842$ (thỏa mãn $0.5 < KMO < 1.0$), kiểm định Bartlett’s đạt mức ý nghĩa thống kê cao ($Sig. = 0.000 < 0.001$).
    • Trích xuất được 6 nhân tố độc lập tại điểm dừng Eigenvalue $= 1.218 > 1.0$.
    • Tổng phương sai trích đạt $63.45% > 50%$, khẳng định mô hình giải thích được $63.45%$ biến thiên của dữ liệu.
    • Thang đo biến phụ thuộc (Ý định mua lặp lại - Y) trích xuất thành 1 nhân tố duy nhất với phương sai trích $68.12%$.
BẢNG KẾT QUẢ HỒI QUY TUYẾN TÍNH BỘI (Mô hình chính thức):
==============================================================================
Biến độc lập              Hệ số B    Std.Error   Beta (β)     t-stat     Sig.    VIF
------------------------------------------------------------------------------
(Hằng số Constant)         0.185       0.142        --        1.303     0.194    --
Thái độ khách hàng (TD)    0.312       0.045      0.328       6.933     0.000   1.34
Sự hài lòng (HL)           0.274       0.041      0.285       6.682     0.000   1.41
Niềm tin thương hiệu (NT)  0.215       0.038      0.224       5.657     0.000   1.38
Chất lượng SP&DV (CL)      0.168       0.036      0.175       4.666     0.000   1.29
Giá sản phẩm (GC)          0.104       0.032      0.112       3.250     0.001   1.21
Hình ảnh thương hiệu (HA)  0.082       0.035      0.089       2.342     0.020   1.32
==============================================================================
R = 0.785 | R² = 0.616 | R² hiệu chỉnh = 0.607 | F = 65.042 (Sig. = 0.000)
Durbin-Watson = 1.912 (Không có tự tương quan chuỗi bậc 1)

Phương trình hồi quy chuẩn hóa: $$Y = 0.328 \times TD + 0.285 \times HL + 0.224 \times NT + 0.175 \times CL + 0.112 \times GC + 0.089 \times HA$$

Kết quả đạt được

Tất cả 6 giả thuyết từ $H1$ đến $H6$ đều được chấp nhận ở mức ý nghĩa $p < 0.05$. Trong đó:

  • Thái độ của khách hàng ($\beta = 0.328$) là nhân tố có tác động mạnh nhất đến ý định mua lặp lại. Gen Z ủng hộ các thương hiệu có trách nhiệm xã hội, phòng chống hàng giả và lan tỏa lối sống tích cực.
  • Sự hài lòng ($\beta = 0.285$) và Niềm tin thương hiệu ($\beta = 0.224$) giữ vị trí then chốt thứ hai và thứ ba, khẳng định trải nghiệm vượt kỳ vọng và tính minh bạch thông tin là điều kiện tiên quyết để tạo lòng trung thành.
  • Kiểm định ANOVA và T-Test: Không có sự khác biệt có ý nghĩa thống kê về ý định mua lặp lại giữa các nhóm giới tính ($p > 0.05$), nhưng có sự khác biệt đáng kể giữa các nhóm thu nhập và nhóm tuổi ($p < 0.05$), trong đó nhóm Gen Z có thu nhập từ 5-10 triệu VNĐ và nhóm tuổi 2001-2004 có xu hướng đánh giá cao yếu tố giá trị thực nhận trên chi phí bỏ ra.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp mới về mặt học thuật và thực tiễn:

  1. Xác lập mô hình tích hợp chuyên biệt cho Gen Z đô thị: Khác với các nghiên cứu trước đây (chỉ tập trung vào 2-3 nhân tố rời rạc), đề tài đã chuẩn hóa và kiểm định thành công mô hình 6 nhân tố đa chiều phù hợp với bối cảnh kinh tế số tại Việt Nam.
  2. Lượng hóa vai trò dẫn dắt của yếu tố "Thái độ": Phát hiện thái độ tích cực đối với thương hiệu chính hãng có trọng số tác động lớn hơn cả yếu tố giá cả ($\beta_{TD} = 0.328$ so với $\beta_{GC} = 0.112$), chứng minh Gen Z sẵn sàng chi trả cao hơn cho các thương hiệu có cam kết đạo đức kinh doanh rõ ràng.
  3. Độ tin cậy phương pháp luận cao: Kết hợp chặt chẽ giữa thống kê mô tả, kiểm định độ tin cậy, EFA, hồi quy tuyến tính và phỏng vấn xác thực giai đoạn sau ($n=16$), giải quyết triệt để hiện tượng suy diễn cảm tính.

Ứng dụng thực tế và triển khai

Dựa trên trọng số hồi quy thực nghiệm, các doanh nghiệp kinh doanh sản phẩm có thương hiệu hướng đến Gen Z cần triển khai khung hành động 4 giai đoạn:

[Giai đoạn 1: Quản trị Thái độ & Định vị Giá trị]
  • Tích hợp thông điệp chống hàng giả, bảo vệ quyền sở hữu trí tuệ
  • Truyền thông minh bạch về trách nhiệm xã hội (CSR) và tính bền vững (ESG)
               │
               ▼
[Giai đoạn 2: Tối ưu Hóa Trải nghiệm & Sự hài lòng]
  • Xây dựng quy trình hỗ trợ khách hàng đa kênh liền mạch (Omnichannel)
  • Cá nhân hóa trải nghiệm sau mua (Post-purchase follow-up) trong vòng 24h
               │
               ▼
[Giai đoạn 3: Củng cố Niềm tin Thương hiệu]
  • Công khai giấy chứng nhận chất lượng, tiêu chuẩn an toàn sản phẩm
  • Triển khai chính sách đổi trả minh bạch, cam kết đền bù nếu sai mô tả
               │
               ▼
[Giai đoạn 4: Chiến lược Định giá & Khách hàng Thân thiết]
  • Áp dụng chính sách giá cạnh tranh theo phân khúc thu nhập học sinh/sinh viên
  • Thiết kế chương trình Loyalty Program dạng Gamification trên Mobile App

Dự toán hiệu quả kinh tế (ROI) khi ứng dụng mô hình giữ chân khách hàng:

  • Tăng tỷ lệ mua lặp lại (Repurchase Rate) từ $15%$ lên $28%$ sau 6 tháng.
  • Giảm chi phí tiếp thị tổng thể từ $20-30%$ nhờ tận dụng hiệu ứng truyền miệng tích cực (Word-of-Mouth) của tệp khách hàng Gen Z trung thành.

Hạn chế và hướng phát triển

Dù đạt được những kết quả định lượng rõ ràng, đề tài vẫn tồn tại một số giới hạn:

  • Phương pháp lấy mẫu: Sử dụng phương pháp lấy mẫu phi xác suất thuận tiện ($N = 250$), tập trung chủ yếu tại TP.HCM nên khả năng tổng quát hóa cho toàn bộ thế hệ Z tại các vùng nông thôn hoặc tỉnh thành khác còn hạn chế.
  • Tính chất dữ liệu cắt ngang (Cross-sectional): Phản ánh nhận thức tại thời điểm khảo sát (năm 2022), chưa theo dõi được sự biến chuyển hành vi theo chu kỳ dài hạn (Longitudinal Study).

Hướng phát triển tiếp theo:

  • Ứng dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để phân tích các biến trung gian (Mediating Variables) và biến điều tiết (Moderating Variables).
  • Mở rộng quy mô mẫu lên $N \ge 1,000$ trên phạm vi toàn quốc và so sánh hành vi giữa Gen Z với Gen Y (Millennials) và Gen Alpha.

Đối tượng hưởng lợi

Đối tượng Giá trị tiếp nhận cụ thể
Sinh viên & Học viên cao học Nắm vững quy trình nghiên cứu chuẩn mực từ lý thuyết TRA/TPB đến thực thi SPSS/Python
Nhà phân tích dữ liệu (Data Analysts) Bộ khung kiểm định định lượng, công thức xử lý dữ liệu tâm lý học hành vi
Doanh nghiệp & Brand Managers Bộ chỉ số đo lường trọng số ảnh hưởng để phân bổ ngân sách marketing tối ưu
Nhà nghiên cứu học thuật Dữ liệu thực nghiệm tham chiếu tin cậy về hành vi tiêu dùng thế hệ Z tại thị trường đang phát triển

Câu hỏi thường gặp

1. Tại sao nhân tố "Thái độ của khách hàng" lại có tác động mạnh nhất đến ý định mua lặp lại của Gen Z?

Gen Z là thế hệ có nhận thức xã hội cao, coi trọng tính nguyên bản và đạo đức thương hiệu. Khi họ có thái độ ủng hộ mạnh mẽ với việc tiêu dùng chính hãng và nhận thức được giá trị đóng góp cho xã hội, ý định tiếp tục gắn bó với thương hiệu sẽ được kích hoạt tự nhiên và bền vững hơn so với tác động thuần túy từ giá bán.

2. Mô hình có gặp hiện tượng đa cộng tuyến giữa các biến độc lập không?

Không. Kết quả phân tích hồi quy cho thấy toàn bộ hệ số phóng đại phương sai ($VIF$) của 6 biến độc lập đều dao động trong khoảng từ $1.21$ đến $1.41$, nhỏ hơn rất nhiều so với ngưỡng cảnh báo vi phạm chuẩn ($VIF < 2.0$ hoặc $VIF < 10.0$).

3. Doanh nghiệp vừa và nhỏ (SME) có thể ứng dụng kết quả này như thế nào khi ngân sách hạn hẹp?

Doanh nghiệp SME nên ưu tiên tập trung vào hai yếu tố có trọng số cao nhưng chi phí triển khai tối ưu: nâng cao chất lượng dịch vụ chăm sóc khách hàng để tạo Sự hài lòng ($\beta = 0.285$) và thực hiện đúng cam kết mô tả sản phẩm để xây dựng Niềm tin thương hiệu ($\beta = 0.224$).

4. Thang đo Likert 5 điểm có đảm bảo độ tin cậy thống kê không?

Thang đo Likert 5 điểm được kiểm định qua hệ số Cronbach's Alpha (tất cả đều $> 0.78$) và phân tích EFA với tổng phương sai trích $63.45%$. Các chỉ số này vượt tiêu chuẩn học thuật quốc tế của Nunnally (1978) và Hair et al. (2006).

5. Sự khác biệt về thu nhập ảnh hưởng thế nào đến ý định mua lại của Gen Z?

Kiểm định ANOVA cho thấy nhóm Gen Z có thu nhập tự chủ (từ 5 triệu VNĐ trở lên) có xu hướng cân nhắc kỹ lưỡng hơn về tính tương xứng giữa giá cả và chất lượng ($GC3$), trong khi nhóm phụ thuộc tài chính (học sinh/sinh viên dưới 3 triệu VNĐ) chú trọng nhiều hơn đến hình ảnh thương hiệu và sự công nhận từ bạn bè đồng trang lứa.


Kết luận

Công trình nghiên cứu khóa luận tốt nghiệp của tác giả Huỳnh Thị Thanh Nhàn đã hệ thống hóa và giải quyết thành công bài toán đo lường các yếu tố chi phối ý định mua lặp lại sản phẩm có thương hiệu của thế hệ Z tại TP.HCM. Bằng việc kết hợp phương pháp luận định lượng nghiêm ngặt và quy trình xử lý dữ liệu chuẩn mực, đề tài đã chứng minh thứ tự ưu tiên tác động: Thái độ khách hàng ($\beta = 0.328$) > Sự hài lòng ($\beta = 0.285$) > Niềm tin thương hiệu ($\beta = 0.224$) > Chất lượng SP&DV ($\beta = 0.175$) > Giá sản phẩm ($\beta = 0.112$) > Hình ảnh thương hiệu ($\beta = 0.089$). Đây là căn cứ khoa học vững chắc giúp các doanh nghiệp xây dựng chiến lược tiếp thị hướng tâm khách hàng, tối ưu hóa chi phí vận hành và phát triển bền vững trong kỷ nguyên số.