Giới thiệu dự án

  • Bối cảnh ngành: Thị trường bán lẻ Việt Nam đang tăng trưởng mạnh, năm 2017 đạt 129 tỷ USD (+11 % YoY) và dự báo 180 tỷ USD vào 2020 (Savills). Siêu thị mini và cửa hàng tiện lợi (convenience store) đang chiếm > 33 % hộ gia đình tiêu dùng.
  • Problem statement:
    • Khách hàng tại TP Huế gặp khó khăn về thời gian và độ tin cậy khi mua sắm tại siêu thị lớn hoặc chợ truyền thống.
    • Các siêu thị mini chưa có công cụ định lượng để đo lường các yếu tố ảnh hưởng tới quyết định lựa chọn, dẫn đến thiếu chiến lược marketing hiệu quả.
  • Mục tiêu dự án (đánh số):
    1. Xây dựng khung nghiên cứu định lượng dựa trên thang đo Likert 5‑bậc.
    2. Xác định 6 yếu tố chủ chốt: tiện lợi, vị trí, sự nhanh chóng, giá, sản phẩm, không gian/trưng bày.
    3. Phân tích độ tin cậy (Cronbach Alpha) và phân tích nhân tố khám phá (EFA).
    4. Đề xuất giải pháp cải tiến cho siêu thị mini tại TP Huế.
  • Giải pháp đề xuất: Phát triển một pipeline phân tích dữ liệu (Python 3.11, pandas, scikit‑learn) tích hợp thống kê (SPSS) và visualisation (seaborn) để:
    • Thu thập và chuẩn hoá dữ liệu khảo sát (n = 150).
    • Kiểm tra độ tin cậy (Cronbach Alpha ≥ 0.8).
    • Thực hiện EFA (principal component## Giới thiệu dự án
  • Bối cảnh ngành: Thị trường bán lẻ Việt Nam đang tăng trưởng mạnh, năm 2017 đạt 129 tỷ USD (+11 % YoY) và dự báo 180 tỷ USD vào 2020 (Savills). Siêu thị mini và cửa hàng tiện lợi (convenience store) đang chiếm > 33 % hộ gia đình tiêu dùng.
  • Problem statement:
    • Khách hàng tại TP Huế gặp khó khăn về thời gian và độ tin cậy khi mua sắm tại siêu thị lớn hoặc chợ truyền thống.
    • Các siêu thị mini chưa có công cụ định lượng để đo lường các yếu tố ảnh hưởng tới quyết định lựa chọn, dẫn đến thiếu chiến lược marketing hiệu quả.
  • Mục tiêu dự án (đánh số):
    1. Xây dựng khung nghiên cứu định lượng dựa trên thang đo Likert 5‑bậc.
    2. Xác định 6 yếu tố chủ chốt: tiện lợi, vị trí, sự nhanh chóng, giá, sản phẩm, không gian/trưng bày.
    3. Phân tích độ tin cậy (Cronbach Alpha) và phân tích nhân tố khám phá (EFA).
    4. Đề xuất giải pháp cải tiến cho siêu thị mini tại TP Huế.
  • Giải pháp đề xuất: Phát triển một pipeline phân tích dữ liệu (Python 3.11, pandas, scikit‑learn) tích hợp thống kê (SPSS) và visualisation (seaborn) để:
    • Thu thập và chuẩn hoá dữ liệu khảo sát (n = 150).
    • Kiểm tra độ tin cậy (Cronbach Alpha ≥ 0.8).
    • Thực hiện EFA (principal component analysis, varimax rotation) và regression đa biến để định lượng tác động tương đối.
  • Kết quả mong đợi:
    • Độ tin cậy tổng thể α = 0.85.
    • R² = 0.62 trong mô hình hồi quy, chứng minh mô hình giải thích 62 % biến thiên quyết định lựa chọn.
    • Đề xuất 5 % cải thiện doanh thu thông qua tối ưu vị trí và tốc độ thanh toán.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Giải pháp hiện tại Pros Cons
Siêu thị Big C (đại siêu thị) Đa dạng SKU, giá cạnh tranh Đầu tư vốn lớn, vị trí xa trung tâm dân cư
Chợ truyền thống Giá thấp, gần người tiêu dùng Không có chuẩn hoá chất lượng, thời gian mua sắm dài
Siêu thị mini CT Mart (đối tượng nghiên cứu) Tiện lợi, thời gian mở cửa dài Số lượng SKU hạn chế, chưa tối ưu chương trình khuyến mãi

Market research (competitor comparison)

Yếu tố Siêu thị mini Siêu thị lớn Chợ truyền thống
Diện tích (m²) 60‑100 >400 <30
Thời gian mở cửa 6 am‑10 pm 7 am‑9 pm 5 am‑5 pm
Số SKU ~500 >5000 <200
Giá trung bình +5 % so với chợ –2 % so với mini –10 % so với mini
Độ tin cậy chất lượng Cao (tiêu chuẩn HACCP) Cao Thấp

Yêu cầu người dùng (MoSCoW)

  • Must: Đảm bảo độ tin cậy dữ liệu (α ≥ 0.8), hỗ trợ đánh giá 6 yếu tố.
  • Should: Cung cấp báo cáo trực quan (heatmap, scree plot).
  • Could: Tích hợp mobile survey để thu thập dữ liệu thời gian thực.
  • Won’t: Phát triển hệ thống POS nội bộ (không thuộc phạm vi nghiên cứu).

Ràng buộc kỹ thuật & thách thức

  • Dữ liệu: Khảo sát Likert, dữ liệu thô SPSS (*.sav) và Excel.
  • Phần mềm: SPSS 27, Python 3.11, scikit‑learn 1.4, statsmodels 0.14.
  • Thách thức: Đảm bảo độ chuẩn hoá giữa SPSS và Python, xử lý missing values (< 2 %).

Gapaa