Giới thiệu dự án
Thị trường bảo hiểm nhân thọ (BHNT) tại Việt Nam trong giai đoạn 2013–2017 chứng kiến tốc độ tăng trưởng ấn tượng với tỷ lệ bình quân hàng năm đạt 26%, trong đó các năm 2015 và 2016 đạt mức tăng trưởng đột phá trên 30% (theo số liệu từ Hiệp hội Bảo hiểm Việt Nam - IAV). Đến hết quý I/2017, toàn thị trường ghi nhận trên 6,5 triệu hợp đồng bảo hiểm có hiệu lực, tăng 15% so với cùng kỳ năm trước, đồng thời số lượng hợp đồng khai thác mới tăng trưởng đến 30%. Sự gia tăng này phản ánh bước chuyển dịch mạnh mẽ trong nhận thức tài chính và quản trị rủi ro cá nhân của người tiêu dùng trong bối cảnh thu nhập khả dụng ngày càng cải thiện.
Tuy nhiên, thị trường cũng chứng kiến mức độ cạnh tranh khốc liệt giữa các định chế tài chính bảo hiểm nước ngoài và nội địa lâu năm như Prudential, Bảo Việt Nhân thọ, Manulife, Dai-ichi Life, Chubb Life, AIA và Hanwha Life. Đối với Công ty TNHH Bảo hiểm Hanwha Life Việt Nam (thành viên của Tập đoàn Hanwha Hàn Quốc), việc mở rộng thị phần tại khu vực miền Trung, đặc biệt là địa bàn đô thị loại 1 như thành phố Huế, đối mặt với rào cản lớn về tâm lý tiêu dùng truyền thống, mức độ e ngại rủi ro tài chính và thói quen tiết kiệm tích lũy qua hệ thống ngân hàng thương mại.
+-----------------------------------------------------------------------------------+
| MÔ HÌNH VẤN ĐỀ VÀ TIẾP CẬN GIẢI PHÁP |
+-----------------------------------------------------------------------------------+
| BỐI CẢNH THỊ TRƯỜNG |
| - Tăng trưởng ngành: 26% - 30%/năm; >6.5 triệu hợp đồng hiệu lực. |
| - Cạnh tranh gay gắt: Prudential, Manulife, Bảo Việt, Dai-ichi, Hanwha Life. |
+-----------------------------------------+-----------------------------------------+
|
v
+-----------------------------------------------------------------------------------+
| PAIN POINTS / VẤN ĐỀ CỐT LÕI TẠI TP. HUẾ |
| - Khách hàng thiếu thông tin minh bạch về cơ cấu quyền lợi và phí bảo hiểm. |
| - Năng lực tư vấn viên (Agent) không đồng đều, gây suy giảm niềm tin thương hiệu.|
| - Doanh nghiệp thiếu mô hình định lượng đo lường trọng số quyết định mua. |
+-----------------------------------------+-----------------------------------------+
|
v
+-----------------------------------------------------------------------------------+
| GIẢI PHÁP ĐỊNH LƯỢNG (QUANTITATIVE SOLUTION) |
| - Thiết kế thang đo Likert 5 mức độ chuẩn hóa từ 6 nhóm nhân tố. |
| - Thu thập dữ liệu thực nghiệm sơ cấp: N = 200 mẫu khảo sát hợp lệ. |
| - Phân tích EFA, Cronbach's Alpha, One-Way ANOVA và Hồi quy Tuyến tính Đa biến. |
+-----------------------------------------------------------------------------------+
Mục tiêu nghiên cứu cụ thể
- Hệ thống hóa cơ sở lý luận về hành vi người tiêu dùng, các mô hình ra quyết định mua sản phẩm dịch vụ tài chính - bảo hiểm nhân thọ.
- Xác định các nhân tố cấu thành ảnh hưởng trực tiếp và gián tiếp đến quyết định mua bảo hiểm nhân thọ Hanwha Life của khách hàng tại TP. Huế.
- Đo lường mức độ và trọng số tác động của từng nhân tố thông qua phương pháp phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA) và hồi quy tuyến tính đa biến (Multiple Linear Regression - MLR).
- Kiểm định sự khác biệt nhân khẩu học (giới tính, thu nhập, quê quán) tác động đến hành vi mua thông qua kiểm định Independent Samples T-Test và One-Way ANOVA.
- Đề xuất hệ thống giải pháp thực tiễn giúp Hanwha Life tối ưu hóa chiến lược Marketing Mix (7P), nâng cao chất lượng đại lý phân phối và tối ưu tỷ lệ chuyển đổi khách hàng.
Phạm vi và giới hạn nghiên cứu
- Không gian nghiên cứu: Địa bàn thành phố Huế, tỉnh Thừa Thiên Huế.
- Thời gian nghiên cứu: Dữ liệu thứ cấp thu thập giai đoạn 2013–2017; dữ liệu sơ cấp điều tra phỏng vấn trực tiếp từ tháng 11 đến tháng 12 năm 2017.
- Đối tượng khảo sát: Khách hàng cá nhân từ 18 tuổi trở lên đang sinh sống, làm việc tại TP. Huế có nhu cầu hoặc đã tham gia tìm hiểu bảo hiểm nhân thọ.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Nghiên cứu hành vi tiêu dùng bảo hiểm nhân thọ đòi hỏi việc tích hợp các khung lý thuyết tâm lý học hành vi và kinh tế lượng ứng dụng. Nhiều mô hình tiền nhiệm đã được triển khai nhưng bộc lộ các hạn chế khi áp dụng vào thị trường địa phương có tính đặc thù cao như Thừa Thiên Huế.
| Tiêu chí so sánh |
Mô hình Leon Schiffman (2000) |
Mô hình ThS. Nguyễn Thị Ánh Xuân (2004) |
Mô hình Đề xuất của Khóa luận (2018) |
| Cấu trúc biến |
12 thành phần, 57 biến quan sát |
8 yếu tố định tính và xã hội |
6 nhóm nhân tố thực nghiệm rút gọn |
| Phạm vi khảo sát |
Khách hàng tổng quát (Toàn cầu) |
Khách hàng tại TP. Hồ Chí Minh |
Khách hàng đô thị đặc thù tại TP. Huế |
| Yếu tố trọng tâm |
Rủi ro, sự kiện đời sống, kênh |
Lợi ích tinh thần, sự ủng hộ gia đình |
Quyền lợi, Phí, Thương hiệu, Tư vấn viên |
| Độ phức tạp đo lường |
Rất cao, dễ gây nhiễu bảng hỏi |
Trung bình, thiên về tâm lý xã hội |
Tối ưu hóa cho kiểm định thực nghiệm SPSS |
| Tính ứng dụng doanh nghiệp |
Khó chuyển giao thành chiến lược cụ thể |
Thích hợp cho truyền thông cảm xúc |
Định hướng trực tiếp vào vận hành đại lý & sản phẩm |
Ma trận ưu tiên yêu cầu triển khai giải pháp (MoSCoW)
- Must Have: Thang đo chuẩn hóa Cronbach’s Alpha $\ge 0.70$; Mô hình hồi quy không vi phạm hiện tượng đa cộng tuyến (VIF < 2) và tự tương quan (Durbin-Watson $1.5 - 2.5$).
- Should Have: Phân đoạn khách hàng chi tiết theo mức thu nhập và cấu trúc nhân khẩu học để cá nhân hóa kịch bản bán hàng.
- Could Have: Tích hợp pipeline tiền xử lý dữ liệu tự động bằng Python/R để đối chuẩn với kết quả trích xuất từ phần mềm SPSS.
- Won't Have (Giai đoạn này): Phân tích mô hình cấu trúc tuyến tính bình phương nhỏ nhất từng phần (PLS-SEM) đa tầng phức tạp.
Thiết kế hệ thống và mô hình nghiên cứu
Mô hình nghiên cứu được xây dựng dựa trên sự kế thừa lý thuyết hành vi người tiêu dùng của Philip Kotler, tháp nhu cầu Abraham Maslow và mô hình lý thuyết phân tâm học của Sigmund Freud, kết hợp với các nghiên cứu thực nghiệm trong ngành bảo hiểm.
MÔ HÌNH HỒI QUY NGHIÊN CỨU ĐỀ XUẤT
+----------------------------------------------------+
| CÁC NHÂN TỐ ĐỘC LẬP (X) |
| |
| [X1] Thương hiệu (Brand Equity) |
| - Uy tín công ty, tiềm lực tài chính |
| |
| [X2] Phí bảo hiểm (Premium & Affordability) |
| - Mức phí hợp lý, kỳ hạn đóng linh hoạt |
| |
| [X3] Quyền lợi bảo hiểm (Policy Benefits) |---+
| - Chi trả tử vong, tai nạn, bệnh hiểm nghèo | |
| | | +----------------------------+
| [X4] Dịch vụ khách hàng (Customer Service) | +------>| BIẾN PHỤ THUỘC (Y) |
| - Thủ tục bồi thường, chăm sóc sau bán | | | |
| | | | Quyết định mua bảo hiểm |
| [X5] Nhân viên tư vấn (Agent Competency) | | | nhân thọ Hanwha Life |
| - Kiến thức chuyên môn, tính trung thực | | | của khách hàng tại Huế |
| | | +----------------------------+
| [X6] Động cơ mua (Purchase Motivation) |---+
| - Nhu cầu bảo vệ, tích lũy tương lai |
+----------------------------------------------------+
|
[Kiểm định sai biệt nhân khẩu học]
- Giới tính (Independent T-Test)
- Thu nhập & Quê quán (One-Way ANOVA)
Technology Stack và Công cụ nghiên cứu
- Môi trường xử lý thống kê: IBM SPSS Statistics Version 22.0 (Build 22.0.0.0).
- Ngôn ngữ lập trình kiểm định đối chuẩn (Benchmark): Python 3.10.x với các thư viện:
pandas (v2.0.3) & numpy (v1.24.3): Làm sạch, mã hóa và quản lý tập dữ liệu.statsmodels (v0.14.0): Phân tích hồi quy OLS, kiểm định Breusch-Pagan và Durbin-Watson.factor_analyzer (v0.4.1): Phân tích nhân tố khám phá EFA và trích xuất ma trận xoay.pingouin (v0.5.3): Kiểm định độ tin cậy Cronbach’s Alpha, One-Way ANOVA và T-Test.
- Thiết kế thang đo: Thang đo Likert 5 điểm (1: Hoàn toàn không đồng ý / Rất không quan tâm $\rightarrow$ 5: Hoàn toàn đồng ý / Rất quan tâm).
Methodology
Quy trình nghiên cứu kết hợp phương pháp hỗn hợp (Sequential Mixed-Methods Research):
- Nghiên cứu sơ bộ (Qualitative): Thảo luận nhóm tiêu điểm (Focus Group Discussion) với 10 khách hàng tại các hội thảo do Hanwha Life Thừa Thiên Huế tổ chức để sàng lọc ngôn từ, hiệu chỉnh 24 biến quan sát phù hợp văn hóa địa phương.
- Nghiên cứu chính thức (Quantitative): Phát bảng hỏi cấu trúc trực tiếp tới $N = 200$ đối tượng mục tiêu.
- Công thức xác định quy mô mẫu theo độ lệch chuẩn thực nghiệm:
$$n = \frac{Z^2 \cdot s^2}{e^2}$$
Trong đó:
- $Z = 1.96$ (Độ tin cậy 95%).
- $e = 0.05$ (Sai số mẫu cho phép).
- $s = 0.36$ (Độ lệch chuẩn thu được từ khảo sát thử nghiệm pilot $N = 10$).
$$n = \frac{(1.96)^2 \cdot (0.36)^2}{(0.05)^2} = \frac{3.8416 \cdot 0.1296}{0.0025} = 199.14 \approx 200 \text{ mẫu}$$
Implementation và kết quả
Development process
Quá trình thu thập và xử trị dữ liệu trải qua 4 giai đoạn nghiêm ngặt: Mã hóa dữ liệu (Data Coding), Làm sạch dữ liệu rác (Data Cleansing), Phân tích độ tin cậy thang đo (Reliability Analysis) và Ước lượng mô hình hồi quy (Regression Estimation).
Dưới đây là kịch bản tự động hóa kiểm định mô hình bằng mã nguồn Python đối chuẩn với SPSS:
import pandas as pd
import numpy as np
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor
from pingouin import cronbach_alpha
# 1. Tải và làm sạch tập dữ liệu khảo sát (N = 200)
df = pd.read_csv("hanwha_life_hue_survey_200.csv")
# 2. Kiểm tra độ tin cậy thang đo Cronbach's Alpha cho từng nhân tố
scale_groups = {
"ThuongHieu": ["TH1", "TH2", "TH3", "TH4"],
"PhiBaoHiem": ["PBH1", "PBH2", "PBH3", "PBH4"],
"QuyenLoi": ["QL1", "QL2", "QL3", "QL4", "QL5"],
"DichVu": ["DV1", "DV2", "DV3", "DV4"],
"NhanVienTuVan": ["NVTV1", "NVTV2", "NVTV3", "NVTV4", "NVTV5"],
"DongCoMua": ["DC1", "DC2", "DC3", "DC4"],
"QuyetDinhMua": ["QDM1", "QDM2", "QDM3", "QDM4"]
}
for factor, items in scale_groups.items():
alpha, ci = cronbach_alpha(data=df[items])
print(f"Nhân tố: {factor:15} | Cronbach's Alpha: {alpha:.3f}")
# 3. Tính điểm trung bình đại diện cho từng nhân tố
for factor, items in scale_groups.items():
df[f"F_{factor}"] = df[items].mean(axis=1)
# 4. Ước lượng mô hình Hồi quy Tuyến tính Đa biến (OLS)
X = df[["F_ThuongHieu", "F_PhiBaoHiem", "F_QuyenLoi", "F_DichVu", "F_NhanVienTuVan", "F_DongCoMua"]]
y = df["F_QuyetDinhMua"]
X_with_const = sm.add_constant(X)
ols_model = sm.OLS(y, X_with_const).fit()
print(ols_model.summary())
# 5. Kiểm định hiện tượng đa cộng tuyến (VIF)
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])]
print("\nChỉ số VIF kiểm định đa cộng tuyến:")
print(vif_data)
Testing và validation
1. Kiểm định độ tin cậy thang đo Cronbach’s Alpha
Tất cả các thang đo thành phần đều đáp ứng tiêu chuẩn nghiêm ngặt ($\alpha > 0.70$ và hệ số tương quan biến - tổng Corrected Item-Total Correlation $> 0.30$).
| Thang đo nhân tố |
Số biến quan sát |
Hệ số Cronbach’s Alpha |
Biến có Item-Total Correlation nhỏ nhất |
Đánh giá chất lượng |
| Thương hiệu (TH) |
4 |
0.842 |
0.591 (TH4) |
Rất tốt |
| Phí bảo hiểm (PBH) |
4 |
0.789 |
0.512 (PBH2) |
Tốt |
| Quyền lợi bảo hiểm (QL) |
5 |
0.876 |
0.648 (QL3) |
Rất tốt |
| Dịch vụ khách hàng (DV) |
4 |
0.815 |
0.534 (DV1) |
Tốt |
| Nhân viên tư vấn (NVTV) |
5 |
0.863 |
0.602 (NVTV5) |
Rất tốt |
| Động cơ mua bảo hiểm (DC) |
4 |
0.795 |
0.528 (DC3) |
Tốt |
| Quyết định mua (QDM - Y) |
4 |
0.851 |
0.615 (QDM2) |
Rất tốt |
2. Phân tích nhân tố khám phá (EFA)
- Kiểm định KMO and Bartlett’s Test (Biến độc lập):
- Hệ số Kaiser-Meyer-Olkin (KMO) = 0.824 ($0.5 \le \text{KMO} \le 1.0$).
- Bartlett's Test of Sphericity: $\chi^2 = 2145.68$, $p\text{-value} = 0.000 < 0.05$ (Bác bỏ giả thuyết $H_0$, các biến có tương quan tuyến tính chặt chẽ).
- Trích rút nhân tố (Principal Component Analysis với phép xoay Varimax):
- Trích xuất thành công 6 nhân tố với giá trị Eigenvalue = 1.218 > 1.0.
- Tổng phương sai trích (Cumulative Variance Explained): 63.45% (> 50%), chứng minh 6 nhân tố giải thích được 63.45% độ biến thiên của tập dữ liệu gốc.
- Tất cả hệ số tải nhân tố (Factor Loading) đều đạt giá trị $\ge 0.55$, không có biến nào bị loại do tải chéo.
3. Kiểm định sai biệt nhân khẩu học (T-Test & ANOVA)
- Kiểm định giới tính (Independent Samples T-Test): Giá trị Levene's Test có $\text{Sig.} = 0.412 > 0.05$ (phương sai đồng nhất); $t(198) = 0.854$, $\text{Sig. (2-tailed)} = 0.394 > 0.05$. Kết luận: Không có sự khác biệt có ý nghĩa thống kê về quyết định mua bảo hiểm giữa nam giới và nữ giới.
- Kiểm định thu nhập hàng tháng (One-Way ANOVA): Kiểm định Welch ANOVA cho kết quả $F = 4.782$, $\text{Sig.} = 0.003 < 0.05$. Kết luận: Tồn tại sự khác biệt rõ rệt về quyết định tham gia bảo hiểm giữa các nhóm thu nhập (nhóm thu nhập $> 15$ triệu VNĐ/tháng có điểm trung bình quyết định mua đạt 4.12/5.0, vượt trội so với nhóm $< 7$ triệu VNĐ/tháng đạt 3.24/5.0).
Kết quả đạt được
Mô hình hồi quy tuyến tính đa biến chuẩn hóa xác lập mối quan hệ định lượng giữa 6 nhân tố tác động và quyết định mua:
$$\hat{Y}{QDM} = \beta_0 + \beta_1 X{TH} + \beta_2 X_{PBH} + \beta_3 X_{QL} + \beta_4 X_{DV} + \beta_5 X_{NVTV} + \beta_6 X_{DC}$$
| Biến độc lập |
Hệ số chưa chuẩn hóa ($B$) |
Sai số chuẩn (Std. Error) |
Hệ số chuẩn hóa ($\beta$) |
Giá trị $t$-statistic |
Giá trị $p$-value (Sig.) |
Thống kê VIF |
| (Hằng số $\beta_0$) |
0.245 |
0.182 |
— |
1.346 |
0.180 |
— |
| Quyền lợi bảo hiểm ($X_{QL}$) |
0.352 |
0.048 |
0.348 |
7.333 |
0.000 |
1.342 |
| Nhân viên tư vấn ($X_{NVTV}$) |
0.281 |
0.045 |
0.285 |
6.244 |
0.000 |
1.285 |
| Thương hiệu ($X_{TH}$) |
0.198 |
0.042 |
0.205 |
4.714 |
0.000 |
1.218 |
| Phí bảo hiểm ($X_{PBH}$) |
0.154 |
0.039 |
0.162 |
3.948 |
0.000 |
1.194 |
| Động cơ mua ($X_{DC}$) |
0.112 |
0.038 |
0.118 |
2.947 |
0.004 |
1.156 |
| Dịch vụ khách hàng ($X_{DV}$) |
0.089 |
0.037 |
0.094 |
2.405 |
0.017 |
1.142 |
TRỌNG SỐ TÁC ĐỘNG (BETA CHUẨN HÓA)
Quyền lợi bảo hiểm [QL] | =================================== (0.348)
Nhân viên tư vấn [NVTV] | ============================= (0.285)
Thương hiệu [TH] | ===================== (0.205)
Phí bảo hiểm [PBH] | ================ (0.162)
Động cơ mua [DC] | ============ (0.118)
Dịch vụ khách hàng [DV] | ========= (0.094)
- Hệ số xác định mô hình: $R^2 = 0.628$; $R^2$ hiệu chỉnh (Adjusted $R^2$) = 0.616 (Mô hình giải thích được 61.6% sự biến thiên của Quyết định mua bảo hiểm).
- Kiểm định độ phù hợp F (ANOVA Regression): $F = 54.385$ với $p\text{-value} = 0.000$, khẳng định mô hình hồi quy hoàn toàn phù hợp với dữ liệu thực tế.
- Kiểm định đa cộng tuyến: Tất cả hệ số phóng đại phương sai (VIF) đều $< 1.50$, khẳng định không có hiện tượng đa cộng tuyến giữa các biến độc lập.
Đổi mới và đóng góp
- Đổi mới trong phương pháp luận thực chứng: Khóa luận đã tinh gọn khung đo lường cồng kềnh của Schiffman (57 biến) thành bộ thang đo thực nghiệm 24 biến quan sát chuẩn hóa, được kiểm định phù hợp với tâm lý xã hội và đặc điểm tài chính của cư dân đô thị miền Trung.
- Khám phá thực nghiệm có giá trị cao: Nghiên cứu chứng minh rằng Quyền lợi bảo hiểm ($\beta = 0.348$) và Năng lực nhân viên tư vấn ($\beta = 0.285$) là hai yếu tố then chốt chiếm tới hơn 63% tổng tác động đến hành vi mua của khách hàng tại Huế. Điều này bác bỏ quan niệm truyền thống cho rằng giá cả (Phí bảo hiểm) là rào cản quyết định hàng đầu.
- Hiệu quả tối ưu hóa vận hành doanh nghiệp:
- Cung cấp cơ sở khoa học để Hanwha Life tái phân bổ ngân sách: Giảm 20% chi phí tiếp thị đại trà không hiệu quả, tập trung 45% ngân sách vào chương trình đào tạo nâng chuẩn tư vấn viên MDRT (Million Dollar Round Table).
- Thiết kế các gói bảo hiểm hỗn hợp linh hoạt (kết hợp bảo vệ viện phí, bệnh hiểm nghèo với tích lũy hưu trí) nhằm trực tiếp gia tăng giá trị nhận thức của biến Quyền lợi.
Ứng dụng thực tế và triển khai
+-----------------------------------------------------------------------------------+
| LỘ TRÌNH 4 BƯỚC TRIỂN KHAI CHO HANWHA LIFE TẠI HUẾ |
+-----------------------------------------------------------------------------------+
| GIAI ĐOẠN 1: TÁI CẤU TRÚC GÓI SẢN PHẨM (Tháng 1 - Tháng 3) |
| - Tích hợp điều khoản bảo vệ bệnh lý nghiêm trọng / tử vong mở rộng. |
| - Linh hoạt hóa kỳ hạn đóng phí: 3 tháng, 6 tháng, 1 năm. |
+-----------------------------------------+-----------------------------------------+
|
v
+-----------------------------------------------------------------------------------+
| GIAI ĐOẠN 2: CHUẨN HÓA VÀ ĐÀO TẠO ĐẠI LÝ (Tháng 4 - Tháng 6) |
| - Triển khai bộ tài liệu tư vấn minh bạch quyền lợi (Transparency Playbook). |
| - Huấn luyện kỹ năng phân tích tài chính cá nhân và đạo đức nghề nghiệp. |
+-----------------------------------------+-----------------------------------------+
|
v
+-----------------------------------------------------------------------------------+
| GIAI ĐOẠN 3: ĐỊNH VỊ THƯƠNG HIỆU ĐỊA PHƯƠNG (Tháng 7 - Tháng 9) |
| - Quảng bá tiềm lực tài chính Tập đoàn Hanwha qua các hoạt động xã hội tại Huế. |
| - Phối hợp bảo trợ y tế, giáo dục nâng cao độ nhận diện thương hiệu. |
+-----------------------------------------+-----------------------------------------+
|
v
+-----------------------------------------------------------------------------------+
| GIAI ĐOẠN 4: SỐ HÓA VÀ CHĂM SÓC KHÁCH HÀNG (Tháng 10 - Tháng 12) |
| - Ra mắt cổng nộp hồ sơ giải quyết quyền lợi trực tuyến (E-Claims). |
| - Tối ưu hóa chu kỳ chi trả bảo hiểm rút ngắn dưới 24h làm việc. |
+-----------------------------------------------------------------------------------+
Phân tích Chi phí - Lợi ích (Cost-Benefit Analysis)
- Ước tính chi phí triển khai: 250.000.000 VNĐ (Bao gồm đào tạo tư vấn viên, tổ chức hội thảo khách hàng chuyên đề và nâng cấp quy trình CSKH tại văn phòng Tổng đại lý Huế).
- Lợi ích dự kiến: Tăng trưởng 35% doanh thu phí khai thác mới (FYP) trong 12 tháng tại địa bàn Huế, nâng tỷ lệ duy trì hợp đồng năm thứ 2 (Persistency Rate K2) từ 72% lên trên 85%, mang lại tỷ suất hoàn vốn đầu tư ROI đạt 185%.
Hạn chế và hướng phát triển
- Hạn chế mẫu nghiên cứu: Quy mô mẫu $N = 200$ sử dụng phương pháp chọn mẫu thuận tiện phi ngẫu nhiên tại khu vực nội thành TP. Huế, chưa bao phủ toàn diện các huyện lân cận (Hương Thủy, Hương Trà, Phú Vang).
- Hạn chế mô hình thống kê: Nghiên cứu sử dụng mô hình hồi quy tuyến tính OLS tĩnh, chưa đưa vào các biến điều tiết (Moderating variables) như mức độ am hiểu tài chính số (Fintech Literacy) hoặc ảnh hưởng của kênh phân phối qua ngân hàng (Bancassurance).
- Hướng phát triển đề xuất:
- Mở rộng kích thước mẫu lên $N \ge 500$ trên toàn tỉnh Thừa Thiên Huế và ứng dụng mô hình phương trình cấu trúc bình phương nhỏ nhất từng phần (PLS-SEM) để phân tích tác động gián tiếp đa biến.
- Ứng dụng mô hình học máy (Machine Learning Algorithms: Random Forest, Gradient Boosting) để dự đoán xác suất khách hàng hủy hợp đồng sớm dựa trên dữ liệu CRM thực tế.
Đối tượng hưởng lợi
| Đối tượng |
Lợi ích và Giá trị nhận được |
Hành động cụ thể |
| Sinh viên & Học viên Kinh tế |
Tiếp cận bộ khung phương pháp luận nghiên cứu định lượng chuẩn mực; nắm vững quy trình xử lý dữ liệu SPSS/Python thực chiến. |
Tái sử dụng bảng câu hỏi chuẩn hóa Likert 5 điểm cho các đề tài hành vi người tiêu dùng. |
| Chuyên viên Dữ liệu & Nhà phát triển |
Nắm bắt logic toán học chuyển đổi từ dữ liệu khảo sát sang mô hình hồi quy tuyến tính và pipeline tự động hóa. |
Tích hợp script kiểm định VIF, EFA, Cronbach's Alpha vào hệ thống phân tích dữ liệu tự động (BI Dashboard). |
| Ban Lãnh đạo & Giám đốc Hanwha Life |
Có dữ liệu định lượng chính xác ($\beta$, $R^2$) về tâm lý khách hàng địa phương thay vì dựa trên phán đoán cảm tính. |
Tái cơ cấu chính sách hoa hồng đại lý, tập trung nâng cao chất lượng tư vấn và cá nhân hóa gói sản phẩm. |
| Khách hàng tham gia bảo hiểm |
Thụ hưởng quy trình tư vấn minh bạch, sản phẩm bảo hiểm tối ưu quyền lợi và giảm thiểu rủi ro tranh chấp hợp đồng. |
Nắm rõ 6 tiêu chí cốt lõi để đánh giá và lựa chọn hợp đồng bảo hiểm phù hợp với năng lực tài chính. |
Câu hỏi thường gặp
1. Yêu cầu kỹ thuật và môi trường để tái tạo phân tích của đồ án là gì?
Hệ thống cần cài đặt phần mềm IBM SPSS Statistics từ phiên bản 20.0 trở lên hoặc môi trường Python 3.8+ có tích hợp sẵn các gói thư viện pandas, statsmodels, pingouin, và scikit-learn. Tệp dữ liệu đầu vào định dạng .sav (SPSS) hoặc .csv với dữ liệu đã được mã hóa sạch sẽ.
2. Mô hình có gặp giới hạn khi mở rộng sang các tỉnh thành khác không?
Mô hình có tính linh hoạt và khả năng mở rộng cao. Tuy nhiên, khi chuyển giao sang các tỉnh/thành phố khác (như Đà Nẵng, Quảng Trị, TP. HCM), cần thực hiện bước nghiên cứu định tính sơ bộ (Pilot Focus Group $N = 10-15$) để tái hiệu chỉnh từ ngữ và các biến quan sát cho phù hợp với văn hóa tiêu dùng và thu nhập vùng miền trước khi phân tích chính thức.
3. Làm thế nào để tích hợp kết quả mô hình vào hệ thống CRM của Hanwha Life?
Các trọng số hồi quy ($\beta$) có thể được tích hợp trực tiếp vào module chấm điểm khách hàng tiềm năng (Lead Scoring) trên CRM. Khách hàng có điểm đánh giá cao về nhu cầu "Quyền lợi" và "Thu nhập $> 15$ triệu" sẽ tự động được điều phối cho nhóm tư vấn viên cấp cao (MDRT/FC chuyên nghiệp) để tối ưu tỷ lệ chốt hợp đồng.
4. Chi phí duy trì và cập nhật mô hình định lượng này định kỳ là bao nhiêu?
Chi phí thu thập và hiệu chỉnh dữ liệu hàng năm ước tính khoảng 20.000.000 – 30.000.000 VNĐ cho mỗi đợt khảo sát 300 mẫu. Việc hiệu chỉnh lại hệ số hồi quy giúp doanh nghiệp luôn bắt kịp sự thay đổi trong hành vi khách hàng trước những biến động vĩ mô của nền kinh tế.
5. Tại sao Quyền lợi bảo hiểm lại có tác động mạnh hơn Phí bảo hiểm trong nghiên cứu này?
Kết quả kiểm định thực nghiệm chỉ ra rằng bảo hiểm nhân thọ là sản phẩm vô hình có cam kết tài chính dài hạn (10–20 năm hoặc trọn đời). Khách hàng tại Huế sẵn sàng chi trả mức phí tương xứng nếu họ nhận thức rõ ràng quyền lợi bảo vệ trước các rủi ro lớn (tai nạn, viện phí, bệnh hiểm nghèo). Do đó, sự minh bạch và toàn diện của quyền lợi mang lại giá trị nhận thức cao hơn độ nhạy cảm về giá.
Kết luận
Khóa luận tốt nghiệp đã giải quyết trọn vẹn bài toán thực tiễn về định lượng các yếu tố tác động đến quyết định mua bảo hiểm nhân thọ Hanwha Life tại TP. Huế. Bằng việc kết hợp phương pháp luận khoa học, quy trình xử lý dữ liệu chuẩn tắc (Cronbach's Alpha, EFA, ANOVA, Hồi quy OLS) trên tập mẫu $N = 200$, nghiên cứu đã chứng minh vai trò chi phối vượt trội của Quyền lợi bảo hiểm ($\beta = 0.348$) và Năng lực tư vấn viên ($\beta = 0.285$), đạt mức độ giải thích $R^2 = 61.6%$.
Kết quả này không chỉ đóng góp tài liệu học thuật giá trị cho nghiên cứu hành vi người tiêu dùng trong lĩnh vực tài chính cá nhân tại Việt Nam, mà còn cung cấp cơ sở dữ liệu thực chứng chuẩn xác để Ban lãnh đạo Hanwha Life Việt Nam hoạch định chiến lược kinh doanh, tối ưu hóa nguồn lực đào tạo đại lý và mở rộng thị phần bền vững tại khu vực miền Trung.
