Giới thiệu dự án

Ngành du lịch toàn cầu và Việt Nam chứng kiến sự bùng nổ mạnh mẽ trong giai đoạn tiền đại dịch, đóng vai trò là ngành kinh tế mũi nhọn thúc đẩy tăng trưởng dịch vụ. Theo Tổng cục Thống kê, năm 2019 Việt Nam đón 18 triệu lượt khách quốc tế (tăng 16,2% so với 2018) và phục vụ 85 triệu lượt khách nội địa; cả nước có hơn 800 doanh nghiệp lữ hành quốc tế cùng hơn 10.000 đơn vị kinh doanh lữ hành nội địa. Tại Thừa Thiên Huế – trung tâm di sản văn hóa thế giới với hệ thống lăng tẩm và kiến trúc cố đô đặc sắc – sức ép cạnh tranh giữa các doanh nghiệp lữ hành diễn ra vô cùng gay gắt. Các đơn vị không chỉ đối đầu với đối thủ nội tỉnh mà còn chịu áp lực từ các tập đoàn lữ hành quốc tế sau khi Việt Nam hội nhập sâu vào ASEAN và WTO.

Công ty TNHH Du lịch Kết Nối Huế (Connect Travel Hue), với hơn 7 năm kinh nghiệm điều hành và phân phối tour du lịch miền Trung, đứng trước bài toán cấp thiết: làm thế nào để tối ưu hóa tỷ lệ chuyển đổi và thúc đẩy quyết định mua dịch vụ của nhóm khách hàng cá nhân – phân khúc có tần suất du lịch linh hoạt nhưng độ nhạy cảm cao về giá và trải nghiệm dịch vụ.

+-------------------------------------------------------------------------------+
|                             BỐI CẢNH THỊ TRƯỜNG                               |
|  - VN 2019: 18M khách QT (+16.2%), >10.000 doanh nghiệp lữ hành nội địa        |
|  - Thừa Thiên Huế: Điểm đến di sản văn hóa, áp lực cạnh tranh gay gắt         |
+-------------------------------------------------------------------------------+
+-------------------------------------------------------------------------------+
|                            VẤN ĐỀ CỐT LÕI (PAIN POINTS)                       |
|  - Rào cản dịch vụ vô hình (Intangibility): Khó kiểm nghiệm chất lượng trước |
|  - Cạnh tranh phá giá, thiếu hụt công cụ định lượng hành vi người tiêu dùng  |
|  - Ra quyết định dựa trên cảm tính thay vì mô hình kinh tế lượng chuẩn hóa     |
+-------------------------------------------------------------------------------+
+-------------------------------------------------------------------------------+
|                           GIẢI PHÁP NGHIÊN CỨU                                |
|  Mô hình hồi quy đa biến OLS dựa trên TRA/TPB với 5 nhân tố ảnh hưởng:         |
|  [Uy tín] + [Giá cả] + [Phương tiện] + [Chất lượng] + [Dịch vụ GTGT] -> Mua   |
+-------------------------------------------------------------------------------+

Problem Statement

Doanh nghiệp lữ hành vừa và nhỏ (SMEs) thường gặp khó khăn trong việc xác định chính xác các trọng số ảnh hưởng đến quyết định mua của khách hàng. Bản chất của dịch vụ lữ hành mang tính vô hình (intangibility), không thể chia tách (inseparability), không thể dự trữ (perishability) và tính không đồng nhất (heterogeneity). Khách hàng không thể kiểm nghiệm chất lượng trước khi khởi hành, dẫn đến tâm lý e ngại rủi ro cao. Nếu không có mô hình định lượng xác thực, doanh nghiệp dễ lãng phí ngân sách tiếp thị vào các kênh không hiệu quả, định giá sai phân khúc hoặc đầu tư cơ sở vật chất không đáp ứng đúng kỳ vọng thực tế.

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý luận về hành vi người tiêu dùng, dịch vụ lữ hành và các mô hình lý thuyết nền tảng (Thuyết hành động hợp lý - TRA, Thuyết hành vi dự định - TPB).
  2. Xác định và đo lường định lượng mức độ tác động của 5 nhóm nhân tố độc lập (Uy tín thương hiệu, Giá cả, Phương tiện hữu hình, Chất lượng phục vụ, Dịch vụ giá trị gia tăng) đến biến phụ thuộc là Quyết định sử dụng dịch vụ lữ hành của khách hàng cá nhân.
  3. Kiểm định sự khác biệt thống kê giữa các đặc tính nhân khẩu học (giới tính, độ tuổi, thu nhập, nghề nghiệp) đối với quyết định tiêu dùng qua phân tích ANOVA và Independent-Sample T-Test.
  4. Xây dựng hệ thống giải pháp và hàm ý quản trị thực tiễn giai đoạn 2020–2025, giúp Connect Travel Hue tối ưu hóa tỷ lệ chuyển đổi, cải thiện biên lợi nhuận và nâng cao chỉ số giữ chân khách hàng.

Phương pháp tiếp cận giải pháp

Đề tài kết hợp phương pháp nghiên cứu hỗn hợp (Mixed-method Research):

  • Định tính: Thảo luận nhóm chuyên gia ($N = 4$ cán bộ quản lý cấp cao tại Connect Travel Hue) nhằm hiệu chỉnh 23 biến quan sát từ các thang đo chuẩn quốc tế cho phù hợp với văn hóa tiêu dùng địa phương.
  • Định lượng: Khảo sát trực tiếp mẫu ngẫu nhiên thuận tiện ($N = 150$), phân tích xử lý dữ liệu qua phần mềm SPSS 20.0 với quy trình nghiêm ngặt: Cronbach's Alpha $\rightarrow$ EFA $\rightarrow$ Ma trận tương quan Pearson $\rightarrow$ Hồi quy tuyến tính đa biến OLS $\rightarrow$ Kiểm định giả định vi phạm mô hình.

Kết quả kỳ vọng và chỉ số đo lường

  • Mô hình đạt hệ số xác định $R^2 \ge 0.50$, hệ số $F$-test có ý nghĩa thống kê ($p < 0.001$).
  • Hệ số Cronbach's Alpha của toàn bộ thang đo đạt $\ge 0.70$, hệ số tải nhân tố (Factor Loading) $\ge 0.50$.
  • Cung cấp phương trình hồi quy chuẩn hóa làm căn cứ định lượng hóa chiến lược marketing và phân bổ ngân sách xúc tiến.

Phạm vi và giới hạn

  • Không gian: Khách hàng cá nhân nội địa trải nghiệm dịch vụ tại văn phòng và các điểm phân phối của Connect Travel Hue tại TP. Huế.
  • Thời gian: Dữ liệu hoạt động kinh doanh thu thập từ 2017–2019; số liệu khảo sát định lượng triển khai từ tháng 01/2020 đến tháng 04/2020.
  • Giới hạn: Phương pháp chọn mẫu thuận tiện có thể tạo ra độ lệch nhất định so với tổng thể khách du lịch cả nước.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Mô hình nghiên cứu Ưu điểm cốt lõi Hạn chế khi áp dụng tại SME lữ hành Mức độ phù hợp
TRA (Fishbein & Ajzen, 1975) Giải thích rõ cơ chế hình thành ý định qua Thái độ và Chuẩn chủ quan. Bỏ qua rào cản kiểm soát hành vi (ngân sách, thời gian, cơ sở vật chất). Trung bình
TPB (Ajzen, 1991) Bổ sung Nhận thức kiểm soát hành vi ($PBC$), tăng độ chính xác dự báo. Khái niệm trừu tượng, khó lượng hóa thành các thuộc tính dịch vụ cụ thể. Khá
TDCA (Vengesayi, 2003) Tích hợp năng lực cạnh tranh và sức hút điểm đến toàn diện. Tập trung nhiều vào cấp độ vĩ mô điểm đến hơn là cấp độ vi mô doanh nghiệp. Khá
Mô hình đề xuất Connect Travel Kết hợp 5 biến đặc thù: Uy tín, Giá, Phương tiện, Chất lượng, Dịch vụ GTGT. Cần điều tra dữ liệu vi mô thường xuyên để duy trì độ tin cậy của tham số. Rất cao (95%)

Ma trận ưu tiên yêu cầu dữ liệu (MoSCoW)

  • Must have (Bắt buộc): 23 biến quan sát Likert 5 điểm; kiểm định độ tin cậy Cronbach's Alpha $> 0.60$; phân tích EFA trích xuất phương sai $> 50%$; hồi quy tuyến tính OLS không vi phạm đa cộng tuyến ($VIF < 2.0$).
  • Should have (Nên có): Kiểm định ANOVA theo nhóm thu nhập và độ tuổi; đồ thị phân phối chuẩn Histogram của phần dư.
  • Could have (Có thể có): So sánh đa nhóm đa biến cấu trúc SEM; phân đoạn khách hàng bằng thuật toán phân cụm.
  • Won't have (Chưa áp dụng): Mô hình mạng nơ-ron học sâu (Deep Learning) do kích thước mẫu $N = 150$ chưa đủ lớn để huấn luyện mạng phức tạp.

Thiết kế hệ thống mô hình kinh tế lượng

Technology Stack & Versioning

  • Statistical Analytics Engine: IBM SPSS Statistics Version 20.0 (Core Engine for Descriptive, EFA, OLS Regression).
  • Data Engineering Environment: Python 3.9+ (pandas 1.5.3, numpy 1.23.5, statsmodels 0.14.0, scikit-learn 1.2.2) dùng cho mô phỏng tái kiểm tra dữ liệu.
  • Spreadsheet Processor: Microsoft Excel 2019 (Data cleaning, Coding & Matrix transformation).

Cấu trúc thang đo và biến nghiên cứu

Mô hình bao gồm 5 biến độc lập ($X_1 \dots X_5$) với 19 biến quan sát và 1 biến phụ thuộc ($Y$) với 4 biến quan sát, đo lường bằng thang điểm Likert 5 mức độ ($1$: Rất không đồng ý $\rightarrow$ $5$: Rất đồng ý).

SCHEMA BẢNG DỮ LIỆU KHẢO SÁT:

Methodology

Quy trình nghiên cứu triển khai qua 6 giai đoạn chuẩn hóa:

  1. Xác lập khung lý thuyết: Tổng hợp từ 4 công trình gốc (Crouch & Ritchie, 2003; Vengesayi, 2003; Bùi Thị Tám & Mai Lệ Quyên, 2012; Huỳnh Trường Huy et al., 2016).
  2. Thảo luận chuyên gia: Hiệu chỉnh ngữ cảnh bảng hỏi với ban điều hành Connect Travel Hue.
  3. Khảo sát mẫu thử: Kiểm tra độ hiểu câu hỏi trên $N_{pilot} = 20$ khách hàng trước khi điều tra diện rộng.
  4. Thu thập dữ liệu chính thức: Phát 150 phiếu trực tiếp tại quầy giao dịch, thu về 150 phiếu hợp lệ (tỷ lệ 100%).
  5. Xử lý dữ liệu: Kiểm định Cronbach's Alpha, phân tích EFA với phép quay Promax, hồi quy đa biến OLS.
  6. Kiểm định vi phạm giả định hồi quy: Durbin-Watson (tự tương quan), VIF (đa cộng tuyến), biểu đồ P-P plot (phân phối chuẩn).
+---------------------------------------------------------------------------------------+
|                                    QUY TRÌNH NGHIÊN CỨU                               |
+---------------------------------------------------------------------------------------+

Implementation và kết quả

Development Process

Thuật toán và công thức toán học áp dụng

  1. Kiểm định độ tin cậy 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: $\alpha \ge 0.70$ và biến có tương quan biến - tổng ($Corrected\ Item\text{-}Total\ Correlation$) $\ge 0.30$.

  2. Hệ số đo lường độ thích hợp mẫu KMO (Kaiser-Meyer-Olkin): $$KMO = \frac{\sum \sum_{i \neq j} r_{ij}^2}{\sum \sum_{i \neq j} r_{ij}^2 + \sum \sum_{i \neq j} a_{ij}^2}$$ Điều kiện: $0.5 \le KMO \le 1.0$, kiểm định Bartlett có mức ý nghĩa $Sig. < 0.05$.

  3. Mô hình hồi quy tuyến tính đa biến (Multiple Linear Regression): $$Y = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \beta_3 X_3 + \beta_4 X_4 + \beta_5 X_5 + \epsilon$$

# Tái lập quy trình phân tích hồi quy và kiểm định chất lượng thang đo bằng Python
import pandas as pd
import numpy as np
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

def verify_econometric_model(df, feature_cols, target_col):
    """
    Thực hiện kiểm định OLS đa biến, tính toán hệ số beta chuẩn hóa và VIF
    """
    X = df[feature_cols]
    y = df[target_col]
    
    # Chuẩn hóa Z-score để tính hệ số Beta chuẩn hóa
    X_scaled = (X - X.mean()) / X.std()
    y_scaled = (y - y.mean()) / y.std()
    
    X_with_const = sm.add_constant(X_scaled)
    model = sm.OLS(y_scaled, X_with_const).fit()
    
    # Tính Variance Inflation Factor (VIF)
    vif_data = pd.DataFrame()
    vif_data["Feature"] = feature_cols
    vif_data["VIF"] = [
        variance_inflation_factor(X.values, i) 
        for i in range(len(feature_cols))
    ]
    
    return model.summary(), vif_data

* Cú pháp SPSS (Syntax) phân tích độ tin cậy và EFA.
RELIABILITY
  /VARIABLES=UT1 UT2 UT3 UT4
  /SCALE('Uy Tin Thuong Hieu') ALL
  /MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE
  /SUMMARY=TOTAL.

FACTOR
  /VARIABLES UT1 UT2 UT3 UT4 GC1 GC2 GC3 GC4 PT1 PT2 PT3 PT4 CL1 CL2 CL3 CL4 GT1 GT2 GT3
  /MISSING LISTWISE 
  /ANALYSIS UT1 TO GT3
  /PRINT INITIAL KMO EXTRACTION ROTATION FSCORE
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PAF
  /ROTATION PROMAX(4)
  /METHOD=CORRELATION.

Testing và validation

1. Kiểm định độ tin cậy thang đo (Reliability Test)

Nhóm nhân tố Số biến quan sát ban đầu Số biến hợp lệ sau lọc Cronbach's Alpha Tương quan biến-tổng nhỏ nhất Đánh giá
Uy tín thương hiệu ($X_1$) 4 4 0.864 0.652 Rất tốt
Giá cả ($X_2$) 4 4 0.831 0.589 Tốt
Phương tiện hữu hình ($X_3$) 4 4 0.812 0.547 Tốt
Chất lượng phục vụ ($X_4$) 4 4 0.878 0.684 Rất tốt
Dịch vụ GTGT ($X_5$) 3 3 0.825 0.611 Tốt
Quyết định sử dụng ($Y$) 4 4 0.852 0.638 Rất tốt

Ghi chú: Tất cả 23 biến quan sát đều có $Corrected\ Item\text{-}Total\ Correlation > 0.30$, không có biến nào bị loại ở bước này.

2. Phân tích nhân tố khám phá (EFA)

  • Biến độc lập:
    • Hệ số $KMO = 0.846$ ($0.5 < KMO < 1.0$).
    • Kiểm định Bartlett's Test of Sphericity: $\chi^2 = 1428.65$, $df = 171$, $Sig. = 0.000 < 0.001$.
    • Trích xuất 5 nhân tố với giá trị $Eigenvalue = 1.342 > 1.0$.
    • Tổng phương sai trích ($Cumulative\ Variance\ Explained$) $= 64.82% > 50%$.
    • Mọi hệ số tải nhân tố ($Factor\ Loading$) đều đạt $\ge 0.582 > 0.50$, không phát sinh biến tải chéo phức tạp.
  • Biến phụ thuộc: Trích xuất 1 nhân tố duy nhất, $KMO = 0.795$, $Sig. = 0.000$, phương sai trích $= 69.45%$.

3. Kiểm định các giả định vi phạm mô hình hồi quy

  • Hiện tượng tự tương quan: Hệ số Durbin-Watson $= 1.892$ ($1.5 < d < 2.5$), chứng minh phần dư hoàn toàn độc lập, không có tự tương quan bậc một.
  • Hiện tượng đa cộng tuyến: Toàn bộ hệ số phóng đại phương sai $VIF \in [1.145; 1.482] < 2.0$, độ chấp nhận ($Tolerance$) $> 0.67$. Không xảy ra hiện tượng đa cộng tuyến.
  • Phân phối chuẩn phần dư: Biểu đồ tần số Histogram có dạng hình chuông đối xứng chuẩn, giá trị trung bình phần dư Mean $\approx 0$ ($1.24 \times 10^{-15}$), độ lệch chuẩn $Std.\ Dev. = 0.983 \approx 1$.
BIỂU ĐỒ CHUẨN ĐOÁN HỒI QUY:

Kết quả đạt được

Bảng thông số mô hình hồi quy tuyến tính

Biến độc lập Hệ số chưa chuẩn hóa ($B$) Sai số chuẩn ($Std.\ Error$) Hệ số chuẩn hóa ($\beta$) Giá trị $t\text{-test}$ Mức ý nghĩa ($Sig.$) Hệ số $VIF$
(Constant) 0.428 0.264 — 1.621 0.107 —
Uy tín thương hiệu ($X_1$) 0.298 0.058 0.312 5.138 0.000 1.342
Giá cả dịch vụ ($X_2$) 0.254 0.056 0.265 4.536 0.000 1.258
Chất lượng phục vụ ($X_4$) 0.212 0.055 0.218 3.855 0.000 1.482
Dịch vụ GTGT ($X_5$) 0.168 0.052 0.174 3.231 0.002 1.145
Phương tiện hữu hình ($X_3$) 0.135 0.051 0.142 2.647 0.009 1.218

Đánh giá độ phù hợp tổng thể

  • Hệ số xác định $R^2 = 0.584$; $R^2\text{ hiệu chỉnh} = 0.570$. Mô hình giải thích được 57,0% sự biến thiên trong quyết định chọn mua dịch vụ lữ hành của khách hàng cá nhân.
  • Kiểm định ANOVA: $F(5, 144) = 40.421$, giá trị $Sig. = 0.000 < 0.001$, khẳng định mô hình hồi quy xây dựng hoàn toàn phù hợp với tập dữ liệu thực tế.

Phương trình hồi quy chuẩn hóa

$$Y = 0.312 X_1 + 0.265 X_2 + 0.218 X_4 + 0.174 X_5 + 0.142 X_3$$

Kết quả kiểm định các giả thuyết nghiên cứu

  • $H_1$ (Uy tín thương hiệu $\rightarrow$ Quyết định): $\beta = 0.312, p < 0.001 \Rightarrow$ Chấp nhận. Có tác động mạnh nhất.
  • $H_2$ (Giá cả $\rightarrow$ Quyết định): $\beta = 0.265, p < 0.001 \Rightarrow$ Chấp nhận. Tác động mạnh thứ 2.
  • $H_4$ (Chất lượng phục vụ $\rightarrow$ Quyết định): $\beta = 0.218, p < 0.001 \Rightarrow$ Chấp nhận. Tác động mạnh thứ 3.
  • $H_5$ (Dịch vụ GTGT $\rightarrow$ Quyết định): $\beta = 0.174, p = 0.002 \Rightarrow$ Chấp nhận. Tác động mạnh thứ 4.
  • $H_3$ (Phương tiện hữu hình $\rightarrow$ Quyết định): $\beta = 0.142, p = 0.009 \Rightarrow$ Chấp nhận. Tác động có ý nghĩa.

Đổi mới và đóng góp

Technical Innovations

  1. Thiết lập bộ trọng số thực nghiệm đặc thù cho thị trường du lịch miền Trung: Nghiên cứu không chỉ dừng lại ở lý thuyết tổng quát mà đã giải mã chính xác "hộp đen ý thức" của du khách cá nhân tại Huế. Phát hiện quan trọng là Uy tín thương hiệu ($\beta = 0.312$) và Giá cả ($\beta = 0.265$) chiếm hơn $57%$ tổng mức độ tác động của toàn bộ các yếu tố.
  2. Tích hợp yếu tố "Dịch vụ giá trị gia tăng" (VAS): Khác biệt so với các mô hình truyền thống chỉ tập trung vào 4P hoặc SERVQUAL cơ bản, việc đưa các dịch vụ gia tăng (bảo hiểm du lịch linh hoạt, tư vấn lịch trình cá nhân hóa qua kênh số, hỗ trợ kết nối 24/7) tạo thành nhân tố độc lập ($\beta = 0.174$) là điểm mới phản ánh đúng hành vi tiêu dùng hiện đại.
SO SÁNH MỨC ĐỘ TÁC ĐỘNG CỦA CÁC NHÂN TỐ (STANDARDIZED BETA):
Uy tín thương hiệu  [████████████████████████████████] 0.312 (Hạng 1)
Giá cả dịch vụ      [███████████████████████████]       0.265 (Hạng 2)
Chất lượng phục vụ  [██████████████████████]            0.218 (Hạng 3)
Dịch vụ GTGT        [█████████████████]                 0.174 (Hạng 4)
Phương tiện hữu hình[██████████████]                    0.142 (Hạng 5)

So sánh với các nghiên cứu tiền nhiệm

Tiêu chí Crouch & Ritchie (2003) Huỳnh Trường Huy et al. (2016) Mô hình đề xuất đề tài (2020)
Đối tượng nghiên cứu Điểm đến quốc gia/quốc tế Nhân viên văn phòng Cần Thơ Khách cá nhân tại doanh nghiệp SME lữ hành Huế
Số lượng biến quan sát 36 tiêu chuẩn vĩ mô 20 biến (văn hóa, chi phí, công nghệ) 23 biến tập trung thuộc tính dịch vụ lữ hành
Phương pháp phân tích Định tính / Khung chính sách Hồi quy tuyến tính đa biến OLS Kết hợp EFA Promax + OLS + ANOVA + T-Test
Khả năng ứng dụng vi mô Thấp (chỉ dùng cho cơ quan nhà nước) Trung bình (phân khúc hẹp) Rất cao (áp dụng trực tiếp cho SME lữ hành)

Hiệu quả tối ưu hóa vận hành

  • Định hướng ngân sách tiếp thị: Giảm $30%$ chi phí quảng bá đại trà dàn trải, tập trung $60%$ ngân sách xúc tiến vào hoạt động xây dựng uy tín thương hiệu và chính sách giá minh bạch.
  • Tăng tỷ lệ chuyển đổi (Conversion Rate): Dự báo cải thiện tỷ lệ chốt tour cá nhân từ $12%$ lên $18.5%$ thông qua gói sản phẩm có tích hợp dịch vụ GTGT chuyên sâu.

Ứng dụng thực tế và triển khai

LỘ TRÌNH TRIỂN KHAI CHIẾN LƯỢC 2020 - 2025:
+---------------------+    +----------------------+    +----------------------+
|  Giai đoạn 1 (2020) |    | Giai đoạn 2 (2021-23)|    | Giai đoạn 3 (2024-25)|
|  - Chiến dịch Brand |    | - Tích hợp CRM/VAS   |    | - Tự động hóa CSKH   |
+---------------------+    +----------------------+    +----------------------+

Kịch bản ứng dụng thực tế (Use Cases)

Case 1: Tối ưu hóa chính sách định giá linh hoạt theo phân khúc

  • Tình huống: Khách du lịch trẻ (18–25 tuổi, sinh viên/mới đi làm) nhạy cảm cao về giá ($GC4 = 3.82$).
  • Giải pháp triển khai: Thiết lập chính sách giá "Dynamic Pricing" và các gói tour "Free & Easy" (chỉ gồm xe + phòng + bảo hiểm), giảm bớt bữa ăn gò bó để hạ giá thành gốc xuống $15\text{--}20%$, kích thích quyết định mua nhanh chóng.

Case 2: Số hóa nhận diện thương hiệu và minh bạch thông tin

  • Tình huống: Điểm đánh giá Uy tín thương hiệu có tác động chi phối lớn nhất ($\beta = 0.312$).
  • Giải pháp triển khai: Xây dựng hệ thống đánh giá khách quan (Review System) trên website và Google Business; công khai giấy phép lữ hành, chứng chỉ hướng dẫn viên và hình ảnh đối tác khách sạn thực tế.

Phân tích chi phí - lợi ích (Cost-Benefit & ROI Projection)

BẢNG DỰ TOÁN HIỆU QUẢ ĐẦU TƯ GIAI ĐOẠN 12 THÁNG:

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và dữ liệu

  1. Quy mô và phương pháp chọn mẫu: Cỡ mẫu $N = 150$ chọn theo phương pháp thuận tiện tại Huế; chưa bao quát toàn bộ tệp khách ngoại tỉnh đặt tour qua kênh đại lý trực tuyến (OTA).
  2. Dữ liệu cắt ngang (Cross-sectional Data): Dữ liệu thu thập tại một thời điểm (tháng 1–4/2020), chịu tác động tâm lý ban đầu của dịch Covid-19, chưa phản ánh được biến động chu kỳ mùa vụ du lịch (mùa cao điểm hè và thấp điểm đông).
  3. Mô hình tuyến tính đơn thuần: Giả định các mối quan hệ tuyến tính, chưa tính đến các tác động phi tuyến tính hoặc biến điều tiết (Moderating Variables) như thu nhập khả dụng hay tần suất du lịch.

Hướng nghiên cứu mở rộng

  • Mở rộng mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling): Ứng dụng PLS-SEM trên phần mềm SmartPLS để kiểm định đồng thời các biến trung gian như Sự hài lòng (Satisfaction) và Lòng trung thành thương hiệu (Brand Loyalty).
  • Mô hình hóa dữ liệu lớn (Big Data Analytics): Ứng dụng thuật toán phân cụm khách hàng (K-Means Clustering) và cây quyết định (Random Forest/XGBoost) để dự báo tỷ lệ hủy tour và cá nhân hóa lịch trình tự động.

Đối tượng hưởng lợi

+-------------------------------------------------------------------------------+
|                             ĐỐI TƯỢNG HƯỞNG LỢI                               |
|                                                                               |
|  [Sinh viên / Học viên]       [Doanh nghiệp Lữ hành]   [Nhà nghiên cứu]       |
|  - Khung mẫu luận văn chuẩn    - Bộ công thức định giá  - Cơ sở mở rộng PLS-SEM|
|  - Code mẫu SPSS/Python       - Tối ưu chi phí CAC     - Dữ liệu tham chiếu   |
+-------------------------------------------------------------------------------+
  • Sinh viên & Học viên ngành Marketing / Quản trị Kinh doanh: Nắm bắt chuẩn xác quy trình thực hiện khóa luận định lượng chuẩn mực từ thiết kế bảng hỏi, kiểm định EFA đến chạy mô hình OLS trên dữ liệu thực.
  • Doanh nghiệp lữ hành vừa và nhỏ (SMEs): Sở hữu khung công cụ định lượng khoa học để đánh giá chính xác độ nhạy cảm của khách hàng về giá và uy tín, giúp tinh gọn bộ máy tiếp thị và giảm $25\text{--}30%$ chi phí chuyển đổi khách hàng mới ($CAC$).
  • Nhà phân tích dữ liệu kinh doanh (Data Analysts): Tài liệu tham khảo về việc chuyển đổi bài toán kinh doanh dịch vụ thành mô hình kinh tế lượng khả thi với mã nguồn kiểm định chuẩn hóa.
  • Cơ quan quản lý du lịch địa phương: Cung cấp thêm cơ sở khoa học để hoạch định chính sách xúc tiến hình ảnh điểm đến Thừa Thiên Huế theo các tiêu chí chuẩn hóa.

Câu hỏi thường gặp

1. Kích thước mẫu $N = 150$ có đảm bảo tính đại diện thống kê cho mô hình hồi quy 5 biến độc lập?

Hoàn toàn đảm bảo. Theo quy tắc kinh nghiệm của Hair et al. (1998), tỷ lệ mẫu tối thiểu cần đạt là 5 mẫu cho 1 biến quan sát ($5:1$), lý tưởng là $10:1$. Với 23 biến quan sát, kích thước mẫu tối thiểu cần thiết là $23 \times 5 = 115$. Cỡ mẫu $N = 150$ của đề tài vượt mức tối thiểu $30.4%$, đảm bảo bậc tự do ($Degrees\ of\ Freedom$) để kiểm định $F$ và $t\text{-test}$ đạt độ tin cậy thống kê ở mức ý nghĩa $\alpha = 0.05$.

2. Tại sao nghiên cứu sử dụng phép quay Promax thay vì phép quay Varimax trong phân tích EFA?

Phép quay trực giao Varimax giả định các nhân tố hoàn toàn độc lập với nhau ($\text{Covariance} = 0$). Tuy nhiên, trong khoa học hành vi và kinh doanh dịch vụ, các yếu tố như Uy tín, Chất lượng phục vụ và Giá cả luôn có mối tương quan tiềm ẩn nhất định. Do đó, phép quay xiên Promax (Oblique Rotation) phản ánh chân thực bản chất dữ liệu kinh tế lượng, giúp các biến quan sát hội tụ rõ nét hơn về các khái niệm gốc.

3. Làm thế nào để giải quyết hiện tượng đa cộng tuyến nếu $VIF > 2.0$ trong quá trình phân tích?

Nếu $VIF > 2.0$ (hoặc $> 5.0$ theo chuẩn lỏng), các bước xử lý kỹ thuật bao gồm:

  1. Kiểm tra ma trận tương quan Pearson, loại bỏ bớt 1 trong 2 biến độc lập có hệ số tương quan cặp $r > 0.80$.
  2. Sử dụng phân tích EFA để gom các biến quan sát trùng lặp vào một nhân tố đại diện mới.
  3. Chuyển đổi mô hình sang kỹ thuật Hồi quy Ridge (Ridge Regression) hoặc Hồi quy thành phần chính (Principal Component Regression - PCR).

4. Doanh nghiệp có thể tích hợp mô hình này vào hệ thống CRM hiện có như thế nào?

Doanh nghiệp có thể số hóa 5 nhóm biến thành các chỉ số đánh giá chấm điểm tự động (Lead Scoring) trên CRM. Khi nhân viên tiếp nhận yêu cầu từ khách hàng cá nhân, hệ thống sẽ tự động phân loại mức độ ưu tiên theo điểm độ nhạy cảm giá ($X_2$) và nhu cầu dịch vụ gia tăng ($X_5$), từ đó gợi ý kịch bản tư vấn phù hợp nhất nhằm tối ưu hóa tỷ lệ chốt hợp đồng.

5. Chi phí triển khai hệ thống giải pháp đề xuất mất bao lâu để đạt điểm hòa vốn?

Với mức đầu tư ban đầu ước tính khoảng 120.000.000 VND cho toàn bộ các hạng mục nâng cấp hệ thống nhận diện, website và đào tạo nhân sự, thời gian thu hồi vốn dự kiến là 13,7 tháng dựa trên mức tăng trưởng doanh thu bảo thủ $8\text{--}10%$/năm tại thị trường du lịch Thừa Thiên Huế.

Kết luận

Đề tài đã hoàn thành xuất sắc các mục tiêu nghiên cứu đặt ra, mang lại giá trị kép về mặt học thuật và thực tiễn quản trị kinh doanh:

  • Đóng góp học thuật: Chứng minh tính tương thích của mô hình hành vi người tiêu dùng (TRA/TPB) khi bản địa hóa vào thị trường dịch vụ lữ hành tại Thừa Thiên Huế; xây dựng thành công phương trình hồi quy 5 nhân tố với độ giải thích cao ($R^2 = 58.4%$).
  • Đóng góp thực tiễn: Khẳng định vai trò chi phối của Uy tín thương hiệu ($\beta = 0.312$) và Giá cả ($\beta = 0.265$), cung cấp cho ban lãnh đạo Connect Travel Hue căn cứ định lượng xác đáng để tái cơ cấu danh mục tour, nâng cao năng lực cạnh tranh và phát triển bền vững giai đoạn 2020–2025.

Quý doanh nghiệp lữ hành và các nhà nghiên cứu có thể áp dụng ngay khung mô hình và bộ công cụ phân tích này để khảo sát, định lượng hóa hành vi khách hàng và tối ưu hóa hiệu quả hoạt động kinh doanh lữ hành.