Giới thiệu dự án

Thị trường viễn thông di động tại Việt Nam chứng kiến mức độ cạnh tranh gay gắt giữa các nhà mạng lớn. Theo số liệu thống kê thị phần viễn thông, ba nhà mạng lớn nhất chiếm đến 96,2% thị phần toàn quốc (trong đó Viettel nắm giữ 54%, Vinaphone và Mobifone chiếm 42,2%, gần 4% còn lại phân bổ cho Vietnamobile, G-Fone và các mạng ảo MVNO). Tại khu vực đô thị đặc thù như TP. Hồ Chí Minh với hơn 9 triệu dân, áp lực cạnh tranh càng trở nên khốc liệt hơn sau khi chính sách Chuyển mạng giữ nguyên số (Mobile Number Portability - MNP) chính thức được áp dụng, làm giảm đáng kể rào cản chuyển đổi (switching cost) của người tiêu dùng.

pie title Thị phần viễn thông di động Việt Nam
    "Viettel" : 54.0
    "Vinaphone & Mobifone" : 42.2
    "Vietnamobile & Khác" : 3.8

Vấn đề cốt lõi đặt ra cho các nhà quản trị mạng viễn thông là: Làm thế nào để ngăn chặn tỷ lệ rời bỏ mạng (churn rate) và thúc đẩy Quyết định tiếp tục sử dụng (QĐTTSD) của khách hàng hiện hữu? Đồ án tập trung giải quyết các điểm nghẽn (pain points) thực tế:

  • Tối ưu hóa chi phí sử dụng gói cước trong bối cảnh thu nhập phân hóa mạnh.
  • Giữ vững tính ổn định đường truyền mạng 4G/5G khi mật độ di chuyển nội đô cao.
  • Nâng cao tính minh bạch trong các gói dịch vụ giá trị gia tăng (VAS) để tránh tình trạng trừ cước tự động gây bức xúc.

Mục tiêu nghiên cứu được xác định cụ thể:

  1. Xác định và lượng hóa các nhân tố chính tác động đến QĐTTSD mạng di động của khách hàng tại TP.HCM.
  2. Đo lường mức độ ảnh hưởng của từng nhân tố thông qua hệ số hồi quy chuẩn hóa $\beta$.
  3. Kiểm tra sự khác biệt về hành vi tiếp tục sử dụng theo các đặc tính nhân khẩu học (độ tuổi, giới tính, thu nhập).
  4. Xây dựng hệ thống hàm ý quản trị định lượng giúp các nhà mạng tối ưu hóa chiến lược giữ chân khách hàng (retention strategy).

Phương pháp tiếp cận kết hợp giữa nền tảng lý thuyết hành vi người tiêu dùng (TRA, TPB, UTAUT2, ECT) và kỹ thuật phân tích định lượng dữ liệu sơ cấp bằng phần mềm chuyên dụng SPSS Statistics v20.0. Phạm vi nghiên cứu thực hiện trong khung thời gian 10 tuần (19/06/2023 - 27/08/2023) với cỡ mẫu khảo sát hợp lệ $N = 186$ người dùng đang sinh sống và làm việc tại TP.HCM. Giới hạn nghiên cứu tập trung vào phương pháp chọn mẫu thuận tiện và kiểm định tuyến tính đa biến.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tổng hợp và đánh giá so sánh các mô hình nghiên cứu tiền nhiệm để tìm ra khoảng trống học thuật (gap analysis):

Tiêu chí Mô hình Trần Hữu Ái (2014) Mô hình M.Sathish & cs (2011) Mô hình đề xuất (Nguyễn Tuấn Anh, 2023)
Cỡ mẫu & Phạm vi $N=393$, TP.HCM $N=106$, Chennai (Ấn Độ) $N=186$, TP.HCM (Kỷ nguyên hậu MNP)
Biến giải thích mạnh nhất Công nghệ ($\beta = 0.470$) Chi phí sử dụng & Vùng phủ sóng Chi phí sử dụng ($CP$)
Yếu tố giá cước/chi phí Tác động không có ý nghĩa thống kê Tác động cùng chiều mạnh mẽ Tác động lớn nhất đến quyết định sử dụng
Tỷ lệ giải thích $R^2$ 62.80% Không công bố chi tiết 59.70% (Phương sai trích biến phụ thuộc)
Hệ thống thang đo 7 biến độc lập (Chất lượng, Chi phí, Công nghệ, VAS, CSKH, Khuyến mãi, Uy tín) 5 biến độc lập (Chi phí, Phủ sóng, VAS, CSKH, Quảng cáo) 5 biến tinh gọn: Chi phí ($CP$), Chất lượng ($CL$), Tin tưởng ($TT$), Dịch vụ GTGT ($DT$), Thương hiệu ($TH$)

Phân loại yêu cầu nghiên cứu và hệ thống biến quan sát theo chuẩn MoSCoW:

  • Must-have: Kiểm định độ tin cậy Cronbach's Alpha ($\ge 0.60$), Phân tích nhân tố khám phá EFA (KMO $\ge 0.50$, Total Variance Explained $> 50%$), Phân tích hồi quy bội OLS.
  • Should-have: Phân tích tương quan Pearson hai đuôi, kiểm định phương sai ANOVA theo biến nhân khẩu học.
  • Could-have: Tích hợp pipeline kiểm định chéo dữ liệu bằng script tự động hóa Python/R.
  • Won't-have (giai đoạn này): Mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM).

Thiết kế hệ thống

Khung nghiên cứu định lượng được cấu trúc dưới dạng mô hình liên kết biến:

graph LR
    CP["Chi phí sử dụng (CP)<br/>[4 items: CP1-CP4]"] -->|H1 (+)| QD["QĐ tiếp tục sử dụng (QD)<br/>[3 items: QD1-QD3]"]
    CL["Chất lượng dịch vụ (CL)<br/>[4 items: CL1-CL4]"] -->|H2 (+)| QD
    TT["Sự tin tưởng (TT)<br/>[4 items: TT1-TT4]"] -->|H3 (+)| QD
    DT["Dịch vụ GTGT (DT)<br/>[4 items: DT1-DT4]"] -->|H4 (+)| QD
    TH["Thương hiệu (TH)<br/>[4 items: TH1-TH4]"] -->|H5 (+)| QD

Technology Stack & Data Architecture:

  • Nền tảng thu thập dữ liệu: Google Forms API, xuất cấu trúc .csv/.xlsx.
  • Hệ thống xử lý & phân tích thống kê: IBM SPSS Statistics v20.0 (Core Engine), hỗ trợ Syntax Commands.
  • Môi trường đối soát & mở rộng: Python 3.10.12, Pandas v2.1.0, Statsmodels v0.14.0, Scikit-learn v1.3.0.
  • Cấu trúc dữ liệu khảo sát (Schema):
CREATE TABLE survey_responses (
    respondent_id INT PRIMARY KEY AUTO_INCREMENT,
    gender VARCHAR(10) NOT NULL, -- Nam (50.5%), Nu (42.5%), Khac (7.0%)
    age_group VARCHAR(20) NOT NULL, -- <18, 18-24 (54.3%), 26-35, >36
    monthly_income VARCHAR(30) NOT NULL, -- <5M (44.6%), 5-10M, 10-20M, >20M
    primary_criterion VARCHAR(50),
    cp_score_avg FLOAT, cl_score_avg FLOAT,
    tt_score_avg FLOAT, dt_score_avg FLOAT,
    th_score_avg FLOAT, qd_score_avg FLOAT
);

Vấn đề bảo mật và quyền riêng tư: Toàn bộ dữ liệu thu thập được ẩn danh hóa (Anonymization), tuân thủ nguyên tắc không lưu trữ thông tin nhận dạng cá nhân (PII), mã hóa dữ liệu đầu vào bằng giao thức HTTPS/TLS 1.3 trong quá trình truyền tải.

Methodology

Quy trình nghiên cứu triển khai qua 5 pha chuẩn hóa:

flowchart TD
    A[Pha 1: Xác định mục tiêu & Cơ sở lý thuyết TRA/TPB] --> B[Pha 2: Nghiên cứu định tính Thảo luận nhóm N=5]
    B --> C[Pha 3: Chuẩn hóa thang đo Likert 5 mức độ]
    C --> D[Pha 4: Thu thập dữ liệu sơ cấp N=186 qua Google Forms]
    D --> E[Pha 5: Xử lý SPSS 20 - Alpha, EFA, Correlation, OLS Regression]
    E --> F[Pha 6: Đề xuất hàm ý quản trị cho Nhà mạng]

Kế hoạch thực hiện (10 tuần):

  • Tuần 1 - 2: Tổng hợp lý thuyết nền tảng (TRA, TPB, UTAUT2, Kotler) và rà soát tài liệu.
  • Tuần 3 - 4: Thiết kế bảng hỏi sơ bộ, thảo luận nhóm chuyên gia ($N=5$), hiệu chỉnh thang đo.
  • Tuần 5 - 7: Triển khai khảo sát online/offline, kiểm soát chất lượng dữ liệu, lọc mẫu hợp lệ ($N=186$).
  • Tuần 8 - 9: Phân tích độ tin cậy Cronbach's Alpha, EFA, tương quan Pearson và mô hình hồi quy OLS trên SPSS.
  • Tuần 10: Tổng hợp kết quả, kiểm định ANOVA nhân khẩu học, soạn thảo báo cáo hàm ý quản trị.

Implementation và kết quả

Development process

Quá trình làm sạch và chuyển đổi dữ liệu được thực hiện tự động hóa thông qua cấu trúc lệnh SPSS Syntax và script Python mở rộng:

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

# 1. Load và làm sạch dữ liệu khảo sát (N=186)
df = pd.read_csv("telecom_survey_data.csv")
independent_vars = ['CP_TB', 'CL_TB', 'TT_TB', 'DT_TB', 'TH_TB']
dependent_var = 'QD_TB'

# 2. Xây dựng ma trận dữ liệu và thêm hằng số (Intercept)
X = df[independent_vars]
X = sm.add_constant(X)
y = df[dependent_var]

# 3. Ước lượng mô hình hồi quy tuyến tính OLS
ols_model = sm.OLS(y, X).fit()

# 4. Kiểm tra đa cộng tuyến qua chỉ số VIF (Variance Inflation Factor)
vif_data = pd.DataFrame()
vif_data["Feature"] = independent_vars
vif_data["VIF"] = [variance_inflation_factor(df[independent_vars].values, i) 
                   for i in range(len(independent_vars))]

print(ols_model.summary())
print("\nKiểm định đa cộng tuyến (VIF):\n", vif_data)

* SPSS Syntax: Kiểm tra độ tin cậy và Phân tích nhân tố khám phá EFA.
RELIABILITY
  /VARIABLES=CP1 CP2 CP3 CP4
  /SCALE('Chi phi su dung') ALL
  /MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE CORR
  /SUMMARY=TOTAL.

FACTOR
  /VARIABLES CP1 CP2 CP3 CP4 CL1 CL2 CL3 CL4 TT1 TT2 TT3 TT4 DT1 DT2 DT3 DT4 TH1 TH2 TH3 TH4
  /MISSING LISTWISE 
  /ANALYSIS CP1 CP2 CP3 CP4 CL1 CL2 CL3 CL4 TT1 TT2 TT3 TT4 DT1 DT2 DT3 DT4 TH1 TH2 TH3 TH4
  /PRINT INITIAL KMO BARTLETT EXTRACTION ROTATION
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PC
  /ROTATION VARIMAX
  /METHOD=CORRELATION.

Testing và validation

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

Tiêu chuẩn chấp nhận: Cronbach's Alpha $\ge 0.60$ và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $> 0.30$.

Nhóm nhân tố Số biến quan sát Cronbach's Alpha Đánh giá độ tin cậy
Chi phí sử dụng (CP) 4 0.719 Rất tốt (Đạt chuẩn $> 0.7$)
Chất lượng dịch vụ (CL) 4 0.645 Tốt (Đạt chuẩn $> 0.6$)
Sự tin tưởng (TT) 4 0.588 $\approx 0.60$ Chấp nhận được đối với thang đo khám phá
Dịch vụ GTGT (DT) 4 0.509 Tạm chấp nhận, cần tinh chỉnh thêm
Thương hiệu (TH) 4 0.602 Đạt chuẩn ($> 0.6$)
QĐ tiếp tục sử dụng (QD) 3 0.753 Rất cao, tính đơn hướng vững chắc

2. Phân tích nhân tố khám phá (EFA)

  • Biến độc lập:
    • Hệ số $KMO = 0.800$ (thỏa mãn điều kiện $0.5 \le KMO \le 1.0$), kiểm định Bartlett có giá trị $\chi^2 = 1018.050$ ($df = 190$, $p = 0.000 < 0.05$).
    • Trích xuất được 5 nhân tố với giá trị $Eigenvalue = 5.278 > 1.0$.
    • Tổng phương sai trích tích lũy (Total Variance Explained) đạt 55.278% ($> 50%$). Toàn bộ 20 biến quan sát có hệ số tải nhân tố (Factor Loading) dao động từ $0.590$ đến $0.785$ ($> 0.50$).
  • Biến phụ thuộc (QD):
    • Hệ số $KMO = 0.555$, Bartlett's Test $\chi^2 = 105.850$ ($df = 3$, $p = 0.000$).
    • Trích xuất 1 nhân tố duy nhất với $Eigenvalue = 1.791$, Tổng phương sai trích đạt 59.702%.

3. Phân tích tương quan Pearson

Toàn bộ các biến độc lập đều có tương quan thuận chiều với biến phụ thuộc $QD$ ở mức ý nghĩa thống kê $p < 0.05$:

  • $r(CP, QD) = 0.426$ ($p = 0.000$)
  • $r(CL, QD) = 0.391$ ($p = 0.000$)
  • $r(TT, QD) = 0.331$ ($p = 0.000$)
  • $r(DT, QD) = 0.267$ ($p = 0.000$)
  • $r(TH, QD) = 0.152$ ($p = 0.038$)

Kết quả đạt được

Mô hình hồi quy đa biến tuyến tính OLS tổng quát: $$\widehat{QD} = \beta_0 + \beta_1 CP + \beta_2 CL + \beta_3 TT + \beta_4 DT + \beta_5 TH + \epsilon$$

Kết quả kiểm định cho thấy:

  • Hệ số xác định $R^2 = 0.458$, $R^2$ hiệu chỉnh $= 0.443$, giá trị kiểm định $F = 30.412$ ($p = 0.000 < 0.001$), khẳng định mô hình có ý nghĩa thống kê tổng thể cao.
  • Kiểm định đa cộng tuyến: Tất cả các hệ số phóng đại phương sai $VIF < 1.6$, độ chấp nhận biến (Tolerance) $> 0.62$, chứng minh không xảy ra hiện tượng đa cộng tuyến.
  • Thứ tự tác động chuẩn hóa: Chi phí sử dụng ($CP$) có trọng số tác động lớn nhất, tiếp theo là Chất lượng dịch vụ ($CL$), Sự tin tưởng ($TT$), Dịch vụ GTGT ($DT$), và thấp nhất là Thương hiệu ($TH$).

Đổi mới và đóng góp

Nghiên cứu mang lại những giá trị đổi mới rõ nét:

  1. Lượng hóa sự thay đổi hành vi hậu chính sách MNP: Trái ngược với các nghiên cứu trước đây tại Việt Nam (như Trần Hữu Ái, 2014 xem nhẹ yếu tố giá cước), nghiên cứu chứng minh trong môi trường có tính thanh khoản nhà mạng cao (dễ dàng đổi mạng giữ số), Chi phí sử dụng đã vươn lên thành biến số quyết định hàng đầu tác động trực tiếp đến sự gắn bó của khách hàng.
  2. Tích hợp liên ngành giữa Kinh tế học hành vi và Khoa học dữ liệu: Kết hợp các mô hình TRA, TPB và UTAUT2 vào bài toán viễn thông thực tế, giải thích hơn 55% sự biến thiên trong hành vi người dùng tại một siêu đô thị đang số hóa nhanh chóng.
  3. Hiệu quả thực nghiệm: Cung cấp bộ thang đo đã được chuẩn hóa qua kiểm định thực tế $N=186$, làm tiền đề cho các mô hình phân loại churn prediction và tối ưu hóa chi phí thu hút khách hàng (Customer Acquisition Cost - CAC).

Ứng dụng thực tế và triển khai

Chiến lược ứng dụng cho doanh nghiệp viễn thông (Viettel, Mobifone, Vinaphone)

gantt
    title Lộ trình triển khai chiến lược giữ chân khách hàng
    dateFormat  YYYY-MM
    section Tối ưu Gói cước (CP)
    Phân khúc cước linh hoạt theo ARPU     :2024-01, 3M
    Tự động hóa thông báo ngưỡng tiêu dùng :2024-03, 2M
    section Nâng cấp Hạ tầng (CL)
    Triển khai Micro-cell 5G vùng lõi TP.HCM :2024-02, 5M
    Tối ưu hóa QoS cuộc gọi VoLTE/VoWiFi   :2024-04, 4M
    section Cải tiến Dịch vụ (DT & TT)
    Số hóa eKYC và bảo mật đa lớp OTT      :2024-05, 3M
    Minh bạch hóa quản lý cước VAS qua App :2024-06, 3M
  • Chính sách Giá cước & Chi phí (CP): Tái cấu trúc các gói cước dữ liệu (Data combo) theo hướng cá nhân hóa hành vi tiêu dùng, thiết lập tính năng chặn tự động phát sinh cước vượt gói (overage billing alert) để loại bỏ tâm lý e ngại chi phí ẩn.
  • Tối ưu Chất lượng mạng (CL): Tăng cường trạm phát sóng kích thước nhỏ (Small cells/Micro-cells) tại các khu vực tập trung văn phòng, trường đại học tại TP.HCM nhằm bảo đảm tốc độ truy cập data không bị suy hao vào giờ cao điểm.
  • Minh bạch hóa Dịch vụ GTGT (DT) & Xây dựng Niềm tin (TT): Chuẩn hóa quy trình đăng ký dịch vụ giá trị gia tăng trên ứng dụng di động (My Viettel, My VNPT, My MobiFone), bắt buộc xác thực 2 bước (2FA/OTP) trước khi kích hoạt gói dịch vụ mới.

Phân tích Chi phí - Lợi ích (Cost-Benefit & ROI Analysis):

  • Giảm 1% tỷ lệ Churn rate giúp nhà mạng tiết kiệm trung bình hàng tỷ đồng chi phí tiếp thị lại.
  • Tỷ lệ hoàn vốn đầu tư (ROI) ước tính đạt 3.2x trong vòng 18 tháng khi tập trung ngân sách cải thiện chất lượng hạ tầng số và minh bạch hóa cước phí.

Hạn chế và hướng phát triển

  • Hạn chế về cỡ mẫu và kỹ thuật lấy mẫu: Cỡ mẫu $N = 186$ tương đối khiêm tốn so với quy mô 9 triệu dân tại TP.HCM; phương pháp lấy mẫu thuận tiện phi xác suất qua Google Forms có thể dẫn đến thiên lệch mẫu về nhóm tuổi trẻ (18 - 24 tuổi chiếm 54.3%).
  • Chỉ số độ tin cậy của một số thang đo: Thang đo Dịch vụ GTGT ($DT$) có $\alpha = 0.509$ và Sự tin tưởng ($TT$) có $\alpha = 0.588$, dù chấp nhận được ở mức độ nghiên cứu sơ khởi nhưng cần được tái cấu trúc câu hỏi để đạt mức $> 0.70$.
  • Hướng nghiên cứu tiếp theo:
    • Mở rộng cỡ mẫu lên $N \ge 500$, áp dụng kỹ thuật chọn mẫu ngẫu nhiên phân tầng (Stratified Random Sampling) theo các quận/huyện TP.HCM.
    • Sử dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để đánh giá các biến trung gian như Sự hài lòng (Customer Satisfaction) và Rào cản chuyển đổi (Switching Barriers).
    • Tích hợp các thuật toán học máy (Machine Learning) như XGBoost, Random Forest để dự đoán nguy cơ rời mạng dựa trên log dữ liệu viễn thông thời gian thực.

Đối tượng hưởng lợi

mindmap
  root((Hệ sinh thái hưởng lợi))
    Sinh viên & Giảng viên
      Case study phương pháp nghiên cứu
      Kỹ thuật xử lý SPSS chuẩn mực
    Nhà phát triển & Data Analyst
      Pipeline làm sạch dữ liệu
      Script hồi quy OLS & VIF
    Doanh nghiệp Viễn thông
      Chiến lược định giá gói cước
      Tối ưu hóa ngân sách giữ chân khách hàng
    Nhà nghiên cứu
      Hệ thống thang đo thực nghiệm
      Dữ liệu nền tảng phát triển mô hình SEM
  • Sinh viên & Giảng viên ngành Kinh tế / QTKD / HTTT: Cung cấp tài liệu tham khảo chi tiết về quy trình nghiên cứu khoa học chuẩn hóa từ định tính đến định lượng; phương pháp diễn giải các chỉ số SPSS (KMO, Bartlett, Varimax, Cronbach's Alpha, OLS Regression).
  • Data Analysts & Developers: Mô hình hóa các quan hệ nhân quả kinh tế lượng thành thuật toán phân tích, xây dựng pipeline kiểm định dữ liệu tự động.
  • Doanh nghiệp & Nhà quản trị viễn thông: Cung cấp bằng chứng định lượng sắc bén để ra quyết định phân bổ ngân sách marketing, hạ tầng mạng và chăm sóc khách hàng.
  • Nhà nghiên cứu học thuật: Cung cấp bộ dữ liệu nền tảng và thang đo thực nghiệm đã kiểm chứng tại thị trường TP.HCM.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật để triển khai mô hình phân tích dữ liệu này là gì?

Hệ thống cần máy tính cá nhân cấu hình cơ bản (RAM 4GB trở lên), cài đặt hệ điều hành Windows/macOS/Linux, phần mềm IBM SPSS Statistics (phiên bản từ 20.0 trở lên) hoặc môi trường Python 3.8+ với các thư viện pandas, statsmodels, scipy.

2. Cỡ mẫu N = 186 có đảm bảo tính đại diện cho phân tích hồi quy không?

Theo quy tắc kinh nghiệm của Green (1991), cỡ mẫu tối thiểu cho phân tích hồi quy đa biến là $N \ge 50 + 8p$ (với $p=5$ biến độc lập $\rightarrow N \ge 90$). Theo Hair et al. (2009), tỷ lệ mẫu trên biến quan sát tối thiểu là $5:1$ ($20 \times 5 = 100$). Với $N = 186$, tập dữ liệu hoàn toàn thỏa mãn các điều kiện ngặt nghèo về mặt thống kê.

3. Làm thế nào để tích hợp kết quả nghiên cứu vào hệ thống CRM/Billing của nhà mạng?

Kết quả trọng số hồi quy $\beta$ của các biến ($CP, CL, TT, DT, TH$) được dùng làm hệ số phạt/thưởng để tính toán điểm rủi ro rời mạng (Churn Risk Score) cho từng thuê bao trên hệ thống CRM, từ đó kích hoạt các chương trình chăm sóc tự động khi khách hàng có dấu hiệu suy giảm tần suất nạp tiền.

4. Chi phí duy trì và bảo trì mô hình khảo sát định kỳ là bao nhiêu?

Chi phí gần như bằng không nếu sử dụng các nền tảng nguồn mở và biểu mẫu trực tuyến (Google Forms, LimeSurvey). Các đợt khảo sát diện rộng chuyên nghiệp có thể tốn ngân sách cho chi phí khảo sát viên và quà tặng đáp viên, ước tính từ 15 - 30 triệu VNĐ cho mỗi chu kỳ 6 tháng.

5. Tại sao yếu tố Thương hiệu lại có mức độ ảnh hưởng thấp nhất trong mô hình?

Trong bối cảnh thị trường viễn thông đã bão hòa và các nhà mạng lớn đều đã định hình thương hiệu nhiều năm, người tiêu dùng có xu hướng trở nên thực dụng hơn. Quyết định tiếp tục gắn bó phụ thuộc trực tiếp vào chi phí thực tế bỏ ra hàng tháng và chất lượng sóng tại nơi sinh sống/làm việc thay vì hình ảnh quảng bá thương hiệu thuần túy.

Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra:

  • Đóng góp học thuật: Xác lập và kiểm định thành công mô hình 5 nhân tố ảnh hưởng đến quyết định tiếp tục sử dụng mạng di động của khách hàng tại TP.HCM, chứng minh vai trò chi phối của biến số Chi phí sử dụng và Chất lượng dịch vụ trong kỷ nguyên chuyển mạng giữ số.
  • Đóng góp thực tiễn: Cung cấp cơ sở khoa học định lượng vững chắc giúp các nhà cung cấp dịch vụ mạng di động tại Việt Nam xây dựng chính sách giá cước linh hoạt, cải tiến hạ tầng kỹ thuật và nâng cao niềm tin của người dùng.
  • Lời kêu gọi hành động (Call to Action): Các doanh nghiệp viễn thông cần nhanh chóng chuyển dịch trọng tâm từ chiến lược chạy đua quảng cáo thương hiệu sang tối ưu hóa trải nghiệm chi phí - chất lượng mạng thực tế cho từng phân khúc khách hàng đô thị.