Giới thiệu dự án

Thị trường bán lẻ hiện đại tại Việt Nam đang chứng kiến sự chuyển dịch mạnh mẽ từ các mô hình chợ truyền thống sang chuỗi siêu thị mini và cửa hàng tiện lợi. Theo báo cáo tổng quan ngành bán lẻ của Nielsen, tỷ lệ người tiêu dùng đô thị chuyển hướng sang các kênh phân phối hiện đại tăng trưởng liên tục trên 15% mỗi năm. Tại trung tâm kinh tế Thành phố Hồ Chí Minh (TP.HCM), mức độ cạnh tranh giữa các chuỗi bán lẻ quy mô lớn như WinMart+, Bách Hóa Xanh, Co.op Food, Satrafoods cùng các đại siêu thị như AEON, Emart, Tops Market diễn ra vô cùng khốc liệt. Tập đoàn Central Retail công bố kế hoạch rót thêm 20.000 tỷ đồng, THACO đẩy mạnh chuỗi Emart hướng tới mốc 1 tỷ USD doanh thu, trong khi Saigon Co.op liên tục mở rộng mạng lưới phân phối nhỏ.

Mặc dù WinCommerce (đơn vị vận hành WinMart+) liên tục mở rộng mạng lưới với mục tiêu hàng trăm cửa hàng mới mỗi năm, kết quả kinh doanh 9 tháng đầu năm 2022 cho thấy doanh thu toàn chuỗi đạt 12.070 tỷ đồng, giảm 19,4% so với cùng kỳ năm 2021; doanh thu từ các điểm bán mới (2.661 tỷ đồng) vẫn chịu áp lực lớn về điểm hòa vốn. Trong bối cảnh đó, nhóm khách hàng sinh viên tại hơn 100 trường đại học, cao đẳng trên địa bàn TP.HCM đại diện cho phân khúc tiêu dùng giàu tiềm năng, có tần suất mua sắm nhu yếu phẩm cao và đóng vai trò tạo lập tập khách hàng trung thành dài hạn.

flowchart LR
    A["Thực trạng thị trường<br/>Cạnh tranh chuỗi bán lẻ khốc liệt<br/>Doanh thu WinMart+ 9T/2022 giảm 19.4%"] --> B["Vấn đề nghiên cứu<br/>Khoảng trống hành vi sinh viên TP.HCM<br/>Chưa tối ưu mô hình chuyển đổi"]
    B --> C["Giải pháp định lượng<br/>Mô hình hóa đa biến TRA/TPB<br/>Khảo sát N=150 & Phân tích SPSS 20.0"]
    C --> D["Kết quả & Hàm ý<br/>Xác định 5 nhân tố tác động chính<br/>Tối ưu hóa chiến lược Retail Analytics"]

Vấn đề nghiên cứu (Problem Statement)

Các chiến lược tiếp thị bán lẻ hiện hành thường đánh đồng hành vi tiêu dùng của sinh viên với nhóm khách hàng đại chúng, dẫn đến sự thiếu hụt các chính sách giá, danh mục hàng hóa và dịch vụ chuyên biệt. Sự sụt giảm doanh thu của chuỗi cửa hàng tiện ích đòi hỏi một nghiên cứu thực nghiệm định lượng chính xác:

  1. Xác định rào cản tâm lý và các biến số môi trường chi phối hành vi mua sắm của sinh viên.
  2. Đo lường tỷ trọng tác động của từng nhân tố đến quyết định tiêu dùng thực tế.
  3. Giải quyết bài toán tối ưu hóa chi phí vận hành gắn liền với điểm chạm khách hàng trẻ.

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý luận về hành vi người tiêu dùng dựa trên Thuyết hành động hợp lý (TRA) và Thuyết hành vi có kế hoạch (TPB).
  2. Nhận diện và xác thực thang đo 6 nhóm nhân tố: Địa điểm/Cơ sở vật chất, Sản phẩm, An toàn vệ sinh thực phẩm, Giá bán, Khuyến mãi, Nhân viên.
  3. Đo lường mức độ tác động bằng mô hình hồi quy tuyến tính đa biến trên dữ liệu khảo sát sinh viên TP.HCM.
  4. Đề xuất hệ thống giải pháp và hàm ý quản trị giúp WinCommerce nâng cao năng lực cạnh tranh và hiệu quả kinh doanh.

Phương pháp tiếp cận và kết quả kỳ vọng

Nghiên cứu kết hợp hai giai đoạn: nghiên cứu định tính (tham vấn chuyên gia và thảo luận nhóm tập trung $N=5$) để hiệu chỉnh thang đo, tiếp nối bởi nghiên cứu định lượng ($N=150$ mẫu hợp lệ) sử dụng phần mềm SPSS Statistics phiên bản 20.0. Kết quả đo lường cung cấp bộ trọng số hồi quy chuẩn hóa ($\beta$), chỉ số kiểm định độ tin cậy Cronbach's Alpha $> 0.7$, chỉ số KMO $> 0.5$ và hệ số xác định $R^2$ hiệu chỉnh để dự báo chính xác quyết định mua hàng.

Phạm vi và giới hạn

  • Không gian: Sinh viên đang sinh sống, học tập tại các trường Đại học/Cao đẳng trên địa bàn TP.HCM.
  • Thời gian: Thu thập và phân tích dữ liệu sơ cấp từ tháng 09/2022 đến tháng 12/2022.
  • Giới hạn: Phương pháp chọn mẫu thuận tiện có giới hạn về kích thước mẫu ($N=150$), tập trung vào mô hình bán lẻ chuỗi siêu thị mini WinMart+.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường bán lẻ tiện ích đô thị tại TP.HCM phân hóa theo các nhóm giải pháp chính sau:

Chuỗi bán lẻ / Giải pháp Ưu điểm cốt lõi Nhược điểm / Hạn chế Mức độ phù hợp với sinh viên
Chợ truyền thống Giá rẻ, khả năng thương lượng giá, độ tươi sống cao Thiếu kiểm soát vệ sinh, thanh toán tiền mặt, không đồng nhất chất lượng Trung bình (phụ thuộc thói quen cũ)
Cửa hàng tiện lợi 24/7 (GS25, Circle K) Không gian ăn uống tại chỗ, mở 24/7, dịch vụ cộng thêm Đơn giá cao, danh mục thực phẩm tươi sống hạn chế Rất cao cho nhu cầu ăn vặt / học tập
Siêu thị mini (WinMart+, Bách Hóa Xanh) Mạng lưới phủ rộng, hàng hóa truy xuất nguồn gốc, bình ổn giá Không gian nhỏ hẹp, trải nghiệm dịch vụ chưa đồng đều Rất cao cho nhu cầu tiêu dùng thiết yếu

Ưu tiên nhu cầu của đối tượng sinh viên theo mô hình MoSCoW:

  • Must have (Bắt buộc): Minh bạch giá niêm yết, chứng nhận an toàn thực phẩm, vị trí cửa hàng gần khuôn viên trường/ký túc xá.
  • Should have (Nên có): Tốc độ thanh toán nhanh, thanh toán không tiền mặt (MoMo, ZaloPay, VietQR), chương trình trợ giá/giảm giá combo.
  • Could have (Có thể có): Không gian máy lạnh nghỉ chân ngắn, hỗ trợ đổi trả linh hoạt.
  • Won't have (Chưa ưu tiên): Dịch vụ khách hàng cao cấp, khu trưng bày hàng ngoại nhập đắt tiền.
                  +----------------------------------------------+
                  |           KHUNG MÔ HÌNH NGHIÊN CỨU           |
                  +----------------------------------------------+
                  |                                              |
                  |  [CS] Địa điểm / Cơ sở vật chất (4 items)    |--+
                  |  [SP] Sản phẩm & Danh mục hàng (4 items)     |--|
                  |  [AT] An toàn vệ sinh thực phẩm (5 items)    |--+--> [QD] Quyết định
                  |  [GB] Giá bán & Chính sách giá (4 items)     |--|    mua sắm (3 items)
                  |  [KM] Hoạt động Khuyến mãi (4 items)         |--|
                  |  [NV] Thái độ phục vụ Nhân viên (5 items)    |--+
                  |                                              |
                  +----------------------------------------------+

Thiết kế hệ thống đo lường và cấu trúc dữ liệu

Mô hình nghiên cứu kế thừa từ mô hình TRA (Fishbein & Ajzen, 1975) và TPB (Ajzen, 1991), được cụ thể hóa thành 26 biến quan sát thuộc 6 nhóm biến độc lập và 1 biến phụ thuộc:

$$\text{QD} = \beta_0 + \beta_1 \text{CS} + \beta_2 \text{SP} + \beta_3 \text{AT} + \beta_4 \text{GB} + \beta_5 \text{KM} + \beta_6 \text{NV} + \epsilon$$

+---------------------------------------------------------------------------------------+
|                                DATA SCHEMA (SURVEY DATASET)                           |
+---------------------------------------------------------------------------------------+
| Field Name  | Type     | Constraint / Values         | Description                    |
+-------------+----------+-----------------------------+--------------------------------+
| RespondentID| INT      | Primary Key, Auto-increment | Mã định danh mẫu khảo sát      |
| Gender      | TINYINT  | 1=Nam, 2=Nữ                 | Cơ cấu giới tính               |
| AgeGroup    | TINYINT  | 1:18-20, 2:20-22, 3:>22     | Phân nhóm độ tuổi sinh viên    |
| MonthlyInc  | TINYINT  | 1:<3M, 2:3-5M, 3:>5M (VND)  | Mức thu nhập bình quân         |
| EstBudget   | TINYINT  | 1:<1M, 2:1-3M, 3:3-5M, 4:>5M| Ngân sách dự chi siêu thị/tháng|
| CS1 - CS4   | DECIMAL  | Likert Scale (1.0 - 5.0)    | Điểm biến Cơ sở vật chất       |
| SP1 - SP4   | DECIMAL  | Likert Scale (1.0 - 5.0)    | Điểm biến Sản phẩm             |
| AT1 - AT5   | DECIMAL  | Likert Scale (1.0 - 5.0)    | Điểm biến An toàn thực phẩm    |
| GB1 - GB4   | DECIMAL  | Likert Scale (1.0 - 5.0)    | Điểm biến Giá bán              |
| KM1 - KM4   | DECIMAL  | Likert Scale (1.0 - 5.0)    | Điểm biến Khuyến mãi           |
| NV1 - NV5   | DECIMAL  | Likert Scale (1.0 - 5.0)    | Điểm biến Nhân viên phục vụ    |
| QD1 - QD3   | DECIMAL  | Likert Scale (1.0 - 5.0)    | Điểm biến Quyết định mua sắm   |
+---------------------------------------------------------------------------------------+

Phương pháp luận và quy trình phân tích dữ liệu

Quy trình phân tích trải qua 4 cột mốc kiểm định thống kê:

gantt
    title Lộ trình phân tích dữ liệu và kiểm định mô hình
    dateFormat  YYYY-MM-DD
    section Giai đoạn chuẩn bị
    Tổng quan tài liệu & Thiết kế thang đo nháp :done, des1, 2022-09-01, 2022-09-15
    Thảo luận nhóm & Hiệu chỉnh thang đo (Pre-test N=30) :done, des2, 2022-09-16, 2022-09-30
    section Thu thập dữ liệu
    Khảo sát diện rộng (Google Forms + Trực tiếp N=150) :done, des3, 2022-10-01, 2022-10-25
    section Xử lý dữ liệu
    Làm sạch dữ liệu & Mã hóa SPSS 20.0 :done, des4, 2022-10-26, 2022-11-05
    Kiểm định Cronbach's Alpha & EFA :done, des5, 2022-11-06, 2022-11-15
    Phân tích Hồi quy Đa biến & ANOVA :done, des6, 2022-11-16, 2022-11-25
    Tổng kết hàm ý quản trị & Báo cáo khóa luận :done, des7, 2022-11-26, 2022-12-05

Implementation và kết quả

Quy trình phân tích dữ liệu và thuật toán thống kê

Nghiên cứu sử dụng pipeline toán học tiêu chuẩn trong thống kê kinh tế ứng dụng:

  1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha): $$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^{K} \sigma_{Y_i}^2}{\sigma_X^2} \right)$$ Điều kiện chấp nhận: $\alpha \ge 0.70$; Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0.30$.

  2. Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA):

    • Trích xuất nhân tố: Principal Axis Factoring / Principal Components với phép quay Varimax.
    • Điều kiện: $0.5 \le \text{KMO} \le 1.0$, Sig Bartlett's Test $< 0.05$, Factor Loading $\ge 0.50$, Tổng phương sai trích (Total Variance Explained) $\ge 50%$, Eigenvalue $\ge 1.0$.

  3. Chẩn đoán đa cộng tuyến: $$\text{VIF}_j = \frac{1}{1 - R_j^2}$$ Mô hình đạt yêu cầu khi $\text{VIF} < 2.0$ (ngưỡng an toàn tuyệt đối, tránh hiện tượng sai lệch ước lượng OLS).

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

# Script tái lập mô hình ước lượng hồi quy OLS đa biến trên tập dữ liệu khảo sát
def run_regression_pipeline(data_path: str):
    # 1. Load cleaned survey dataset (N=150, Likert 1-5)
    df = pd.read_csv(data_path)
    
    # 2. Xây dựng biến tổng hợp đại diện từ điểm trung bình thang đo
    df['CS'] = df[['CS1', 'CS2', 'CS3', 'CS4']].mean(axis=1)
    df['SP'] = df[['SP1', 'SP2', 'SP3', 'SP4']].mean(axis=1)
    df['AT'] = df[['AT1', 'AT2', 'AT3', 'AT4', 'AT5']].mean(axis=1)
    df['GB'] = df[['GB1', 'GB2', 'GB3', 'GB4']].mean(axis=1)
    df['KM'] = df[['KM1', 'KM2', 'KM3', 'KM4']].mean(axis=1)
    df['NV'] = df[['NV1', 'NV2', 'NV3', 'NV4', 'NV5']].mean(axis=1)
    df['QD'] = df[['QD1', 'QD2', 'QD3']].mean(axis=1)
    
    # 3. Định nghĩa biến độc lập (X) và biến phụ thuộc (Y)
    independent_vars = ['CS', 'SP', 'AT', 'GB', 'KM', 'NV']
    X = df[independent_vars]
    X_with_const = sm.add_constant(X)
    y = df['QD']
    
    # 4. Ước lượng mô hình OLS
    model = sm.OLS(y, X_with_const).fit()
    
    # 5. Tính toán hệ số phóng đại phương sai (VIF)
    vif_data = pd.DataFrame()
    vif_data["Variable"] = independent_vars
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(len(independent_vars))]
    
    return model.summary(), vif_data

# SPSS Syntax tương đương:
# REGRESSION
#   /MISSING LISTWISE
#   /STATISTICS COEFF OUTS R ANOVA COLLIN TOL
#   /CRITERIA=PIN(.05) POUT(.10)
#   /NOORIGIN
#   /DEPENDENT QD
#   /METHOD=ENTER CS SP AT GB KM NV.

Kết quả kiểm định thống kê và đo lường mô hình

Dữ liệu thu thập từ $N=150$ sinh viên trải qua các bước kiểm định đạt tiêu chuẩn nghiêm ngặt:

Biến tiềm ẩn Số biến quan sát Cronbach's Alpha sơ bộ ($N=30$) Cronbach's Alpha chính thức ($N=150$) Tương quan biến - tổng nhỏ nhất Đánh giá độ tin cậy
Địa điểm / Cơ sở vật chất (CS) 4 0.807 0.824 0.582 (CS2) Đạt chuẩn cao
Sản phẩm (SP) 4 0.799 0.789 0.514 (SP4) Đạt chuẩn
An toàn vệ sinh thực phẩm (AT) 5 0.811 0.846 0.598 (AT1) Đạt chuẩn cao
Giá bán / Chính sách giá (GB) 4 0.770 0.795 0.531 (GB4) Đạt chuẩn
Khuyến mãi (KM) 4 0.835 0.841 0.612 (KM3) Đạt chuẩn cao
Nhân viên phục vụ (NV) 5 0.867 0.872 0.645 (NV2) Rất tin cậy
Quyết định mua sắm (QD) 3 0.815 0.838 0.651 (QD1) Biến phụ thuộc chuẩn 
KẾT QUẢ PHÂN TÍCH EFA (BIẾN ĐỘC LẬP LẦN CUỐI):
- Hệ số KMO = 0.812 (> 0.5) -> Dữ liệu hoàn toàn thích hợp cho EFA
- Kiểm định Bartlett's Test: Chi-Square = 1642.58, Sig. = 0.000 (< 0.001)
- Tổng phương sai trích (Total Variance Explained) = 64.38% (> 50%)
- Điểm dừng trích nhân tố (Eigenvalue) = 1.218 (> 1.0) -> Rút trích thành công các nhóm nhân tố

Kết quả phân tích hồi quy tuyến tính đa biến

Khi thực hiện hồi quy tuyến tính đa biến giữa 6 nhân tố độc lập với biến phụ thuộc Quyết định mua sắm (QD), kết quả kiểm định giả thuyết được tổng hợp chi tiết:

Biến độc lập Hệ số chưa chuẩn hóa ($B$) Sai số chuẩn (Std. Error) Hệ số chuẩn hóa ($\beta$) Giá trị kiểm định $t$ Mức ý nghĩa (Sig.) Hệ số phóng đại phương sai (VIF) Kết luận giả thuyết
Hằng số (Constant) 0.245 0.182 - 1.346 0.180 - -
Cơ sở vật chất (CS) 0.218 0.054 0.231 4.037 0.000 1.342 Chấp nhận $H_1$
Sản phẩm (SP) 0.042 0.049 0.048 0.857 0.393 1.285 Bác bỏ $H_2$ (Không có ý nghĩa)
An toàn thực phẩm (AT) 0.284 0.051 0.302 5.568 0.000 1.412 Chấp nhận $H_3$ (Tác động mạnh nhất)
Giá bán (GB) 0.194 0.048 0.205 4.041 0.000 1.310 Chấp nhận $H_4$
Khuyến mãi (KM) 0.165 0.044 0.178 3.750 0.000 1.298 Chấp nhận $H_5$
Nhân viên (NV) 0.182 0.046 0.191 3.956 0.000 1.355 Chấp nhận $H_6$ 
CHỈ SỐ ĐÁNH GIÁ MÔ HÌNH HỒI QUY HIỆU CHỈNH:
- Hệ số tương quan R = 0.784
- Hệ số xác định R Square (R²) = 0.615
- R Square hiệu chỉnh (Adjusted R²) = 0.602 -> Giải thích được 60.2% sự biến thiên của Quyết định mua sắm
- Kiểm định F-test = 47.854 (Sig. = 0.000) -> Mô hình hồi quy tuyến tính phù hợp tổng thể
- Hệ số Durbin-Watson = 1.892 (Nằm trong khoảng 1.5 - 2.5) -> Không vi phạm hiện tượng tự tương quan chuỗi

Phương trình hồi quy chuẩn hóa cuối cùng:

$$\text{QD} = 0.302 \times \text{AT} + 0.231 \times \text{CS} + 0.205 \times \text{GB} + 0.191 \times \text{NV} + 0.178 \times \text{KM}$$

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp khoa học và thực tiễn quan trọng, phân định rõ nét đặc thù tiêu dùng của sinh viên so với các công trình trước đây:

                            MỨC ĐỘ TÁC ĐỘNG CHUẨN HÓA (BETA)
    +-------------------------------------------------------------------------+
    | An toàn vệ sinh thực phẩm (AT) [||||||||||||||||||||||||||||||] 0.302    |
    | Cơ sở vật chất / Địa điểm (CS) [|||||||||||||||||||||||]       0.231    |
    | Giá bán / Chính sách giá  (GB) [||||||||||||||||||||]          0.205    |
    | Nhân viên phục vụ         (NV) [||||||||||||||||||]            0.191    |
    | Hoạt động Khuyến mãi      (KM) [|||||||||||||||||]             0.178    |
    | Tính đa dạng Sản phẩm     (SP) [||] 0.048 (Sig = 0.393 - Loại bỏ)       |
    +-------------------------------------------------------------------------+

So sánh mô hình nghiên cứu với các công trình tiêu biểu

Tiêu chí so sánh Nguyễn Hải Ninh & Đinh Vân Oanh (2015) Trần Văn Dũng & Nguyễn Thị Minh Tâm (2020) Mô hình nghiên cứu hiện tại (2022)
Đối tượng nghiên cứu Người tiêu dùng đại chúng tại siêu thị lớn Khách hàng mua thực phẩm tại MM Mega Market Sinh viên ĐH/CĐ tại chuỗi minimart WinMart+
Kích thước & Phạm vi $N=350$ (Đô thị miền Bắc) $N=220$ (Long Xuyên) $N=150$ (TP. Hồ Chí Minh)
Nhân tố tác động lớn nhất Hàng hóa / Dịch vụ ($\beta = 0.342$) An toàn vệ sinh thực phẩm ($\beta = 0.315$) An toàn vệ sinh thực phẩm ($\beta = 0.302$)
Trạng thái biến "Sản phẩm" Có ý nghĩa thống kê cao ($p < 0.01$) Có ý nghĩa thống kê ($p < 0.05$) Không có ý nghĩa thống kê ($p = 0.393$)
Độ giải thích mô hình ($R^2$) 54.8% 58.2% 60.2% (Adjusted $R^2$)

Các điểm cải tiến và phát hiện mới

  1. Phát hiện nghịch lý về biến "Sản phẩm": Khác biệt với nhóm khách hàng hộ gia đình thường quan tâm sâu sắc đến chủng loại phong phú, sinh viên coi các mặt hàng tại WinMart+ là hàng tiêu dùng thiết yếu đồng nhất (commoditized). Do đó, sự đa dạng sản phẩm không đóng vai trò kích hoạt quyết định mua, giúp doanh nghiệp tránh lãng phí chi phí mở rộng SKU không cần thiết.
  2. Ưu tiên tuyệt đối cho An toàn thực phẩm ($\beta = 0.302$): Bác bỏ quan điểm cho rằng sinh viên chỉ quan tâm đến giá rẻ. Sinh viên thế hệ mới đặt nặng tiêu chí tem nhãn phụ, chứng nhận VietGAP, truy xuất nguồn gốc và hạn sử dụng tươi trong ngày.
  3. Độ nhạy cảm cao với không gian và nhân viên: Địa điểm thuận lợi trên tuyến đường đi học cùng thái độ phục vụ thân thiện, thanh toán nhanh ($\beta = 0.191$) tạo ra lợi thế cạnh tranh vượt trội hơn cả các đợt khuyến mãi ngắn hạn ($\beta = 0.178$).

Ứng dụng thực tế và triển khai

Dựa trên bộ trọng số hồi quy chuẩn hóa, WinCommerce có thể triển khai ma trận giải pháp thực tế theo lộ trình tối ưu hóa vận hành bán lẻ:

flowchart TD
    subgraph Chiến lược 1: Kiểm soát chất lượng thực phẩm
        AT_Action["Kiểm soát ATVSTP (Beta = 0.302)<br/>- 100% tem QR truy xuất nguồn gốc<br/>- Quy chuẩn tách biệt đồ sống/chín<br/>- Cơ chế Discount 30-50% sau 19h"]
    end
    subgraph Chiến lược 2: Quy hoạch không gian & Điểm bán
        CS_Action["Tối ưu Cơ sở vật chất (Beta = 0.231)<br/>- Phủ điểm bán bán kính 500m quanh Ký túc xá<br/>- Nhiệt độ điều hòa tiêu chuẩn 22-24°C<br/>- Bố trí sơ đồ luồng di chuyển tinh gọn"]
    end
    subgraph Chiến lược 3: Chính sách giá sinh viên
        GB_Action["Chiến lược Định giá (Beta = 0.205)<br/>- Gói Combo 'Sinh viên tiết kiệm'<br/>- Tích hợp tài khoản Member Win giảm 20% MEATDeli/WinEco<br/>- Niêm yết bảng giá so sánh chợ truyền thống"]
    end
    AT_Action --> RetOps["Vận hành WinMart+<br/>Tăng trưởng 18-22% tỷ lệ quay lại<br/>Rút ngắn thời gian hòa vốn điểm bán mới"]
    CS_Action --> RetOps
    GB_Action --> RetOps

Kế hoạch hành động chi tiết (Action Plan)

  1. Chiến lược An toàn thực phẩm ($\beta = 0.302$):
    • Thiết lập bảng điện tử công khai nguồn gốc nông sản WinEco và thịt sạch MEATDeli tại từng cửa hàng.
    • Áp dụng quy chuẩn loại bỏ 100% hàng cận date trước 24 giờ; dán nhãn "Thực phẩm sử dụng trong ngày" cho nhóm hàng sơ chế.
  2. Chiến lược Mặt bằng & Cơ sở vật chất ($\beta = 0.231$):
    • Tối ưu hóa layout: Đặt quầy đồ ăn nhanh/nước uống ngay cửa ra vào; lối đi tối thiểu 1.2m.
    • Lắp đặt hệ thống chiếu sáng chuẩn 6500K và điều hòa ổn định tạo không gian mua sắm mát mẻ, sạch sẽ.
  3. Chiến lược Giá bán & Khuyến mãi ($\beta = 0.205$ & $\beta = 0.178$):
    • Tích hợp gói quyền lợi "Hội viên Sinh viên" thông qua ứng dụng WinMart/Techcombank: Hoàn tiền hoặc chiết khấu trực tiếp 5-10% cho các mặt hàng ăn uống liền.
    • Chương trình khuyến mãi "Flash Sale khung giờ tan học" (11h30 - 13h00 và 17h00 - 18h30).
  4. Chuẩn hóa dịch vụ Nhân viên ($\beta = 0.191$):
    • Đào tạo kỹ năng giao tiếp niềm nở, hỗ trợ tìm kiếm hàng hóa nhanh dưới 30 giây.
    • Tích hợp máy quét tự phục vụ (Self-checkout) hoặc thanh toán QR Code đa kênh để giảm thời gian chờ đợi tại quầy thu ngân xuống dưới 1 phút/khách.

Ước tính hiệu quả kinh tế và ROI triển khai

Hạng mục đầu tư Chi phí dự kiến / Cửa hàng (VNĐ) Lợi ích vận hành đạt được ROI kỳ vọng (12 tháng)
Nâng cấp nhận diện & Module thực phẩm sạch 15.000.000 Tăng sản lượng tiêu thụ thực phẩm tươi sống thêm 25% Hoàn vốn sau 4.5 tháng
Hệ thống phần mềm thẻ hội viên sinh viên 30.000.000 (Phân bổ chuỗi) Tăng tần suất ghé thăm từ 1.8 lần/tuần lên 3.2 lần/tuần Tăng doanh thu ròng phân khúc trẻ +18%
Đào tạo chuẩn hóa dịch vụ nhân sự 5.000.000 Giảm tỷ lệ khiếu nại dịch vụ xuống dưới 1% Tăng chỉ số hài lòng khách hàng (CSAT) lên 92%

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và phương pháp luận

  • Quy mô mẫu: Mẫu nghiên cứu $N=150$ đáp ứng đủ tiêu chuẩn phân tích hồi quy theo Hair et al. ($5 \times 26 = 130$), nhưng chưa bao phủ toàn diện toàn bộ 100+ trường ĐH/CĐ tại TP.HCM.
  • Phương pháp lấy mẫu: Thu thập mẫu thuận tiện (Convenience Sampling) có thể tồn tại sai số tự chọn (Self-selection bias).
  • Mô hình tĩnh: Nghiên cứu cắt ngang (Cross-sectional study) tại một thời điểm (cuối năm 2022), chưa ghi nhận sự biến động hành vi theo mùa vụ (ví dụ: kỳ nghỉ Tết, mùa nhập học).

Hướng mở rộng nghiên cứu

  • Mở rộng mô hình cấu trúc tuyến tính (SEM / PLS-SEM): Phân tích sâu các biến trung gian như Sự tin tưởng thương hiệu (Brand Trust) và Sự hài lòng (Customer Satisfaction) tác động đến Quyết định mua lặp lại (Repurchase Intention).
  • Phân tích dữ liệu lớn (Big Data Analytics): Kết hợp dữ liệu nhật ký giao dịch POS thực tế với thuật toán phân cụm khách hàng (K-Means Clustering) và mô hình RFM (Recency, Frequency, Monetary).

Đối tượng hưởng lợi

+----------------------------------------------------------------------------------------+
|                                  BENEFICIARY MATRIX                                    |
+----------------------------------------------------------------------------------------+
|   Nhóm đối tượng  |   Giá trị ứng dụng cốt lõi         |  Lợi ích định lượng kỳ vọng   |
+-------------------+------------------------------------+-------------------------------+
| 1. Sinh viên      | Minh bạch chất lượng, tối ưu chi   | Tiết kiệm 10-15% chi phí ăn   |
|    (Khách hàng)   | phí bữa ăn, an toàn sức khỏe       | uống; giảm 50% thời gian chờ  |
+-------------------+------------------------------------+-------------------------------+
| 2. Ban Quản trị   | Ra quyết định danh mục chính xác,  | Cắt giảm 12% chi phí lưu kho; |
|    WinCommerce    | định vị phân khúc sinh viên chuẩn  | tăng trưởng doanh thu +18%    |
+-------------------+------------------------------------+-------------------------------+
| 3. Nhà nghiên cứu | Bộ dữ liệu thang đo chuẩn hóa      | Cung cấp cơ sở thang đo đạt   |
|    & Giảng viên   | EFA/Cronbach's Alpha tại TP.HCM    | độ tin cậy Alpha > 0.8        |
+-------------------+------------------------------------+-------------------------------+
| 4. Chuyên viên    | Pipeline xử lý SPSS / Python cho   | Chuẩn hóa khung dự báo OLS    |
|    Data/Marketing | bài toán Customer Analytics thực tế| với độ giải thích R² = 60.2%   |
+----------------------------------------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai và tái lập mô hình nghiên cứu này là gì?

Hệ thống cần máy tính cá nhân cấu hình cơ bản (CPU 2 nhân, RAM 4GB) cài đặt phần mềm IBM SPSS Statistics phiên bản 20.0 trở lên hoặc môi trường Python 3.8+ (với các thư viện pandas, statsmodels, factor_analyzer, scikit-learn). Dữ liệu đầu vào cần được mã hóa sạch theo thang đo Likert 5 điểm, loại bỏ các bản ghi khuyết thiếu (missing values) trước khi chạy phân tích.

2. Tại sao nhân tố "Sản phẩm" lại bị loại bỏ khỏi mô hình hồi quy cuối cùng?

Trong kết quả hồi quy, nhân tố Sản phẩm có giá trị kiểm định $t = 0.857$ với mức ý nghĩa $\text{Sig.} = 0.393 > 0.05$. Về mặt thống kê, biến này không đạt độ tin cậy $95%$ để khẳng định có tác động đến quyết định mua sắm. Về mặt thực tiễn, sinh viên xem các sản phẩm tại các minimart là hàng hóa phổ thông tiêu chuẩn, nên sự khác biệt nhỏ về chủng loại không tạo ra động lực mua hàng so với an toàn thực phẩm, giá bán và vị trí cửa hàng.

3. Làm thế nào để tích hợp các phát hiện này vào hệ thống CRM/ERP hiện có của chuỗi bán lẻ?

Doanh nghiệp có thể trích xuất các trọng số $\beta$ vào thuật toán tính điểm tiềm năng khách hàng (Lead Scoring) trong hệ thống CRM. Khi hệ thống nhận diện khách hàng thuộc nhóm sinh viên (qua thông tin thẻ thành viên), ứng dụng sẽ tự động kích hoạt giao diện ưu tiên các gợi ý về thực phẩm an toàn trong ngày, thông báo khuyến mãi khung giờ tan học và áp dụng mã giảm giá trực tiếp tại quầy POS.

4. Chi phí và nguồn lực cần thiết để duy trì kiểm định định kỳ mô hình này?

Khảo sát định kỳ 6 tháng/lần với chi phí mẫu khoảng 5.000.000 - 10.000.000 VNĐ cho quà tặng khảo sát sinh viên. Đội ngũ Business Intelligence (BI) nội bộ có thể tự động hóa toàn bộ quy trình từ khâu thu thập biểu mẫu trực tuyến đến xuất báo cáo hồi quy thông qua các đoạn mã Python tự động trong vòng 2 giờ làm việc.

5. Khung thời gian hoàn vốn (ROI Timeline) dự kiến cho các giải pháp tiếp thị sinh viên là bao lâu?

Theo tính toán tài chính bán lẻ, việc tối ưu hóa danh mục thực phẩm sạch và triển khai chương trình hội viên sinh viên có điểm hòa vốn trung bình từ 3 đến 6 tháng tại các cửa hàng nằm trong bán kính 1km quanh các trường đại học, với mức tăng trưởng doanh thu trung bình dự kiến đạt $15 - 20%$ sau quý đầu tiên áp dụng.

Kết luận

Đề tài khóa luận tốt nghiệp của tác giả Mai Thị Kim Ngân (Trường Đại học Ngân hàng TP.HCM) đã giải quyết thành công bài toán thực tiễn về hành vi mua sắm của sinh viên tại chuỗi siêu thị mini WinMart+. Thông qua quy trình nghiên cứu định lượng chặt chẽ với cỡ mẫu $N=150$ và phần mềm SPSS 20.0, nghiên cứu đã chứng minh mô hình 5 nhân tố có ý nghĩa thống kê giải thích tới 60,2% sự biến thiên trong quyết định mua sắm:

  1. An toàn vệ sinh thực phẩm ($\beta = 0.302$) - Đóng vai trò tiên quyết.
  2. Địa điểm / Cơ sở vật chất ($\beta = 0.231$) - Động lực về sự tiện lợi.
  3. Giá bán & Chính sách giá ($\beta = 0.205$) - Rào cản ngân sách sinh viên.
  4. Nhân viên phục vụ ($\beta = 0.191$) - Điểm chạm trải nghiệm dịch vụ.
  5. Chương trình khuyến mãi ($\beta = 0.178$) - Đòn bẩy kích cầu ngắn hạn.

Kết quả nghiên cứu cung cấp cơ sở khoa học xác thực giúp ban lãnh đạo WinCommerce và các nhà quản trị bán lẻ tái cấu trúc danh mục đầu tư, loại bỏ các chi phí mở rộng sản phẩm không hiệu quả, tập trung nâng cao chuẩn mực an toàn thực phẩm và trải nghiệm thanh toán. Các doanh nghiệp bán lẻ và nhà nghiên cứu có thể áp dụng trực tiếp thang đo và quy trình phân tích này để tối ưu hóa chiến lược chinh phục thế hệ người tiêu dùng trẻ tại các đô thị lớn trên toàn quốc.