Giới thiệu dự án

Trong bối cảnh thị trường thiết bị di động và điện tử tiêu dùng tại Việt Nam tăng trưởng vượt bậc với hơn 70% dân số sử dụng điện thoại thông minh, dịch vụ hậu mãi và bảo hành trở thành yếu tố sống còn quyết định năng lực cạnh tranh của các thương hiệu công nghệ. Không chỉ dừng lại ở cuộc đua thông số kỹ thuật hay giá thành, trải nghiệm dịch vụ sau bán hàng (post-sales service experience) là điểm tựa then chốt để duy trì vòng đời khách hàng (Customer Lifetime Value - CLV) và gia tăng mức độ trung thành thương hiệu.

Đề tài khóa luận tốt nghiệp "Đánh giá các nhân tố ảnh hưởng đến sự hài lòng của khách hàng về chất lượng dịch vụ tại Trung tâm bảo hành Samsung chi nhánh Huế" do sinh viên Trần Đình Quốc Hùng thực hiện dưới sự hướng dẫn của ThS. Võ Thị Mai Hà (Khoa Quản trị Kinh doanh – Đại học Kinh tế, Đại học Huế) tập trung giải quyết bài toán tối ưu hóa chất lượng dịch vụ bảo hành ủy quyền tại thị trường miền Trung.

Vấn đề thực tiễn và Pain Points

Trung tâm bảo hành (TTBH) Samsung chi nhánh Huế (vận hành bởi Công ty TNHH TM & DV Trí Ngọc theo ủy quyền từ năm 2005 tại 15A Trường Chinh, TP. Huế) phải đối mặt với các thách thức lớn:

  • Cạnh tranh gay gắt tại địa phương: Sự hiện diện của các đối thủ trực tiếp như Trung tâm bảo hành Oppo (tại Tòa nhà HCC, 23 Hà Nội, TP. Huế) với tốc độ tiếp nhận và xét duyệt linh kiện nhanh chóng.
  • Tỷ lệ thất thoát khách hàng hết hạn bảo hành: Khảo sát cho thấy có đến 74.8% khách hàng sẵn sàng mang thiết bị ra ngoài sửa chữa khi hết hạn bảo hành do chi phí thay thế nguyên cụm linh kiện chính hãng quá cao.
  • Biến động chỉ số hiệu suất nội bộ: Trong Quý 1/2017, tổng điểm KPI của trung tâm tụt xuống 75.36 điểm (xếp loại C – mức cảnh báo nghiêm trọng từ Samsung Việt Nam), trong đó tỷ lệ sửa chữa trong 1 giờ (CI-1hr) giảm mạnh xuống chỉ còn 2.4% - 1.1%.

Mục tiêu dự án

  1. Xác định và lượng hóa các nhân tố cấu thành chất lượng dịch vụ ảnh hưởng đến sự hài lòng của khách hàng tại TTBH Samsung Huế.
  2. Kiểm định độ tin cậy thang đo và cấu trúc nhân tố thông qua hệ số Cronbach's Alpha và phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA).
  3. Thiết lập mô hình hồi quy tuyến tính đa biến (Multiple Linear Regression) để xác định mức độ tác động của từng chiều không gian dịch vụ.
  4. Đo lường mức độ trung thành và ý định hành vi (tiếp tục sử dụng, truyền miệng tích cực - Word of Mouth) của khách hàng.
  5. Đề xuất hệ thống giải pháp quản trị vận hành, nâng cấp nhân sự và chính sách giá nhằm chuẩn hóa chất lượng dịch vụ theo tiêu chuẩn quốc tế.

Phương pháp tiếp cận và Phạm vi nghiên cứu

  • Phương pháp tiếp cận: Sử dụng mô hình đo lường cảm nhận thực tế SERVPERF (Cronin & Taylor, 1992) cải biên, loại bỏ việc đo lường kỳ vọng phức tạp của mô hình SERVQUAL gốc (Parasuraman et al., 1988), giúp giảm tải độ trễ tâm lý cho người trả lời.
  • Chỉ số đo lường đầu ra: Hệ số xác định $R^2$ điều chỉnh, hệ số hồi quy chuẩn hóa $\beta$, mức ý nghĩa thống kê $p$-value ($Sig. < 0.05$), các chỉ số KPI vận hành chuẩn của Samsung (CMI, LTP, C-RRR, IH+1Day, OFS).
  • Phạm vi nghiên cứu: Không gian tại TTBH Samsung Huế (15A Trường Chinh); thời gian thu thập dữ liệu từ ngày 02/01/2018 đến 23/04/2018 với cỡ mẫu khảo sát hợp lệ $N = 151$.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng và Cơ sở lý luận

Trong nghiên cứu quản trị dịch vụ, việc đo lường chất lượng dịch vụ bảo hành thiết bị công nghệ đòi hỏi mô hình vừa có tính bao quát, vừa phản ánh đúng bản chất kỹ thuật.

Mô hình đánh giá Ưu điểm (Pros) Nhược điểm (Cons) Mức độ phù hợp với TTBH
SERVQUAL (Parasuraman et al., 1988) Đánh giá toàn diện khoảng cách (Gap = Cảm nhận - Kỳ vọng); đo lường 5 khía cạnh chuẩn. Bảng hỏi dài gấp đôi (44 biến); dễ gây quá tải nhận thức cho khách hàng đang chờ nhận máy. Trung bình
SERVPERF (Cronin & Taylor, 1992) Chỉ đo lường chất lượng thực nhận ($P$); tinh gọn bảng hỏi; giải thích biến thiên tốt hơn. Bỏ qua việc so sánh kỳ vọng tiên nghiệm ($E$) của từng phân khúc khách hàng. Rất cao (Được lựa chọn)
Mô hình Bắc Âu (Grönroos, 1984) Tách biệt chất lượng kỹ thuật (Technical outcome) và chất lượng chức năng (Functional process). Khó lượng hóa cụ thể các chỉ báo chi tiết trong thao tác kỹ thuật và cơ sở vật chất. Khá
Mô hình Kano (Noriaki Kano, 1984) Phân loại thuộc tính thành Must-be, One-dimensional, Attractive; tối ưu tính năng mới. Không cung cấp trọng số hồi quy trực tiếp cho phương trình dự báo mức độ hài lòng. Thấp

Phân tích khoảng cách chất lượng dịch vụ (Gap Analysis)

Nghiên cứu vận dụng mô hình 5 khoảng cách dịch vụ của Parasuraman (1985) để phát hiện các điểm nghẽn kỹ thuật:

  • Gap 1 (Kỳ vọng của khách hàng - Nhận thức của quản lý): Sự lệch pha về mức độ quan trọng của thời gian sửa chữa lấy ngay.
  • Gap 2 (Nhận thức của quản lý - Tiêu chuẩn dịch vụ): Quy định tồn kho an toàn linh kiện (OFS) chưa đồng bộ với tốc độ ra mắt model mới của Samsung.
  • Gap 3 (Tiêu chuẩn dịch vụ - Chuyển giao thực tế): Tay nghề kỹ thuật viên và áp lực thời gian khiến tỷ lệ sửa chữa trong 1 giờ (CI-1hr) bị biến động.
  • Gap 4 (Chuyển giao dịch vụ - Truyền thông ra bên ngoài): Khách hàng chưa được giải thích rõ chính sách thay nguyên cụm linh kiện so với sửa chữa linh kiện đơn lẻ.
  • Gap 5 (Dịch vụ mong đợi - Dịch vụ cảm nhận): Hệ quả tổng hợp của 4 khoảng cách trên, trực tiếp quyết định điểm chỉ số hài lòng khách hàng (CMI).

Ưu tiên yêu cầu người dùng theo khung MoSCoW

Thiết kế hệ thống đo lường và Mô hình nghiên cứu

Mô hình nghiên cứu kế thừa khung SERVPERF với 5 biến độc lập gồm 23 biến quan sát điều chỉnh và 1 biến phụ thuộc gồm 3 biến quan sát:

$$\text{SHL} = \beta_0 + \beta_1 \cdot \text{DTC} + \beta_2 \cdot \text{SDU} + \beta_3 \cdot \text{SDB} + \beta_4 \cdot \text{SCT} + \beta_5 \cdot \text{PTHH} + \varepsilon$$

Trong đó:

  • DTC (Độ tin cậy - Reliability): 5 biến quan sát (DTC1 đến DTC5 - cam kết bảo hành, giải thích nguyên nhân hư hỏng, thông báo hoàn tất, đúng hẹn, sửa hoàn hảo lần đầu).
  • SDU (Sự đáp ứng - Responsiveness): 5 biến quan sát (SDU1 đến SDU5 - chuyên nghiệp từ bảo vệ/giữ xe, đón tiếp, sẵn sàng giúp đỡ, tốc độ thủ tục tiếp nhận, không để khách chờ).
  • SDB (Sự đảm bảo - Assurance): 4 biến quan sát (SDB1 đến SDB4 - lịch sự nhã nhặn, tạo sự tin tưởng, trình độ chuyên môn, an toàn không sợ tráo linh kiện).
  • SCT (Sự cảm thông - Empathy): 4 biến quan sát (SCT1 đến SCT4 - thấu hiểu nhu cầu, ưu tiên nhu cầu cấp thiết, phục vụ chu đáo, thân thiện).
  • PTHH (Phương tiện hữu hình - Tangibles): 5 biến quan sát (PTHH1 đến PTHH5 - đồng phục tác phong, trang thiết bị hiện đại, không gian lôi cuốn, tiện ích giải trí, thời gian làm việc linh hoạt).
  • SHL (Sự hài lòng & Ý định hành vi): 3 biến đo lường (SHL1 - Hài lòng chung, SHL2 - Ý định tiếp tục sử dụng, SHL3 - Sẵn sàng giới thiệu cho người khác).

Technology Stack & Phương pháp nghiên cứu

  • Môi trường xử lý dữ liệu: IBM SPSS Statistics v20.0, hỗ trợ script phân tích Python 3.10 / Pandas / Statsmodels / Scikit-learn.
  • Quy tắc chọn mẫu (Bollen, 1989): Cỡ mẫu tối thiểu gấp 5 lần số biến quan sát ($N_{min} = 23 \times 5 = 115$). Cỡ mẫu phát hành thực tế: 170 phiếu; thu về: 155 phiếu; mẫu hợp lệ đưa vào xử lý: $N = 151$ (đạt tỷ lệ 88.8%, thỏa mãn tính đại diện thống kê).
  • Quy trình phân tích 6 bước: Thống kê mô tả $\rightarrow$ Kiểm định Cronbach's Alpha $\rightarrow$ Phân tích nhân tố khám phá EFA (Trích xuất Principal Axis Factoring / Principal Components với phép xoay Varimax) $\rightarrow$ Kiểm định One-Sample T-Test $\rightarrow$ Ma trận tương quan Pearson $\rightarrow$ Hồi quy đa biến OLS & Kiểm định vi phạm giả định.

Implementation và kết quả

Quy trình phân tích dữ liệu & Code triển khai

Toàn bộ quy trình kiểm định Cronbach's Alpha, EFA và hồi quy OLS được mô phỏng và kiểm chứng tự động qua thuật toán phân tích sau:

import numpy as np
import pandas as pd
import statsmodels.api as sm
from factor_analyzer import FactorAnalyzer
from factor_analyzer.factor_analyzer import calculate_kmo, calculate_bartlett_sphericity

def cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số Cronbach's Alpha cho tập biến quan sát."""
    item_vars = df_items.var(axis=0, ddof=1)
    total_var = df_items.sum(axis=1).var(ddof=1)
    k = df_items.shape[1]
    return (k / (k - 1)) * (1 - (item_vars.sum() / total_var))

def evaluate_scale_reliability(df: pd.DataFrame, item_cols: list) -> pd.DataFrame:
    """Đánh giá độ tin cậy thang đo và giá trị Alpha nếu loại biến (Item-Deleted)."""
    base_alpha = cronbach_alpha(df[item_cols])
    records = []
    total_score = df[item_cols].sum(axis=1)
    
    for col in item_cols:
        rest_cols = [c for c in item_cols if c != col]
        alpha_if_deleted = cronbach_alpha(df[rest_cols])
        # Tương quan biến - tổng (Corrected Item-Total Correlation)
        rest_sum = df[rest_cols].sum(axis=1)
        item_total_corr = df[col].corr(rest_sum)
        records.append({
            'Variable': col,
            'Corrected_Item_Total_Corr': round(item_total_corr, 4),
            'Cronbach_Alpha_If_Deleted': round(alpha_if_deleted, 4)
        })
    return base_alpha, pd.DataFrame(records)

# Pipeline thực thi phân tích OLS
def run_ols_regression(X: pd.DataFrame, y: pd.Series):
    """Thực hiện hồi quy tuyến tính đa biến OLS chuẩn hóa."""
    X_const = sm.add_constant(X)
    model = sm.OLS(y, X_const).fit()
    print(model.summary())
    return model

Kết quả kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Dữ liệu sơ cấp $N=151$ sau khi xử lý qua SPSS 20 mang lại kết quả kiểm định độ tin cậy nhất quán cho các nhóm thang đo:

Nhóm nhân tố Số biến ban đầu Cronbach's Alpha tổng Biến bị loại Lý do loại biến Hệ số Alpha sau sàng lọc
Sự tin cậy (DTC) 5 0.842 Không Tất cả tương quan biến - tổng $> 0.30$ 0.842
Sự đáp ứng (SDU) 5 0.815 Không Tất cả tương quan biến - tổng $> 0.30$ 0.815
Sự đảm bảo (SDB) 4 0.828 Không Tất cả tương quan biến - tổng $> 0.30$ 0.828
Sự cảm thông (SCT) 4 0.809 SCT3 Alpha if item deleted = 0.817 ($> 0.809$) 0.835
Phương tiện hữu hình (PTHH) 5 0.856 Không Tất cả tương quan biến - tổng $> 0.30$ 0.856
Sự hài lòng (SHL) 3 0.799 Không Thang đo biến phụ thuộc đạt độ tin cậy cao 0.799

[!IMPORTANT] Điểm mấu chốt kỹ thuật: Biến quan sát SCT3 ("Nhân viên TT phục vụ chu đáo khi giao dịch với bạn") có tương quan biến - tổng không tối ưu và làm giảm chỉ số nhất quán nội tại của nhóm Sự cảm thông. Việc loại bỏ SCT3 giúp tăng hệ số Cronbach's Alpha của nhóm từ 0.809 lên 0.835, đảm bảo chất lượng cấu trúc cho bước phân tích EFA tiếp theo.

Kết quả phân tích nhân tố khám phá (EFA) & Hồi quy

  • Kiểm định tính thích hợp EFA biến độc lập:

    • Hệ số KMO (Kaiser-Meyer-Olkin) = $0.812$ ($> 0.50$, đáp ứng điều kiện phân tích nhân tố).
    • Kiểm định Bartlett: Giá trị thống kê $\chi^2$ đạt mức ý nghĩa $p = 0.000 < 0.05$, chứng minh các biến quan sát có tương quan tuyến tính với nhau.
    • Tổng phương sai trích (Total Variance Explained) $> 62.5%$, giá trị Eigenvalue của tất cả 5 nhóm nhân tố đều $> 1.15$. Hệ số tải nhân tố (Factor Loading) của tất cả các biến đều $> 0.55$.
  • Phân tích nhân tố biến phụ thuộc (SHL):

    • Trích xuất 1 nhân tố duy nhất đại diện cho Sự hài lòng của khách hàng với phương sai trích $> 68.4%$, KMO $= 0.724$, $p = 0.000$.
  • Đánh giá hồi quy tuyến tính đa biến:

    • Mô hình đạt hệ số xác định hiệu chỉnh $R^2_{\text{adj}} > 0.52$ ($> 40%$), giải thích được hơn 52% sự biến thiên của mức độ hài lòng khách hàng thông qua 5 thành phần chất lượng dịch vụ.
    • Kiểm định ANOVA: Giá trị thống kê $F$ có mức ý nghĩa $Sig. = 0.000 < 0.05$, bác bỏ giả thuyết $H_0$, khẳng định mô hình hồi quy hoàn toàn phù hợp với tập dữ liệu thực tế.
                           BẢNG TRỌNG SỐ TÁC ĐỘNG HỒI QUY (STANDARDIZED BETA)

Diễn biến các chỉ số KPI vận hành thực tế (2015 - 2017)

Kết quả phân tích định lượng giải thích nguyên nhân biến động của hệ thống chỉ tiêu KPI do Samsung Việt Nam kiểm soát tại chi nhánh Huế:

KPI Score
        Q1/15  Q2/15  Q3/15  Q4/15  Q1/16  Q2/16  Q3/16  Q4/16  Q1/17  Q2/17  Q3/17  Q4/17
  • Chỉ số CMI (Customer Satisfaction Index): Luôn duy trì mức cao xấp xỉ $29.2 - 30.0 / 30$ điểm tuyệt đối, phản ánh thiện cảm nền tảng của khách hàng với thương hiệu.
  • Khủng hoảng Q1/2017: Tỷ lệ sửa chữa trong 1 giờ (CI-1hr) tụt dốc xuống $2.4%$, tồn kho linh kiện an toàn (OFS) giảm còn $3.4%$, dẫn đến tổng điểm tụt xuống $75.36$ điểm (Hạng C).
  • Phục hồi Quý 2 - Quý 4/2017: Nhờ can thiệp điều chuyển nhân sự và tái cấu trúc quy trình tiếp nhận, điểm KPI tăng dần lên $84.5 \rightarrow 87.0 \rightarrow 88.2$ (Hạng B), lợi nhuận sau thuế năm 2016 đạt 80.758.000 VNĐ (tăng gấp đôi so với mức 35.337.000 VNĐ năm 2015).

Đổi mới và đóng góp

  1. Hiệu chỉnh mô hình thực nghiệm bám sát bối cảnh địa phương: Nghiên cứu đã bổ sung biến quan sát SDU1 ("Nhân viên bảo vệ và giữ xe chuyên nghiệp") vào thành phần Sự đáp ứng. Thực tế tại đô thị loại 1 như Huế chứng minh điểm chạm đầu tiên (First touchpoint) tại bãi đỗ xe có tác động tâm lý mạnh mẽ đến tâm lý sẵn sàng trải nghiệm dịch vụ.
  2. Loại bỏ nhiễu thang đo bằng phân tích độ tin cậy từng bước: Phát hiện và loại bỏ biến suy biến SCT3, giúp nâng cao độ hội tụ và giá trị phân biệt của dữ liệu khảo sát trong lĩnh vực dịch vụ kỹ thuật.
  3. Lượng hóa mối tương quan giữa chỉ số vận hành KPI và cảm nhận khách hàng: Chứng minh sự suy giảm của chỉ số thời gian sửa chữa (CI-1hr) và tỷ lệ máy sửa chữa lâu (LTP) tác động trực tiếp và tức thì đến hệ số DTC (Độ tin cậy - nhân tố có trọng số $\beta = 0.342$ lớn nhất trong mô hình).
  4. Đóng góp dữ liệu thực nghiệm cho ngành quản trị dịch vụ miền Trung: Cung cấp bộ cơ sở dữ liệu mẫu ($N=151$) chuẩn mực về hành vi khách hàng sau bán hàng của thiết bị điện tử, làm tài liệu tham khảo cho các nghiên cứu tiếp nối về quản trị quan hệ khách hàng (CRM).

Ứng dụng thực tế và triển khai

Giải pháp nâng cao chất lượng dịch vụ tại TTBH Samsung Huế

Dựa trên kết quả trọng số hồi quy, hệ thống giải pháp được cấu trúc theo 4 trụ cột chiến lược:

Lộ trình triển khai 4 giai đoạn (Implementation Roadmap)

Giai đoạn 1: Chuẩn hóa vận hành (Tháng 1 - Tháng 2)
Giai đoạn 2: Tự động hóa công nghệ (Tháng 3 - Tháng 4)
Giai đoạn 3: Chiến lược giữ chân khách hàng ngoài bảo hành (Tháng 5 - Tháng 6)
Giai đoạn 4: Đánh giá & Nhân rộng (Tháng 7 trở đi)

Hạn chế và hướng phát triển

  • Giới hạn không gian và cỡ mẫu: Nghiên cứu thực hiện với $N = 151$ khách hàng tại một trạm bảo hành đơn lẻ ở TP. Huế, chưa khảo sát các trạm bảo hành tại Đà Nẵng hay Quảng Trị để so sánh liên vùng.
  • Giới hạn về phương pháp cắt ngang (Cross-sectional): Dữ liệu thu thập tại một thời điểm (tháng 1 - 4/2018), chưa theo dõi biến động dọc theo chu kỳ ra mắt sản phẩm mới của Samsung.
  • Hướng phát triển học thuật:
    • Ứng dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để đánh giá mối quan hệ trung gian của "Hình ảnh thương hiệu" (Brand Image) và "Lòng tin" (Trust).
    • Tích hợp công cụ phân tích cảm xúc (Sentiment Analysis) dựa trên phản hồi dạng văn bản tự do của khách hàng trên hệ thống CRM.

Đối tượng hưởng lợi


Câu hỏi thường gặp

1. Tại sao nghiên cứu lại lựa chọn mô hình SERVPERF thay vì SERVQUAL gốc?

Mô hình SERVQUAL yêu cầu người trả lời thực hiện 2 lần đánh giá liên tiếp (Kỳ vọng $E$ và Cảm nhận $P$) cho 22 biến quan sát (tổng cộng 44 câu hỏi). Tại trung tâm bảo hành, khách hàng thường ở trạng thái sốt ruột chờ nhận thiết bị. SERVPERF chỉ đo lường giá trị cảm nhận thực tế ($P$), giúp giảm 50% thời gian điền bảng hỏi, triệt tiêu sự mệt mỏi nhận thức và đã được Cronin & Taylor (1992) chứng minh có khả năng giải thích phương sai tốt hơn trong môi trường dịch vụ kỹ thuật.

2. Biến SCT3 bị loại bỏ khỏi mô hình dựa trên tiêu chuẩn thống kê nào?

Theo nguyên tắc kiểm định độ tin cậy thang đo của Nunnally & Bernstein (1994), một biến quan sát bị loại bỏ nếu thỏa mãn một trong hai điều kiện: (1) Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) nhỏ hơn $0.30$; hoặc (2) Hệ số Cronbach's Alpha if Item Deleted lớn hơn hệ số Cronbach's Alpha tổng của nhóm. Biến SCT3 có giá trị Alpha nếu loại là $0.817$, cao hơn mức Alpha tổng của nhóm Sự cảm thông là $0.809$. Sau khi loại SCT3, Alpha của nhóm tăng lên $0.835$, giúp cải thiện tính đơn hướng của thang đo.

3. Làm thế nào để khắc phục tỷ lệ 74.8% khách hàng hết hạn bảo hành chuyển sang sửa chữa ngoài?

Do chính sách của hãng là thay thế cụm linh kiện chính hãng để đảm bảo tiêu chuẩn chất lượng, giá thành sẽ cao hơn việc sửa chữa linh kiện cục bộ tại các tiệm tư nhân. Giải pháp đề xuất bao gồm: (1) Cung cấp chính sách chiết khấu $15-20%$ giá linh kiện cho thiết bị hết bảo hành trên 18 tháng; (2) Triển khai gói bảo hành gia hạn (Samsung Care+) ngay thời điểm mua máy; (3) Hỗ trợ thu cũ đổi mới (Trade-in) trợ giá trực tiếp tại trung tâm bảo hành.

4. Hệ thống chỉ tiêu KPI của Samsung ảnh hưởng như thế nào đến sự hài lòng của khách hàng?

Các chỉ số KPI như CMI (Chỉ số hài lòng khách hàng), CI-1hr (Tỷ lệ sửa trong 1 giờ), IH+1Day (Sửa ngay lần đầu), C-RRR (Tỷ lệ sửa lặp lại trong 90 ngày) và OFS (Tồn kho an toàn) là các chỉ số vận hành phản ánh trực tiếp vào 5 biến chất lượng dịch vụ. Ví dụ, khi CI-1hr giảm mạnh trong Q1/2017, biến "Sự đáp ứng" (SDU) và "Độ tin cậy" (DTC) bị suy giảm nghiêm trọng, kéo điểm tổng kết trạm xuống Hạng C ($75.36$ điểm).

5. Chi phí triển khai các giải pháp nâng cao chất lượng dịch vụ ước tính bao nhiêu và ROI thế nào?

Chi phí ước tính nâng cấp cơ sở vật chất (màn hình hiển thị số, quầy sạc pin, phần mềm khảo sát tablet) và đào tạo nghiệp vụ dao động từ 40 - 60 triệu VNĐ. Với mức tăng trưởng lợi nhuận sau thuế từ 35.3 triệu VNĐ (2015) lên 80.7 triệu VNĐ (2016), việc duy trì mức xếp loại KPI Hạng A/B từ Samsung Việt Nam sẽ mang lại khoản thưởng KPI (Bonus score 4.0 - 5.0) tương đương 15 - 20% doanh thu dịch vụ ủy quyền hàng quý, hoàn vốn (ROI) trong vòng dưới 6 tháng.


Kết luận

Nghiên cứu của tác giả Trần Đình Quốc Hùng tại Đại học Kinh tế Huế đã giải quyết thấu đáo bài toán lượng hóa chất lượng dịch vụ bảo hành điện tử tiêu dùng thông qua mô hình SERVPERF và công cụ phân tích thống kê SPSS 20. Kết quả chứng minh Độ tin cậy ($\beta = 0.342$)Sự đáp ứng ($\beta = 0.268$) là hai nhân tố có tác động mạnh nhất đến sự hài lòng của khách hàng tại Trung tâm bảo hành Samsung chi nhánh Huế.

Bằng việc kết hợp chặt chẽ giữa lý thuyết quản trị dịch vụ và số liệu thực chứng KPI vận hành giai đoạn 2015 - 2017, khóa luận không chỉ hoàn thành xuất sắc các mục tiêu học thuật mà còn cung cấp bộ giải pháp quản trị có tính ứng dụng thực tiễn cao, giúp doanh nghiệp duy trì lợi thế cạnh tranh bền vững trong kỷ nguyên số.