Giới thiệu dự án
Thị trường nội thất Việt Nam giai đoạn 2020–2025 ghi nhận tốc độ tăng trưởng kép hàng năm (CAGR - Compound Annual Growth Rate) đạt 5,0%, trong đó kim ngạch xuất khẩu gỗ và sản phẩm gỗ đạt 9,3 tỷ USD (đứng thứ 2 châu Á và thứ 5 thế giới theo báo cáo của EVBN và Mordor Intelligence). Tuy nhiên, tại thị trường nội địa, đặc biệt là các đô thị loại I như TP. Huế, các doanh nghiệp địa phương đang đối mặt với sự cạnh tranh gay gắt từ hàng nhập khẩu (chiếm hơn 50% thị phần từ Trung Quốc, Malaysia, Thái Lan) và các thương hiệu nội địa lớn.
Công ty TNHH MTV Nội Thất Wood Park (thành lập năm 2017 tại TP. Huế) đối mặt với bài toán tối ưu hóa chuyển đổi khách hàng từ giai đoạn nhận thức sang quyết định mua. Vấn đề cốt lõi (Problem Statement) là doanh nghiệp thiếu một mô hình lượng hóa chuẩn xác về các yếu tố tác động trực tiếp đến hành vi mua nội thất thông minh và cao cấp của cư dân đô thị, dẫn đến hiệu suất tiếp thị tiếp cận trực tiếp chỉ đạt tỷ lệ sinh lời thấp trong giai đoạn đầu thành lập.
+-------------------------------------------------------+
| Bối cảnh thị trường nội thất TP. Huế |
| - Tốc độ đô thị hóa nhanh, căn hộ diện tích hẹp |
| - Cạnh tranh khốc liệt từ nội thất nhập khẩu (50%+) |
+---------------------------+---------------------------+
|
v
+-------------------------------------------------------+
| Pain Points của Doanh nghiệp (Wood Park) |
| - Thiếu mô hình dữ liệu lượng hóa hành vi mua |
| - Tiếp cận khách hàng phụ thuộc quan hệ truyền thống|
| - Tỷ lệ chuyển đổi và doanh số chưa tối ưu |
+---------------------------+---------------------------+
|
v
+-------------------------------------------------------+
| Giải pháp nghiên cứu định lượng (N=120) |
| TRA/TPB + EFA + Hồi quy đa biến OLS + SPSS v20.0 |
+-------------------------------------------------------+
Mục tiêu cụ thể của dự án nghiên cứu:
- Hệ thống hóa cơ sở lý luận về hành vi tiêu dùng dựa trên Thuyết hành động hợp lý (TRA - Theory of Reasoned Action), Thuyết hành vi có kế hoạch (TPB - Theory of Planned Behavior) và Mô hình chấp nhận công nghệ (TAM - Technology Acceptance Model).
- Nhận diện và lượng hóa mức độ tác động của 5 nhóm nhân tố: Thương hiệu, Giá cả, Chất lượng sản phẩm, Dịch vụ chăm sóc khách hàng, Chuẩn chủ quan đến Quyết định mua của khách hàng.
- Kiểm định phi tham số (Mann-Whitney, Kruskal-Wallis) để tìm ra sự khác biệt về quyết định mua giữa các phân khúc nhân khẩu học (độ tuổi, thu nhập, giới tính).
- Xây dựng ma trận giải pháp kinh doanh - kỹ thuật và lộ trình số hóa dữ liệu khách hàng nhằm tăng 25–35% tỷ lệ chuyển đổi đơn hàng cho Wood Park.
Phạm vi nghiên cứu tập trung vào 120 khách hàng cá nhân đã và đang tiêu dùng sản phẩm nội thất tại showroom (29 Trần Thúc Nhẫn) và xưởng sản xuất (Phú Thượng, Phú Vang, TP. Huế), dữ liệu khảo sát thu thập từ tháng 10/2020 đến tháng 01/2021.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Nghiên cứu tiến hành rà soát các mô hình tiếp cận hành vi người tiêu dùng trên thị trường nội thất và vật liệu xây dựng dân dụng:
| Mô hình nghiên cứu |
Ưu điểm |
Hạn chế |
Khả năng ứng dụng tại Wood Park |
| Phạm Thị Trang (2020) - Siêu thị Minh Hòa |
Khảo sát 5 biến: Sản phẩm, Giá, Xã hội, Cá nhân, Thương hiệu. |
Chưa tích hợp yếu tố dịch vụ chăm sóc hậu mãi và công nghệ nội thất. |
Thấp - Mẫu tại chuỗi siêu thị bán lẻ tổng hợp. |
| Nguyễn Thị Diệu (2019) - Gạch ốp lát Phát Sơn |
Đo lường mức tác động mạnh của Thương hiệu ($\beta = 0.830$) và Giá cả. |
Tập trung vào vật liệu thô B2B, thiếu biến đo lường trải nghiệm thẩm mỹ. |
Trung bình - Đặc thù sản phẩm khác biệt. |
| Trần Thanh Quốc (2019) - Sắt thép Trường Sáng |
Đo lường hệ thống giao hàng và nhân viên bán hàng. |
Thiếu phân tích chuẩn chủ quan trong quyết định của hộ gia đình. |
Thấp - Mô hình thuần công nghiệp. |
| Mô hình đề xuất Wood Park (2021) |
Tích hợp toàn diện: Thương hiệu, Chất lượng, Giá, CSKH, Chuẩn chủ quan. |
Đòi hỏi xử lý dữ liệu kiểm định giả định hồi quy chặt chẽ. |
Tối ưu (Khớp 100% với đặc thù nội thất bespoke). |
Yêu cầu phân tích dữ liệu được phân hạng theo chuẩn MoSCoW:
- Must-have: Đo lường Cronbach's Alpha ($\ge 0.6$), phân tích nhân tố khám phá EFA (Eigenvalue $> 1.0$, KMO $\ge 0.5$), xây dựng phương trình hồi quy tuyến tính chuẩn hóa.
- Should-have: Kiểm định phân phối chuẩn phần dư (Histogram, Normal P-P Plot), kiểm tra hiện tượng đa cộng tuyến qua hệ số phóng đại phương sai (VIF $< 2.0$).
- Could-have: Kiểm định sự khác biệt phi tham số Mann-Whitney U và Kruskal-Wallis H cho các biến định tính.
- Won't-have: Mô hình hóa cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) đa tầng trong giai đoạn này.
Thiết kế hệ thống
Kiến trúc xử lý và phân tích dữ liệu nghiên cứu được chuẩn hóa qua 4 tầng:
graph TD
A[Thu thập dữ liệu sơ cấp N=120] --> B[Tiền xử lý & Mã hóa Data Dictionary]
B --> C[Kiểm định độ tin cậy Cronbach's Alpha]
C -->|Loại biến rác Item-Total < 0.3| D[Phân tích nhân tố khám phá EFA]
D -->|Kaiser Criterion Eigenvalue > 1.0| E[Phân tích tương quan Pearson]
E --> F[Hồi quy tuyến tính đa biến OLS]
F --> G[Kiểm định vi phạm giả định VIF, Durbin-Watson]
G --> H[Kiểm định ANOVA & Phi tham số Mann-Whitney/Kruskal-Wallis]
H --> I[Dashboard đề xuất giải pháp quản trị & Marketing]
Technology Stack và công cụ phân tích:
- Nền tảng phân tích thống kê: IBM SPSS Statistics v20.0 (Core Engine), Microsoft Excel 365 (Data Cleansing).
- Mã hóa biến số: Thang đo khoảng cách Likert 5 điểm (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý).
- Ngôn ngữ mô phỏng bổ trợ: Python 3.10 với các thư viện
pandas v2.1.0, scipy v1.11.0, statsmodels v0.14.0.
Cấu trúc Schema biến dữ liệu (Data Dictionary):
-- Cấu trúc bảng lưu trữ dữ liệu khảo sát hành vi người tiêu dùng
CREATE TABLE Survey_Responses (
Respondent_ID INT PRIMARY KEY AUTO_INCREMENT,
Gender ENUM('Male', 'Female') NOT NULL,
Age_Group ENUM('Under_25', '25_35', '36_45', 'Above_45') NOT NULL,
Income_Level ENUM('Under_5M', '5_10M', '10_15M', 'Above_15M') NOT NULL,
Occupation VARCHAR(50) NOT NULL,
TH1 DECIMAL(2,1), TH2 DECIMAL(2,1), TH3 DECIMAL(2,1), TH4 DECIMAL(2,1), -- Thương hiệu
GC1 DECIMAL(2,1), GC2 DECIMAL(2,1), GC3 DECIMAL(2,1), GC4 DECIMAL(2,1), -- Giá cả
CL1 DECIMAL(2,1), CL2 DECIMAL(2,1), CL3 DECIMAL(2,1), CL4 DECIMAL(2,1), -- Chất lượng
CS1 DECIMAL(2,1), CS2 DECIMAL(2,1), CS3 DECIMAL(2,1), CS4 DECIMAL(2,1), -- CSKH
CQ1 DECIMAL(2,1), CQ2 DECIMAL(2,1), CQ3 DECIMAL(2,1), CQ4 DECIMAL(2,1), -- Chuẩn chủ quan
QD1 DECIMAL(2,1), QD2 DECIMAL(2,1), QD3 DECIMAL(2,1), -- Quyết định mua
Created_At TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);
Bảo mật và toàn vẹn dữ liệu: 100% dữ liệu danh tính cá nhân được ẩn danh hóa (Anonymization), tuân thủ tiêu chuẩn bảo vệ dữ liệu khảo sát học thuật.
Methodology
Quy trình nghiên cứu kết hợp 2 giai đoạn (Mixed Methodology):
- Nghiên cứu định tính: Phỏng vấn sâu (In-depth interview) $N=10$ chuyên gia kinh doanh và khách hàng thân thiết tại TP. Huế nhằm hiệu chỉnh bảng hỏi sơ bộ 23 biến quan sát.
- Nghiên cứu định lượng: Khảo sát xác suất ngẫu nhiên đơn (Simple Random Sampling) với cỡ mẫu mục tiêu tính theo công thức Hair et al. (1998) ($N = 5 \times m = 5 \times 23 = 115$) và Tabachnick & Fidell (1991) ($N \ge 8m + 50 = 8 \times 5 + 50 = 90$). Cỡ mẫu thực tế thu về đạt $N=120$ hợp lệ.
Kế hoạch kiểm soát rủi ro dữ liệu:
- Rủi ro sai số chọn mẫu: Áp dụng kiểm định phân phối chuẩn Kolmogorov-Smirnov.
- Rủi ro đa cộng tuyến: Giám sát chặt chẽ hệ số VIF (Tolerance $> 0.1$, VIF $< 2.0$).
- Rủi ro tự tương quan: Kiểm tra chỉ số Durbin-Watson trong khoảng chấp nhận $[1.5, 2.5]$.
Implementation và kết quả
Development process
Quá trình xử lý dữ liệu được tiến hành qua các phân đoạn logic với code kiểm định chuẩn:
import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor
# Thuật toán tính chỉ số Cronbach's Alpha chuẩn hóa
def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
k = df_items.shape[1]
item_variances = df_items.var(axis=0, ddof=1)
total_variance = df_items.sum(axis=1).var(ddof=1)
alpha = (k / (k - 1)) * (1 - (item_variances.sum() / total_variance))
return round(alpha, 4)
# Thuật toán chạy mô hình hồi quy đa biến OLS và kiểm tra VIF
def fit_ols_regression(X: pd.DataFrame, y: pd.Series):
X_with_const = sm.add_constant(X)
model = sm.OLS(y, X_with_const).fit()
# Tính VIF cho từng biến độc lập
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])]
return model.summary(), vif_data
Toàn bộ 23 biến quan sát được nạp vào SPSS Syntax:
* Kiem dinh do tin cay Cronbach Alpha cho nhom Chat Luong San Pham.
RELIABILITY
/VARIABLES=CL1 CL2 CL3 CL4
/SCALE('Quality Scale') ALL
/MODEL=ALPHA
/STATISTICS=DESCRIPTIVE SCALE CORR
/SUMMARY=TOTAL.
* Phan tich nhan to kham pha EFA bien doc lap voi phep xoay Varimax.
FACTOR
/VARIABLES TH1 TH2 TH3 TH4 GC1 GC2 GC3 GC4 CL1 CL2 CL3 CL4 CS1 CS2 CS3 CS4 CQ1 CQ2 CQ3 CQ4
/MISSING LISTWISE
/ANALYSIS TH1 TH2 TH3 TH4 GC1 GC2 GC3 GC4 CL1 CL2 CL3 CL4 CS1 CS2 CS3 CS4 CQ1 CQ2 CQ3 CQ4
/PRINT INITIAL KMO EXTRACTION ROTATION FSCORE
/CRITERIA MINEIGEN(1) ITERATE(25)
/EXTRACTION PC
/ROTATION VARIMAX
/METHOD=CORRELATION.
Testing và validation
Kết quả kiểm định độ tin cậy thang đo và giá trị hội tụ:
-
Kiểm định Cronbach's Alpha: Tất cả các thang đo đều đạt độ tin cậy cao:
- Thương hiệu (TH): $\alpha = 0.842$, Corrected Item-Total Correlation $> 0.512$.
- Giá cả (GC): $\alpha = 0.811$, Corrected Item-Total Correlation $> 0.485$.
- Chất lượng sản phẩm (CL): $\alpha = 0.865$, Corrected Item-Total Correlation $> 0.589$.
- Dịch vụ CSKH (CS): $\alpha = 0.798$, Corrected Item-Total Correlation $> 0.430$.
- Chuẩn chủ quan (CQ): $\alpha = 0.824$, Corrected Item-Total Correlation $> 0.490$.
- Quyết định mua (QD): $\alpha = 0.856$, Corrected Item-Total Correlation $> 0.570$.
-
Phân tích nhân tố khám phá EFA:
- Biến độc lập: Hệ số $\text{KMO} = 0.812$ ($0.5 \le \text{KMO} \le 1.0$), kiểm định Bartlett’s Test có giá trị $\text{Sig.} = 0.000 < 0.05$. Tổng phương sai trích đạt $63.45% > 50%$, 5 nhân tố trích có Eigenvalue $= 1.238 > 1.0$. Tất cả hệ số tải nhân tố (Factor Loading) đều $> 0.55$.
- Biến phụ thuộc: Trích 1 nhân tố duy nhất, $\text{KMO} = 0.732$, $\text{Sig.} = 0.000$, phương sai trích $= 68.12%$.
Kết quả đạt được
Mô hình hồi quy tuyến tính đa biến được ước lượng theo dạng:
$$QD = \beta_0 + \beta_1 \cdot CL + \beta_2 \cdot TH + \beta_3 \cdot CQ + \beta_4 \cdot GC + \beta_5 \cdot CS + e$$
Kết quả phân tích hồi quy thực nghiệm:
| Biến độc lập |
Hệ số chưa chuẩn hóa ($B$) |
Sai số chuẩn (Std. Error) |
Hệ số chuẩn hóa ($\beta$) |
Giá trị $t$ |
Mức ý nghĩa ($\text{Sig.}$) |
Thống kê VIF |
| (Hằng số $\beta_0$) |
0.312 |
0.185 |
- |
1.686 |
0.094 |
- |
| Chất lượng (CL) |
0.345 |
0.052 |
0.362 |
6.634 |
0.000 |
1.215 |
| Thương hiệu (TH) |
0.289 |
0.048 |
0.301 |
6.021 |
0.000 |
1.342 |
| Chuẩn chủ quan (CQ) |
0.198 |
0.045 |
0.214 |
4.400 |
0.000 |
1.189 |
| Giá cả (GC) |
0.142 |
0.041 |
0.158 |
3.463 |
0.001 |
1.105 |
| Dịch vụ CSKH (CS) |
0.089 |
0.039 |
0.095 |
2.282 |
0.024 |
1.156 |
- Hệ số xác định $R^2 = 0.618$, $R^2$ hiệu chỉnh $= 0.601$ (Mô hình giải thích được $60.1%$ sự biến thiên của Quyết định mua).
- Kiểm định ANOVA: Giá trị $F = 36.845$ với $\text{Sig.} = 0.000 < 0.01$, chứng minh mô hình hồi quy hoàn toàn phù hợp với tổng thể.
- Kiểm định Durbin-Watson $= 1.892$ (nằm trong dải $1.5 - 2.5$, không có tự tương quan bậc 1).
- Tất cả hệ số $\text{VIF} < 1.4$, loại trừ hoàn toàn hiện tượng đa cộng tuyến.
Đổi mới và đóng góp
Nghiên cứu mang lại những đóng góp học thuật và ứng dụng kinh doanh cụ thể:
- Xây dựng ma trận trọng số ảnh hưởng chuẩn hóa cho thị trường nội thất miền Trung:
- Khác biệt với các nghiên cứu trước đây tại các đô thị lớn coi "Giá cả" hoặc "Thương hiệu" là biến số thống trị tuyệt đối, tại TP. Huế, nhân tố Chất lượng sản phẩm ($\beta = 0.362$) giữ vai trò tiên quyết, tiếp theo là Thương hiệu ($\beta = 0.301$) và Chuẩn chủ quan ($\beta = 0.214$).
- Lượng hóa mức độ tác động của mạng lưới xã hội và gia đình:
- Yếu tố "Chuẩn chủ quan" có mức tác động đáng kể ($\beta = 0.214, p < 0.001$), phản ánh đặc trưng văn hóa gắn kết gia đình truyền thống tại Huế, nơi quyết định mua sắm nội thất gia đình chịu ảnh hưởng từ ý kiến của người thân và bạn bè lên tới $21.4%$.
- Phát hiện khác biệt nhân khẩu học qua kiểm định phi tham số:
- Kiểm định Mann-Whitney U và Kruskal-Wallis H chỉ ra không có sự khác biệt có ý nghĩa thống kê về quyết định mua giữa các nhóm giới tính ($p = 0.412 > 0.05$), nhưng có sự khác biệt rõ rệt giữa các nhóm thu nhập ($p = 0.018 < 0.05$). Khách hàng có mức thu nhập từ 10–15 triệu VNĐ/tháng có điểm trung bình quyết định mua cao nhất ($Mean = 4.18$).
Ứng dụng thực tế và triển khai
Dựa trên hệ số hồi quy thực nghiệm, Wood Park triển khai gói giải pháp kinh doanh tích hợp 4 trụ cột:
KE HOACH TRIEN KHAI WOOD PARK
+---------------------------------------------------------------------------------+
| TRU COT 1: CHAT LUONG SAN PHAM (Beta = 0.362) |
| - 100% go cong nghiep dat chuan E1/An Cuong chong am. |
| - Bao hanh ket cau 03 nam, bao tri dinh ky 6 thang/lan. |
+---------------------------------------------------------------------------------+
| TRU COT 2: THUONG HIEU & TRAI NGHIEM (Beta = 0.301) |
| - Trien khai VR 360 Showroom tai 29 Tran Thuc Nhan. |
| - Dinh vi slogan: "Living space design to inspire". |
+---------------------------------------------------------------------------------+
| TRU COT 3: MARKETING LAN TRUYEN & CHUAN CHU QUAN (Beta = 0.214) |
| - Chinh sach Referral: Tang voucher 5% cho nguoi gioi thieu. |
| - Truyen thong UGC (User Generated Content) tren Facebook/Zalo. |
+---------------------------------------------------------------------------------+
| TRU COT 4: CHINH SACH GIA & CSKH (Beta = 0.158 & 0.095) |
| - Goi noi that linh hoat theo can ho nho (45-65m2). |
| - Cam ket lap dat trong vong 48h, dich vu hau mai chuan 5 sao. |
+---------------------------------------------------------------------------------+
Kịch bản phân tích chi phí - lợi ích (Cost-Benefit Analysis):
- Chi phí triển khai giải pháp (12 tháng): 180.000.000 VNĐ (Nâng cấp tiêu chuẩn vật liệu, làm showroom VR, quảng bá thương hiệu đa kênh).
- Dự phóng tăng trưởng doanh thu: Tăng 30% doanh thu năm 2021 (đạt mức 2,2 tỷ VNĐ so với 1,68 tỷ VNĐ năm 2019).
- Tỷ suất sinh lời ROI ước tính:
$$\text{ROI} = \frac{\text{Lợi nhuận ròng bổ sung} - \text{Chi phí}}{\text{Chi phí}} = \frac{360.000.000 - 180.000.000}{180.000.000} \times 100% = 100%$$
Thời gian hoàn vốn dự kiến: 6,8 tháng.
Hạn chế và hướng phát triển
Dù đạt được các chỉ số thống kê ý nghĩa, dự án còn một số giới hạn kỹ thuật:
- Quy mô và không gian mẫu: Cỡ mẫu $N=120$ tập trung chủ yếu tại khu vực nội thành TP. Huế, chưa mở rộng ra các huyện lân cận (Hương Thủy, Hương Trà, Phú Vang).
- Phương pháp lấy mẫu: Áp dụng chọn mẫu ngẫu nhiên đơn từ danh sách khách hàng sẵn có của công ty, chưa tiếp cận được tệp khách hàng tiềm năng chưa từng tương tác với thương hiệu.
- Biến số môi trường vĩ mô: Chưa đưa các biến ngoại sinh như sự bùng phát của dịch bệnh COVID-19 hay biến động chuỗi cung ứng gỗ nguyên liệu vào mô hình kinh tế lượng.
Hướng phát triển tiếp theo:
- Mở rộng cỡ mẫu lên $N \ge 350$ và ứng dụng mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) qua SmartPLS 4.0 để phân tích các biến trung gian (Mediating variables).
- Xây dựng hệ thống CRM tích hợp thuật toán gợi ý thiết kế cá nhân hóa (Recommendation Engine) dựa trên dữ liệu hành vi người dùng.
Đối tượng hưởng lợi
- Sinh viên & Học viên cao học: Tiếp cận tài liệu mẫu chuẩn mực về phương pháp luận nghiên cứu định lượng trong quản trị kinh doanh, cách thức kiểm định EFA, hồi quy OLS và xử lý vi phạm giả thiết thống kê trên SPSS v20.
- Chuyên viên Marketing & Sales ngành nội thất: Nắm bắt dữ liệu thực nghiệm về thị hiếu tiêu dùng nội thất đô thị miền Trung để tối ưu hóa ngân sách truyền thông.
- Ban điều hành Wood Park & Doanh nghiệp vừa và nhỏ (SMEs): Ứng dụng khung chiến lược 4 trụ cột có căn cứ định lượng để tái cơ cấu danh mục sản phẩm và nâng cao năng lực cạnh tranh.
- Nhà nghiên cứu kinh tế ứng dụng: Bộ dữ liệu và mô hình tham chiếu có giá trị cho các công trình nghiên cứu mở rộng về chuỗi giá trị ngành gỗ và nội thất thông minh tại Việt Nam.
Câu hỏi thường gặp
1. Yêu cầu kỹ thuật tối thiểu để chạy mô hình phân tích dữ liệu này là gì?
Máy tính cấu hình tối thiểu Intel Core i3, RAM 4GB chạy hệ điều hành Windows 10/11 hoặc macOS, cài đặt phần mềm IBM SPSS Statistics phiên bản v20.0 trở lên hoặc môi trường Python 3.8+ cài sẵn các package statsmodels, scikit-learn, pandas.
2. Làm thế nào để giải quyết khi thang đo có biến quan sát bị loại ở bước Cronbach's Alpha?
Nếu biến quan sát có hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $< 0.3$ hoặc việc loại bỏ biến làm tăng chỉ số Alpha tổng thể đáng kể, biến đó sẽ bị loại bỏ trước khi chuyển sang bước phân tích EFA nhằm đảm bảo độ tin cậy thang đo nội tại.
3. Mô hình hồi quy này có áp dụng trực tiếp cho các ngành hàng khác được không?
Khung phương pháp luận (TRA/TPB $\rightarrow$ Cronbach's Alpha $\rightarrow$ EFA $\rightarrow$ OLS) có thể tái sử dụng 100%. Tuy nhiên, hệ thống câu hỏi và biến quan sát cần được hiệu chỉnh (Bespoke Calibration) qua bước nghiên cứu định tính phỏng vấn chuyên gia của từng ngành hàng cụ thể.
4. Chi phí để duy trì và vận hành hệ thống khảo sát định kỳ của Wood Park là bao nhiêu?
Chi phí vận hành định kỳ khoảng 3.000.000 – 5.000.000 VNĐ/quý thông qua biểu mẫu số hóa Google Forms API / Typeform tích hợp vào quy trình CSKH tự động, không phát sinh chi phí in ấn hay nhân sự điều tra hiện trường lớn.
5. Tại sao mô hình chọn phân tích OLS thay vì PLS-SEM?
Với quy mô mẫu $N=120$ và mô hình đo lường dạng phản chiếu đơn cấp (First-order reflective model) tập trung vào kiểm định mối quan hệ trực tiếp giữa các nhân tố độc lập với một biến phụ thuộc duy nhất, phương pháp hồi quy OLS trên SPSS v20 hoàn toàn đáp ứng độ chính xác, tinh gọn và tối ưu về mặt tài nguyên tính toán.
Kết luận
Đề tài khóa luận của tác giả Nguyễn Đình Bảo dưới sự hướng dẫn của ThS. Nguyễn Quốc Khánh đã giải quyết thành công bài toán lượng hóa hành vi tiêu dùng nội thất tại Công ty TNHH MTV Nội Thất Wood Park trên địa bàn TP. Huế. Bằng việc kết hợp phương pháp nghiên cứu định tính và mô hình định lượng hồi quy OLS ($R^2 = 0.601, p < 0.001$), nghiên cứu đã chứng minh vai trò dẫn dắt của Chất lượng sản phẩm ($\beta = 0.362$) và Thương hiệu ($\beta = 0.301$) trong việc thúc đẩy quyết định mua hàng. Các khuyến nghị chiến lược và lộ trình số hóa được đề xuất cung cấp nền tảng vững chắc giúp Wood Park bứt phá doanh thu, hiện thực hóa mục tiêu trở thành top 5 doanh nghiệp nội thất hàng đầu khu vực Quảng Bình – Quảng Trị – Thừa Thiên Huế. Các doanh nghiệp và nhà nghiên cứu có thể tham khảo trực tiếp mô hình này để tối ưu hóa chiến lược thâm nhập thị trường nội thất địa phương.
