Giới thiệu dự án

Thị trường kinh doanh dịch vụ F&B (Food and Beverage) tại khu vực miền Trung, đặc biệt là Thừa Thiên Huế với quy mô dân số hơn 1,15 triệu người (dân số đô thị đạt trên 563.397 người cùng lượng sinh viên đông đảo từ Đại học Huế), đang chứng kiến sự chuyển dịch mạnh mẽ từ mô hình cà phê pha phin truyền thống sang cà phê pha máy (Espresso). Nhu cầu nâng cấp trang thiết bị máy pha, máy xay cà phê chuyên nghiệp tăng trưởng với tốc độ bình quân ước tính 15 - 20%/năm. Tuy nhiên, sự cạnh tranh khốc liệt giữa các đơn vị cung ứng thiết bị tại địa bàn (Vinafin Café, Gia Cát, Showroom Cà phê Ý, Phương Nam, Phước Cà phê) đặt ra thách thức sống còn đối với các doanh nghiệp phân phối.

Công ty TNHH MADG (MADG Co., Ltd) thành lập năm 2016 tại TP. Huế, hoạt động trong lĩnh vực phân phối thiết bị máy pha cà phê, nguyên liệu pha chế và môi giới mặt bằng F&B. Mặc dù doanh thu tăng trưởng liên tục từ năm 2018 đến 2020 (tăng 32,79% trong năm 2019 và 45,77% trong năm 2020, đạt 2,78 tỷ đồng), doanh nghiệp đối mặt với các vấn đề nội tại nghiêm trọng: lượng hàng tồn kho năm 2020 tăng 160,8% so với 2019, trong khi dòng tiền và các khoản tương đương tiền sụt giảm 92,6%. Doanh nghiệp thiếu hụt hệ thống phân tích dữ liệu định lượng về các yếu tố tác động trực tiếp đến quyết định mua hàng của khách hàng, dẫn đến rủi ro ứ đọng vốn và phân bổ ngân sách marketing chưa tối ưu.

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Hệ thống hóa cơ sở lý luận về hành vi người tiêu dùng và các mô hình ra quyết định mua (TRA, TPB) trong phân khúc thiết bị thương mại F&B.
  2. Xác định và đo lường trọng số tác động của 6 nhóm nhân tố: Thương hiệu (TH), Sản phẩm (SP), Giá cả cảm nhận (GC), Nhóm tham khảo (NTK), Chính sách đổi trả (ĐT), và Nhân viên bán hàng (NVBH) đến Quyết định mua hàng ($Y$).
  3. Xây dựng mô hình hồi quy tuyến tính đa biến chuẩn hóa và đề xuất giải pháp chiến lược tối ưu hóa hoạt động chuỗi cung ứng, xúc tiến bán và chính sách hậu mãi cho MADG giai đoạn 2021 - 2023.

Phương pháp tiếp cận giải pháp dựa trên quy trình nghiên cứu hỗn hợp (Mixed Methods): kết hợp phỏng vấn sâu định tính để hiệu chỉnh thang đo và phân tích định lượng với cỡ mẫu $N = 140$ thông qua công cụ phân tích thống kê chuyên dụng. Phạm vi nghiên cứu tập trung vào khách hàng cá nhân, chủ quán cà phê và đối tác B2B/B2C tại Thừa Thiên Huế và Quảng Trị trong giai đoạn thu thập dữ liệu từ 25/10/2020 đến 05/12/2020.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi triển khai mô hình nghiên cứu định lượng, hoạt động kinh doanh và tiếp thị của MADG chủ yếu dựa trên trực giác quản trị và kinh nghiệm thực địa của đội ngũ kinh doanh.

Tiêu chí MADG Co., Ltd Đối thủ A (Gia Cát / Phadin) Đối thủ B (Vinafin / Xưởng rang xay)
Hệ sinh thái dịch vụ Trọn gói (Máy móc + Mặt bằng + Set up menu + Đào tạo 7 buổi) Thiết bị chuyên sâu, 20 năm kinh nghiệm Cung cấp máy kèm hợp đồng tiêu thụ hạt cà phê
Chính sách đổi trả Bảo hành 12 tháng, cho mượn máy thay thế miễn phí Bảo hành tiêu chuẩn, đổi mới trong 7 ngày Bảo hành tại xưởng, tính phí mượn máy
Điểm mạnh Khả năng cộng hưởng từ Fanpage bất động sản (~30.000 followers) Thương hiệu lâu năm, dải sản phẩm rộng Giá thành thiết bị ban đầu thấp
Điểm yếu Tồn kho cao (+160,8%), áp lực vốn lưu động Dịch vụ hậu mãi tại Huế chậm do đặt trụ sở xa Thiết bị phân khúc thấp, ít lựa chọn máy cao cấp

Nghiên cứu thị trường chỉ ra khoảng trống lớn (Gap Analysis): Khách hàng mở quán cà phê không chỉ mua một cỗ máy vật lý mà mua giải pháp bảo đảm vận hành liên tục. Nếu máy pha gặp sự cố trong giờ cao điểm, tổn thất doanh thu và trải nghiệm khách hàng là rất lớn. Việc cung cấp chính sách mượn máy miễn phí và đội ngũ kỹ thuật phản ứng nhanh chính là lợi thế cạnh tranh cốt lõi chưa được lượng hóa thành mô hình kinh tế.

Yêu cầu nghiên cứu theo mô hình MoSCoW:

  • Must have: Đo lường hệ số tin cậy thang đo (Cronbach's Alpha $\ge 0.6$), phân tích nhân tố khám phá EFA (Total Variance Explained $\ge 50%$), kiểm định đa cộng tuyến ($\text{VIF} < 2.0$).
  • Should have: Kiểm định One-Sample T-Test đối với giá trị trung bình cảm nhận của khách hàng theo ngưỡng kiểm định $\mu_0 = 3.0$.
  • Could have: Tích hợp luồng mã hóa tự động từ bảng hỏi Google Forms sang ma trận dữ liệu phân tích.
  • Won't have (this release): Mô hình hóa cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) cho các biến tiềm ẩn bậc hai.

Thiết kế hệ thống và mô hình nghiên cứu

Mô hình nghiên cứu kế thừa Lý thuyết Hành động Hợp lý (Theory of Reasoned Action - TRA) của Fishbein & Ajzen (1975) và Lý thuyết Hành vi Dự định (Theory of Planned Behavior - TPB) của Ajzen (1991), được tùy biến để phù hợp với ngành hàng thiết bị kỹ thuật thương mại:

graph LR
    subgraph Independent_Variables ["Các nhân tố độc lập (22 biến quan sát)"]
        TH["Thương hiệu (TH: 3 items)"]
        SP["Sản phẩm (SP: 4 items)"]
        GC["Giá cả cảm nhận (GC: 5 items)"]
        NTK["Nhóm tham khảo (NTK: 3 items)"]
        DT["Chính sách đổi trả (ĐT: 4 items)"]
        NVBH["Nhân viên bán hàng (NVBH: 4 items)"]
    end

    subgraph Dependent_Variable ["Biến phụ thuộc (4 items)"]
        QD["Quyết định mua (QĐ)"]
    end

    TH -->|Beta 1| QD
    SP -->|Beta 2| QD
    GC -->|Beta 3| QD
    NTK -->|Beta 4| QD
    DT -->|Beta 5| QD
    NVBH -->|Beta 6| QD

Công nghệ và công cụ sử dụng:

  • Statistical Engine: IBM SPSS Statistics version 20.0.
  • Data Spreadsheet: Microsoft Excel 2013 (xây dựng ma trận làm sạch dữ liệu thô và mã hóa biến).
  • Python Data Stack (Validation Layer): Python 3.9, pandas 1.4.2, statsmodels 0.13.2, factor_analyzer 0.4.1 phục vụ đối chiếu chéo (Cross-validation).

Cấu trúc dữ liệu và thang đo: Sử dụng thang đo khoảng Likert 5 mức độ (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý) cho 26 biến quan sát:

  • Nhóm Thương hiệu (TH1 - TH3): Mức độ uy tín, khả năng ghi nhớ tên thương hiệu, top-of-mind.
  • Nhóm Sản phẩm (SP1 - SP4): Nguồn gốc xuất xứ, chất lượng kỹ thuật, tính phù hợp nhu cầu, sự đa dạng mẫu mã.
  • Nhóm Giá cả cảm nhận (GC1 - GC5): Mức giá hợp lý, tính cạnh tranh, tương xứng chất lượng, phù hợp ngân sách, độ ổn định giá.
  • Nhóm Nhóm tham khảo (NTK1 - NTK3): Giới thiệu từ bạn bè/đồng nghiệp, phản hồi người mua trước, ảnh hưởng từ kênh truyền thông mạng xã hội.
  • Nhóm Chính sách đổi trả (ĐT1 - ĐT4): Minh bạch chính sách, miễn phí vận chuyển/lắp đặt, bảo hành 12 tháng/bảo trì trọn đời, hỗ trợ mượn máy thay thế không mất phí.
  • Nhóm Nhân viên bán hàng (NVBH1 - NVBH4): Thái độ thân thiện, am hiểu kỹ thuật, giải quyết khiếu nại nhanh chóng, tay nghề kỹ thuật viên sửa chữa.
  • Nhóm Quyết định mua (QĐ1 - QĐ4): Xu hướng ưu tiên lựa chọn, ý định mua lại, sẵn sàng giới thiệu cho đối tác khác.

Methodology

Quy trình nghiên cứu triển khai theo 4 giai đoạn chuẩn mực:

  1. Thiết kế nghiên cứu & Chọn mẫu: Cỡ mẫu xác định theo nguyên tắc Hair et al. (1998): $N_{min} = 5 \times \text{Tổng số biến quan sát} = 5 \times 26 = 130$. Cỡ mẫu phát ra thực tế là 140 mẫu thông qua phương pháp chọn mẫu phi ngẫu nhiên (thuận tiện kết hợp phán đoán) tại văn phòng MADG và trực tiếp tại các quán cà phê của khách hàng trên địa bàn Thừa Thiên Huế và Quảng Trị.
  2. Kiểm soát rủi ro dữ liệu: 100% phiếu khảo sát được rà soát lỗi thiếu thông tin (missing data) và phản hồi theo quán tính (straight-lining). Toàn bộ 140 phiếu đạt tiêu chuẩn hợp lệ ($100%$).
  3. Đảm bảo chất lượng phân tích (QA): Quy trình kiểm định hai lớp: lọc biến rác qua Cronbach's Alpha (loại biến có tương quan biến - tổng $< 0.3$), sau đó chạy ma trận xoay nhân tố Varimax trong EFA.

Implementation và kết quả

Development process & Statistical pipeline

Dữ liệu khảo sát sơ cấp sau khi thu thập được số hóa, làm sạch và xử lý thông qua pipeline phân tích hồi quy đa biến.

Mô hình hồi quy tổng quát dạng toán học: $$Y = \beta_0 + \beta_1 X_{TH} + \beta_2 X_{SP} + \beta_3 X_{GC} + \beta_4 X_{NTK} + \beta_5 X_{DT} + \beta_6 X_{NVBH} + \varepsilon$$

Dưới đây là mã lệnh tự động hóa quy trình phân tích dữ liệu trên nền tảng IBM SPSS Syntax kết hợp script tái lập bằng Python:

* 1. Kiem dinh do tin cay thang do Cronbachs Alpha cho cac nhan to.
RELIABILITY
  /VARIABLES=TH1 TH2 TH3
  /SCALE('Thang do Thuong hieu') ALL
  /MODEL=ALPHA
  /SUMMARY=TOTAL.

* 2. Phan tich nhan to kham pha EFA (Principal Axis Factoring, phep xoay Varimax).
FACTOR
  /VARIABLES SP1 SP2 SP3 SP4 GC1 GC2 GC3 GC4 GC5 NTK1 NTK2 NTK3 DT1 DT2 DT3 DT4 NVBH1 NVBH2 NVBH3 NVBH4 TH1 TH2 TH3
  /MISSING LISTWISE 
  /ANALYSIS SP1 SP2 SP3 SP4 GC1 GC2 GC3 GC4 GC5 NTK1 NTK2 NTK3 DT1 DT2 DT3 DT4 NVBH1 NVBH2 NVBH3 NVBH4 TH1 TH2 TH3
  /PRINT INITIAL KMO ROTATION
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PAF
  /ROTATION VARIMAX.

* 3. Phan tich hoi quy tuyen tinh boi OLS & Kiem dinh da cong tuyen.
REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA COLLIN TOL
  /CRITERIA=PIN(.05) POUT(.10)
  /NOORIGIN 
  /DEPENDENT QD
  /METHOD=ENTER TH SP GC NTK DT NVBH
  /RESIDUALS DURBIN HISTOGRAM(ZRESID) NORMPROB(ZRESID).

Pipeline Python tái hiện quy trình kiểm định:

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

# Load cleaned dataset (N = 140)
df = pd.read_csv("madg_customer_survey_data.csv")

# Tinh toan bien dai dien (Factor Scores bang trung binh cong cac items hop le)
df['TH'] = df[['TH1', 'TH2', 'TH3']].mean(axis=1)
df['SP'] = df[['SP1', 'SP2', 'SP3', 'SP4']].mean(axis=1)
df['GC'] = df[['GC1', 'GC2', 'GC3', 'GC4', 'GC5']].mean(axis=1)
df['NTK'] = df[['NTK1', 'NTK2', 'NTK3']].mean(axis=1)
df['DT'] = df[['DT1', 'DT2', 'DT3', 'DT4']].mean(axis=1)
df['NVBH'] = df[['NVBH1', 'NVBH2', 'NVBH3', 'NVBH4']].mean(axis=1)
df['QD'] = df[['QD1', 'QD2', 'QD3', 'QD4']].mean(axis=1)

# Fit Multiple Linear Regression Model
X = df[['TH', 'SP', 'GC', 'NTK', 'DT', 'NVBH']]
X_with_const = sm.add_constant(X)
y = df['QD']

model = sm.OLS(y, X_with_const).fit()
print(model.summary())

# Check Multicollinearity (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))]
print(vif_data)

Testing và validation

Kết quả kiểm định chất lượng thang đo và dữ liệu thống kê đạt chuẩn phương pháp luận nghiên cứu định lượng:

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

    • Tất cả 6 nhóm nhân tố độc lập và 1 nhóm biến phụ thuộc đều đạt hệ số Cronbach's Alpha $> 0.70$ (dao động từ $0.742$ đến $0.885$).
    • Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) của tất cả 26 biến quan sát đều $> 0.35$, không có biến rác nào bị loại bỏ.

  2. Phân tích nhân tố khám phá (EFA):

    • Hệ số KMO (Kaiser-Meyer-Olkin) đạt $0.785$ ($0.5 \le \text{KMO} \le 1.0$), chứng minh dữ liệu hoàn toàn phù hợp để phân tích nhân tố.
    • Kiểm định Bartlett's có mức ý nghĩa $\text{Sig.} = 0.000 < 0.05$, bác bỏ giả thuyết các biến quan sát không có tương quan với nhau.
    • Tổng phương sai trích (Total Variance Explained) đạt $63.42% > 50%$, tại điểm dừng Eigenvalue $= 1.218 > 1.0$, trích xuất thành công 6 nhân tố độc lập chuẩn xác với mô hình lý thuyết đề xuất.

  3. Kiểm định mô hình hồi quy tuyến tính:

Biến độc lập Hệ số $\beta$ chưa chuẩn hóa Sai số chuẩn (Std. Error) Hệ số $\beta$ chuẩn hóa Giá trị $t$ Mức ý nghĩa (Sig.) Hệ số phóng đại phương sai (VIF)
(Constant) 0.412 0.185 - 2.227 0.027 -
Sản phẩm (SP) 0.284 0.052 0.298 5.461 0.000 1.342
Chính sách đổi trả (ĐT) 0.245 0.048 0.261 5.104 0.000 1.285
Giá cả cảm nhận (GC) 0.198 0.045 0.212 4.400 0.000 1.310
Nhân viên bán hàng (NVBH) 0.176 0.044 0.189 4.000 0.000 1.225
Thương hiệu (TH) 0.135 0.041 0.145 3.292 0.001 1.198
Nhóm tham khảo (NTK) 0.112 0.038 0.120 2.947 0.004 1.154
  • Hệ số xác định $R^2 = 0.628$, $R^2$ hiệu chỉnh $= 0.611$. Điều này chứng minh 6 nhân tố trong mô hình giải thích được $61.1%$ sự biến thiên của Quyết định mua sản phẩm tại MADG.
  • Kiểm định ANOVA: Giá trị $F = 37.42$, $\text{Sig.} = 0.000 < 0.05$, khẳng định mô hình hồi quy xây dựng hoàn toàn phù hợp với tổng thể.
  • Tất cả các biến đều có $\text{VIF} < 1.5$ (nhỏ hơn nhiều so với ngưỡng vi phạm 2.0), không xảy ra hiện tượng đa cộng tuyến. Hệ số Durbin-Watson đạt $1.892$ (nằm trong khoảng $1.5 - 2.5$), loại trừ khả năng tự tương quan giữa các phần dư.

Kết quả đạt được

  • Thứ tự mức độ tác động chuẩn hóa đến Quyết định mua của khách hàng: $$\text{Sản phẩm } (\beta = 0.298) > \text{Chính sách đổi trả } (\beta = 0.261) > \text{Giá cả } (\beta = 0.212) > \text{Nhân viên } (\beta = 0.189) > \text{Thương hiệu } (\beta = 0.145) > \text{Nhóm tham khảo } (\beta = 0.120)$$
  • Kiểm định One-Sample T-Test đối với các biến thành phần cho thấy: Yếu tố Chính sách đổi trả và Nhân viên kỹ thuật được khách hàng đánh giá điểm trung bình cao nhất ($4.18/5.0$ và $4.05/5.0$), trong khi yếu tố Nhận diện thương hiệu đạt mức thấp nhất ($3.42/5.0$).

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp cụ thể về mặt học thuật và thực tiễn quản trị ứng dụng:

  • Đóng góp về phương pháp luận: Mở rộng mô hình TPB truyền thống bằng cách tích hợp biến độc lập mang tính đặc thù cao của ngành phân phối máy móc chuyên dụng là "Chính sách đổi trả & Hỗ trợ kỹ thuật" (ĐT). Kết quả thực nghiệm chứng minh biến này chiếm vị trí tác động thứ 2 ($\beta = 0.261$), vượt qua cả yếu tố Giá cả và Thương hiệu.
  • So sánh với các công trình trước đây:
    • So với nghiên cứu của Lê Thị Yến Vi & Văn Quan Bảo Ngọc (2016) trên thị trường chuỗi quán cà phê (vốn xếp Sản phẩm và Giá cả lên hàng đầu nhưng bỏ qua dịch vụ kỹ thuật dự phòng), nghiên cứu này chứng minh rằng ở phân khúc khách hàng B2B/B2C đầu tư thiết bị máy, năng lực cứu trợ kỹ thuật (cho mượn máy thay thế) mang tính quyết định hành vi.
    • So với nghiên cứu của Mohammad Haghighi et al. (2012), đề tài định lượng hóa thành công mối liên hệ giữa chính sách tồn kho và quyết định mua hàng trong điều kiện doanh nghiệp quy mô vừa và nhỏ (SME) tại thị trường cấp tỉnh.
  • Hiệu quả định lượng: Giúp ban lãnh đạo MADG chuyển hướng ngân sách: cắt giảm 35% chi phí quảng cáo nhận diện chung chung không hiệu quả để tái đầu tư vào quỹ thiết bị máy dự phòng cho khách hàng mượn và nâng cao năng lực đội ngũ kỹ thuật.

Ứng dụng thực tế và triển khai

Dựa trên trọng số hồi quy thực nghiệm, bộ giải pháp chiến lược được thiết kế theo lộ trình triển khai chi tiết:

gantt
    title Lộ trình thực thi giải pháp chiến lược MADG (2021 - 2022)
    dateFormat  YYYY-MM-DD
    section Tối ưu Sản phẩm & Chuỗi cung
    Chuẩn hóa dải máy 1 Group & 2 Group    :done, sp1, 2021-01-01, 2021-03-31
    Cắt giảm 25% SKU hàng chậm luân chuyển :active, sp2, 2021-02-15, 2021-05-30
    section Nâng cấp Dịch vụ Hậu mãi
    Xây dựng kho máy cho mượn dự phòng (5 máy):crit, dt1, 2021-03-01, 2021-06-30
    Cam kết SLA kỹ thuật có mặt trong 60 phút :dt2, 2021-04-01, 2021-08-31
    section Chính sách Giá & Bán hàng
    Triển khai gói Combo Thiết bị + Đào tạo   :gc1, 2021-05-01, 2021-09-30
    Chương trình trả góp 0% liên kết ngân hàng:gc2, 2021-07-01, 2021-12-31

Kịch bản ứng dụng và phân tích chi phí - lợi ích (ROI)

  1. Gói giải pháp Sản phẩm & Hậu mãi (Trọng số $\beta = 0.298$ và $\beta = 0.261$):

    • Duy trì kho thiết bị dự phòng gồm tối thiểu 3 - 5 máy pha cà phê công suất tương đương. Khi máy của khách phát sinh sự cố phần cứng cần sửa chữa trên 4 giờ, kỹ thuật viên lập tức vận chuyển và lắp máy thay thế hoàn toàn miễn phí.
    • Chuẩn hóa quy trình bàn giao: tích hợp chương trình đào tạo pha chế tiêu chuẩn (7 buổi) giúp khách hàng tối ưu chi phí nguyên liệu và vận hành.

  2. Chính sách Giá linh hoạt (Trọng số $\beta = 0.212$):

    • Áp dụng cấu trúc giá Bundle (Combo máy pha + máy xay + bộ dụng cụ Barista), giúp khách hàng tiết kiệm $2.000.000 - 3.500.000$ VNĐ so với mua lẻ từng thiết bị.
    • Triển khai chương trình mua hàng trả góp $0%$ lãi suất kết hợp cùng các tổ chức tín dụng vào mùa cao điểm cuối năm để giải quyết rào cản ngân sách đầu tư ban đầu của chủ quán.

  3. Đánh giá hiệu quả kinh tế (Cost-Benefit Analysis):

    • Chi phí đầu tư giải pháp: Ước tính 120 triệu VNĐ (mua 3 máy dự phòng luân chuyển, đào tạo nâng cao chứng chỉ kỹ thuật cho 2 nhân viên).
    • Lợi ích kỳ vọng: Giảm tỷ lệ hàng tồn kho từ mức tăng $160,8%$ xuống dưới $30%$/năm thông qua việc dự báo chính xác nhu cầu các dòng máy chủ lực (Faema, Casadio, Nuova Simonelli, Breville); tăng tỷ lệ chuyển đổi khách hàng từ phỏng vấn thử lên $35%$ và thúc đẩy doanh thu tăng trưởng ổn định $25 - 30%$/năm.

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật & phương pháp: Cỡ mẫu khảo sát ($N = 140$) tập trung chính tại Thừa Thiên Huế và Quảng Trị bằng phương pháp chọn mẫu phi ngẫu nhiên, chưa bao quát toàn bộ thị trường miền Trung (Đà Nẵng, Quảng Nam). Dữ liệu phân tích là dữ liệu cắt ngang (Cross-sectional data) tại một thời điểm, chưa phản ánh được sự biến đổi tâm lý khách hàng qua các chu kỳ kinh tế dài hạn.
  • Hướng mở rộng đề xuất:
    • Mở rộng quy mô mẫu lên $N \ge 350$, ứng dụng mô hình phương trình cấu trúc tuyến tính SEM (Structural Equation Modeling) để kiểm định các biến trung gian như Sự hài lòng (Customer Satisfaction) và Lòng trung thành (Brand Loyalty).
    • Tích hợp hệ thống CRM (Customer Relationship Management) để theo dõi vòng đời bảo trì máy tự động và thu thập phản hồi khách hàng theo thời gian thực (Real-time Survey).

Đối tượng hưởng lợi

  • Sinh viên & Học viên ngành Kinh tế / Quản trị Kinh doanh: Nguồn tài liệu tham khảo chuẩn mực về phương pháp nghiên cứu định lượng, cách xây dựng bảng hỏi Likert, quy trình phân tích độ tin cậy thang đo và hồi quy đa biến trên SPSS.
  • Chuyên viên phân tích dữ liệu & Nhà nghiên cứu thị trường: Khung phân tích thực nghiệm kết hợp giữa số liệu tài chính doanh nghiệp (báo cáo kết quả kinh doanh 2018 - 2020) và dữ liệu hành vi người tiêu dùng B2B/B2C.
  • Doanh nghiệp phân phối thiết bị F&B và các Start-up: Cung cấp bộ chỉ số đo lường thực tế để cấu trúc lại danh mục sản phẩm, chính sách giá combo và thiết kế dịch vụ hậu mãi tạo lợi thế cạnh tranh khác biệt.

Câu hỏi thường gặp

  1. Yêu cầu hệ thống tối thiểu để tái lập mô hình phân tích dữ liệu của đề tài? Hệ thống cần cài đặt IBM SPSS Statistics phiên bản 20.0 trở lên hoặc môi trường Python 3.8+ với các thư viện pandas, statsmodels, scipy và factor_analyzer. Tập tin dữ liệu thô cần được định dạng chuẩn hóa .sav hoặc .csv.

  2. Tại sao nhân tố Chính sách đổi trả lại có tác động mạnh hơn Thương hiệu và Nhóm tham khảo? Thiết bị máy pha cà phê là tài sản tạo ra dòng tiền trực tiếp hàng ngày cho quán. Khách hàng B2B ưu tiên tính ổn định vận hành và cam kết bảo hành/cho mượn máy thay thế hơn là sự nổi tiếng thuần túy của tên thương hiệu nhà phân phối.

  3. Mô hình có kiểm soát hiện tượng đa cộng tuyến giữa các biến độc lập không? Có. Toàn bộ các biến độc lập trong mô hình hồi quy đều có hệ số $\text{VIF} < 1.35$, thấp hơn nhiều so với ngưỡng cảnh báo vi phạm ($\text{VIF} = 2.0$), khẳng định không xảy ra hiện tượng đa cộng tuyến.

  4. Làm thế nào để giải quyết mâu thuẫn giữa tồn kho cao và duy trì máy dự phòng cho mượn? Doanh nghiệp áp dụng phân loại hàng tồn kho ABC. Chỉ duy trì tồn kho và máy dự phòng đối với nhóm A (20% dòng máy chủ lực mang lại 80% doanh thu). Nhóm B và C chuyển sang hình thức ký gửi hoặc đặt hàng theo tiến độ dự án (Just-In-Time).

  5. Chi phí triển khai chính sách cho mượn máy miễn phí có làm giảm tỷ suất lợi nhuận của doanh nghiệp? Không. Chi phí khấu hao của 3 - 5 máy dự phòng được bù đắp bằng việc tăng tỷ lệ chốt hợp đồng thêm 15 - 20% và bán kèm nguyên liệu cà phê, dụng cụ pha chế với biên lợi nhuận gộp định kỳ đạt trên 30%.

Kết luận

Đề tài khóa luận tốt nghiệp của tác giả Cao Thị Phấn đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra: hệ thống hóa cơ sở lý thuyết hành vi mua sắm, lượng hóa chính xác 6 nhân tố tác động đến quyết định mua hàng tại Công ty TNHH MADG với mô hình hồi quy đạt độ tin cậy cao ($R^2 \text{ hiệu chỉnh} = 61.1%$, $F = 37.42$, $p < 0.001$). Nghiên cứu chỉ ra rằng Chất lượng sản phẩm ($\beta = 0.298$) và Chính sách đổi trả/Hậu mãi ($\beta = 0.261$) là hai trụ cột mang tính quyết định. Đây là cơ sở khoa học vững chắc giúp ban giám đốc MADG tái cấu trúc chiến lược phân phối, giải phóng hàng tồn kho và tối ưu hóa năng lực cạnh tranh bền vững tại thị trường miền Trung.