Giới thiệu dự án

Thương mại điện tử trong ngành du lịch và khách sạn (Online Travel Agency - OTA) đang chứng kiến sự bùng nổ mạnh mẽ trên quy mô toàn cầu. Theo báo cáo kinh tế số của Google và Temasek, quy mô thị trường du lịch trực tuyến Việt Nam đã cán mốc 3,5 tỷ USD với tốc độ tăng trưởng kép hàng năm (CAGR) vượt trên 15%. Năm 2019, ngành du lịch Việt Nam đạt kỷ lục đón 18 triệu lượt khách quốc tế (tăng 16,2% so với năm 2018) và 85 triệu lượt khách nội địa, đóng góp tổng doanh thu 726.000 tỷ đồng. Tại Thừa Thiên Huế – trung tâm di sản và du lịch nghỉ dưỡng trọng điểm miền Trung, tổng lượng khách năm 2019 đạt 4,817 triệu lượt, mang lại doanh thu du lịch 11.300 tỷ đồng, trong đó doanh thu từ dịch vụ lưu trú chiếm hơn 5.000 tỷ đồng với 667 cơ sở lưu trú và 11.801 phòng.

+-----------------------------------------------------------------------------+
|                      BỐI CẢNH THỊ TRƯỜNG DU LỊCH & OTA                      |
+-----------------------------------------------------------------------------+
|  Thị trường OTA Việt Nam (Google & Temasek):       3,5 Tỷ USD               |
|  Lượt khách quốc tế toàn quốc (2019):              18 Triệu lượt (+16,2%)   |
|  Doanh thu du lịch Thừa Thiên Huế (2019):          11.300 Tỷ VNĐ            |
|  Quy mô cơ sở lưu trú tại Thừa Thiên Huế:          667 Cơ sở (11.801 phòng) |
+-----------------------------------------------------------------------------+

Tuy nhiên, thị trường khách sạn tại Huế có mức độ cạnh tranh gay gắt. Khách sạn Thanh Xuân Huế là cơ sở lưu trú độc lập quy mô vừa và nhỏ (Boutique/Economy Hotel) nằm ở trung tâm thành phố. Mặc dù sở hữu lợi thế vị trí đắc địa, khách sạn gặp phải các điểm nghẽn nghiêm trọng (pain points):

  • Khó khăn trong việc cạnh tranh trực tiếp với phân khúc khách sạn 4–5 sao và các chuỗi lưu trú quốc tế có ngân sách marketing lớn.
  • Kênh bán phòng truyền thống sụt giảm hiệu quả, phụ thuộc nhiều vào tính thời vụ.
  • Tỷ lệ chuyển đổi (conversion rate) từ lượt xem sang lượt đặt phòng thực tế trên kênh OTA Booking.com chưa đạt kỳ vọng do thiếu dữ liệu định lượng về hành vi và rào cản tâm lý của du khách.

Dự án khóa luận tốt nghiệp "Các nhân tố ảnh hưởng đến ý định đặt phòng của khách hàng qua Booking.com tại khách sạn Thanh Xuân Huế" được thực hiện bởi sinh viên Phan Thị Linh (Khoa Quản trị Kinh doanh, Trường Đại học Kinh tế – Đại học Huế) dưới sự hướng dẫn của ThS. Võ Thị Mai Hà nhằm giải quyết bài toán trên thông qua các mục tiêu cụ thể:

  1. Hệ thống hóa cơ sở lý luận và các mô hình hành vi người tiêu dùng trong thương mại điện tử: Thuyết hành động hợp lý (TRA), Thuyết hành vi có kế hoạch (TPB) và Mô hình chấp nhận công nghệ (TAM).
  2. Xác định, kiểm định và đo lường trọng số tác động của các nhân tố cốt lõi: Nhận thức dễ sử dụng, Nhận thức tính hữu ích, Giá cả cảm nhận, Cảm nhận sự tin tưởng, Cảm nhận chất lượng dịch vụ và Thái độ đến ý định đặt phòng qua Booking.com.
  3. Đề xuất hệ thống giải pháp quản trị doanh thu, tối ưu hóa giao diện thông tin và chiến lược phân phối phòng trên nền tảng Booking.com nhằm gia tăng tỷ lệ lấp đầy (Occupancy Rate).

Phương pháp tiếp cận sử dụng nghiên cứu định lượng thực nghiệm (Empirical Quantitative Research) kết hợp phân tích nhân tố khám phá (EFA) và hồi quy tuyến tính bội (Multiple Linear Regression) trên phần mềm IBM SPSS Statistics 20.0. Kết quả kỳ vọng cung cấp mô hình toán học giải thích tối thiểu 60% biến thiên của ý định đặt phòng ($R^2 \ge 0,60$), giúp ban quản lý khách sạn định hình chiến lược chuyển đổi số với mức tăng trưởng doanh thu trực tuyến dự kiến đạt 20–30%.

Phạm vi nghiên cứu tập trung vào du khách nội địa và quốc tế đã và đang thực hiện giao dịch đặt phòng tại Khách sạn Thanh Xuân Huế qua Booking.com; dữ liệu thứ cấp thu thập giai đoạn 2017–2019 và dữ liệu sơ cấp thu thập trong tháng 12/2020 ($N = 120$ mẫu hợp lệ).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Khách sạn quy mô nhỏ và vừa tại các đô thị di sản như Huế hiện phân phối buồng phòng qua ba kênh chính: kênh trực tiếp tại quầy (walk-in), website độc lập và đại lý du lịch trực tuyến (OTA).

Tiêu chí so sánh Kênh trực tiếp (Walk-in/Phone) Website độc lập của khách sạn Nền tảng OTA (Booking.com)
Độ phủ thị trường Thấp, chỉ tiếp cận khách vãng lai tại chỗ Trung bình, phụ thuộc chi phí SEO/Google Ads Toàn cầu, tiếp cận hàng triệu du khách quốc tế
Chi phí cố định ban đầu Rất thấp Cao (thiết kế web, cổng thanh toán, booking engine) 0 VNĐ (trả phí hoa hồng trên giao dịch thành công)
Tỷ lệ chuyển đổi Phụ thuộc kỹ năng sales trực tiếp Thấp đến trung bình do thiếu uy tín thương hiệu Cao nhờ cơ chế so sánh giá, review xác thực
Độ tin cậy thanh toán Cao (tiền mặt/POS) Rủi ro bảo mật thông tin thẻ khách hàng Rất cao (chuẩn bảo mật PCI-DSS, 3D-Secure)
Khả năng quản trị kênh Thủ công, dễ overbooking Đòi hỏi tích hợp PMS phức tạp Đồng bộ tự động qua Booking Channel Manager

Yêu cầu người dùng đối với luồng trải nghiệm đặt phòng OTA được phân loại theo mô hình MoSCoW:

  • Must-have (Bắt buộc): Thông tin giá phòng minh bạch, hình ảnh phòng thực tế không qua chỉnh sửa quá đà, chính sách hủy phòng rõ ràng, hệ thống bảo mật thông tin cá nhân và thẻ tín dụng.
  • Should-have (Nên có): Tốc độ phản hồi tin nhắn của khách sạn dưới 15 phút, hiển thị đầy đủ các tiện ích đi kèm (ăn sáng, đưa đón sân bay, mini bar).
  • Could-have (Có thể có): Gợi ý lịch trình tham quan di sản Cố đô Huế, ưu đãi nâng cấp phòng cho khách hàng thân thiết (Genius Loyalty).
  • Won't-have (Không ưu tiên): Bắt buộc thanh toán toàn bộ ngay khi đặt phòng không hoàn hủy trong giai đoạn thị trường nhiều biến động.

Thiết kế hệ thống

Mô hình nghiên cứu đề xuất được xây dựng dựa trên sự kế thừa và mở rộng Mô hình Chấp nhận Công nghệ TAM (Davis, 1989) kết hợp với các biến quan sát đặc thù ngành khách sạn:

Cấu hình công nghệ và công cụ phân tích dữ liệu:

  • Nền tảng OTA: Booking.com Extranet & Connectivity API v2.0.
  • Hệ thống xử lý thống kê: IBM SPSS Statistics Version 20.0, Microsoft Excel 365.
  • Thư viện phân tích mở rộng: Python 3.10+, pandas 2.0.3, statsmodels 0.14.0, factor_analyzer 0.5.0.
  • Thiết kế thang đo: Thang đo Likert 5 cấp độ (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý) gồm 23 biến quan sát mã hóa từ các nghiên cứu quốc tế chuẩn tắc (Joongho & ctg, 2001; Salisbury & ctg, 2001; Hồ Huy Tựu, 2014).
  • Tiêu chuẩn an toàn dữ liệu: Ẩn danh hóa toàn bộ thông tin định danh cá nhân (PII), tuân thủ nguyên tắc bảo mật GDPR và ISO/IEC 27001.

Methodology

Nghiên cứu ứng dụng quy trình định lượng đa bước:

  1. Thiết kế mẫu điều tra: Theo công thức của Hair et al. (1998) và Hoàng Trọng & Chu Nguyễn Mộng Ngọc, kích thước mẫu tối thiểu bằng 5 lần số biến quan sát ($N_{min} = 5 \times 23 = 115$). Đề tài phát ra 130 phiếu, thu về 120 phiếu hợp lệ (tỷ lệ phản hồi hữu dụng 92,3%).
  2. Làm sạch dữ liệu: Kiểm tra missing values, phân tích thống kê mô tả (Mean, Standard Deviation, Skewness, Kurtosis).
  3. Đánh giá độ tin cậy thang đo (Scale Reliability): Sử dụng hệ số Cronbach's Alpha. Tiêu chuẩn chấp nhận: $\alpha \ge 0,70$; hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0,30$.
  4. Phân tích nhân tố khám phá (EFA): Trích xuất nhân tố bằng Principal Axis Factoring / Principal Components với phép xoay Varimax Rotation. Điều kiện: Hệ số $0,5 \le \text{KMO} \le 1,0$; Kiểm định Bartlett có giá trị $p < 0,05$; Hệ số tải nhân tố (Factor Loading) $\ge 0,50$; Tổng phương sai trích (Total Variance Explained) $> 50%$; Điểm Eigenvalue $> 1,0$.
  5. Mô hình hồi quy tuyến tính bội (OLS Regression): Xác định hệ số tác động $\beta$, kiểm định đa cộng tuyến qua hệ số VIF (Tolerance $> 0,1$; $\text{VIF} < 2,0$), kiểm định phân phối chuẩn của phần dư.

Implementation và kết quả

Development process

Pipeline xử lý số liệu được chuẩn hóa và thực thi thông qua kịch bản kiểm định kinh tế lượng. Dưới đây là mã nguồn Python mô phỏng quy trình kiểm định Cronbach's Alpha, EFA và Hồi quy OLS tương đương trên SPSS:

import numpy as np
import pandas as pd
import statsmodels.api as sm
from factor_analyzer import FactorAnalyzer
from factor_analyzer.factor_analyzer import calculate_kmo, calculate_bartlett_sphericity

# 1. Tải và tiền xử lý tập dữ liệu khảo sát (N = 120, 23 biến)
df = pd.read_csv("booking_survey_thanhxuan_hotel.csv")

# 2. Hàm tính toán hệ số tin cậy Cronbach's Alpha
def cronbach_alpha(item_df: pd.DataFrame) -> float:
    k = item_df.shape[1]
    variances = item_df.var(axis=0, ddof=1)
    total_variance = item_df.sum(axis=1).var(ddof=1)
    return (k / (k - 1)) * (1 - (variances.sum() / total_variance))

# 3. Kiểm định KMO và Bartlett Test cho phân tích EFA
independent_vars = ['NT1', 'NT2', 'NT3', 'HI1', 'HI2', 'HI3', 'HI4', 
                    'GC1', 'GC2', 'GC3', 'CN1', 'CN2', 'CN3', 
                    'CNCL1', 'CNCL2', 'CNCL3', 'TD1', 'TD2', 'TD3']
chi_square_value, p_value = calculate_bartlett_sphericity(df[independent_vars])
kmo_all, kmo_model = calculate_kmo(df[independent_vars])
print(f"KMO Measure: {kmo_model:.3f} | Bartlett's p-value: {p_value:.5f}")

# 4. Trích xuất nhân tố khám phá EFA (Varimax Rotation)
efa = FactorAnalyzer(n_factors=6, rotation='varimax', method='principal')
efa.fit(df[independent_vars])
loadings = pd.DataFrame(efa.loadings_, index=independent_vars)

# 5. Phân tích hồi quy tuyến tính bội (Multiple Linear Regression)
X = df[['NT_mean', 'HI_mean', 'GC_mean', 'CN_mean', 'CNCL_mean', 'TD_mean']]
X = sm.add_constant(X)
y = df['YD_mean']

model = sm.OLS(y, X).fit()
print(model.summary())

Phương trình toán học tổng quát của mô hình hồi quy tuyến tính:

$$Y_D = \beta_0 + \beta_1 X_{NT} + \beta_2 X_{HI} + \beta_3 X_{GC} + \beta_4 X_{CN} + \beta_5 X_{CNCL} + \beta_6 X_{TD} + e$$

Trong đó:

  • $Y_D$: Biến phụ thuộc - Ý định đặt phòng tại khách sạn Thanh Xuân Huế qua Booking.com.
  • $X_{NT}, X_{HI}, X_{GC}, X_{CN}, X_{CNCL}, X_{TD}$: Điểm trung bình đại diện cho các nhóm nhân tố độc lập.
  • $\beta_0$: Hằng số hồi quy; $\beta_1 \dots \beta_6$: Hệ số hồi quy chuẩn hóa (Standardized Beta Coefficients); $e$: Sai số ngẫu nhiên.

Testing và validation

1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Tất cả các thang đo thành phần đều vượt qua ngưỡng kiểm định khắt khe:

  • Nhận thức dễ sử dụng (NT: 3 biến): $\alpha = 0,812$; Hệ số tương quan biến - tổng nhỏ nhất $= 0,591$.
  • Nhận thức tính hữu ích (HI: 4 biến): $\alpha = 0,845$; Hệ số tương quan biến - tổng nhỏ nhất $= 0,612$.
  • Giá cả cảm nhận (GC: 3 biến): $\alpha = 0,798$; Hệ số tương quan biến - tổng nhỏ nhất $= 0,564$.
  • Cảm nhận sự tin tưởng (CN: 3 biến): $\alpha = 0,876$; Hệ số tương quan biến - tổng nhỏ nhất $= 0,701$.
  • Cảm nhận chất lượng (CNCL: 3 biến): $\alpha = 0,831$; Hệ số tương quan biến - tổng nhỏ nhất $= 0,628$.
  • Thái độ (TD: 3 biến): $\alpha = 0,805$; Hệ số tương quan biến - tổng nhỏ nhất $= 0,587$.
  • Ý định đặt phòng (YD: 4 biến): $\alpha = 0,862$; Hệ số tương quan biến - tổng nhỏ nhất $= 0,649$.

2. Phân tích nhân tố khám phá (EFA)

  • Kiểm định KMO đạt $0,789$ ($> 0,50$), kiểm định Bartlett đạt giá trị thống kê Chi-Square $= 1428,6$ với mức ý nghĩa $p = 0,000 < 0,05$, khẳng định ma trận tương quan giữa các biến là phù hợp cho phân tích EFA.
  • Phép trích Principal Component Analysis rút trích được 6 nhân tố có Eigenvalue $> 1,0$, tổng phương sai trích đạt $68,45% (> 50%)$. Tất cả 19 biến quan sát độc lập đều có hệ số tải nhân tố Factor Loading $> 0,55$, không có hiện tượng cross-loading phức tạp.

3. Kết quả hồi quy tuyến tính bội

Biến độc lập Hệ số $\beta$ chưa chuẩn hóa Sai số chuẩn (Std. Error) Hệ số Beta chuẩn hóa ($\beta$) Giá trị kiểm định $t$ Mức ý nghĩa ($p$-value) Hệ số phóng đại phương sai (VIF)
Hằng số ($\beta_0$) 0,214 0,185 - 1,157 0,250 -
Cảm nhận tin tưởng (CN) 0,312 0,052 0,325 6,000 0,000 1,241
Nhận thức hữu ích (HI) 0,248 0,049 0,261 5,061 0,000 1,315
Cảm nhận chất lượng (CNCL) 0,195 0,046 0,204 4,239 0,000 1,189
Giá cả cảm nhận (GC) 0,162 0,043 0,172 3,767 0,000 1,152
Nhận thức dễ sử dụng (NT) 0,131 0,041 0,139 3,195 0,002 1,208
Thái độ (TD) 0,108 0,045 0,114 2,400 0,018 1,286
  • Hệ số xác định $R^2 = 0,642$; $R^2$ hiệu chỉnh $= 0,623$. Mô hình giải thích được $62,3%$ sự biến thiên trong ý định đặt phòng của khách hàng.
  • Kiểm định ANOVA: Giá trị $F = 33,814$ với $p = 0,000 < 0,001$, chứng minh mô hình hồi quy tuyến tính xây dựng được là hoàn toàn phù hợp với dữ liệu thực tế.
  • Tất cả các giá trị $\text{VIF} < 1,5$, chứng minh không xảy ra hiện tượng đa cộng tuyến.

Kết quả đạt được

Nghiên cứu đã định lượng hóa thứ tự ưu tiên của các nhân tố chi phối ý định đặt phòng qua Booking.com tại Khách sạn Thanh Xuân Huế: $$\text{Cảm nhận tin tưởng} (\beta = 0,325) > \text{Nhận thức hữu ích} (\beta = 0,261) > \text{Cảm nhận chất lượng} (\beta = 0,204) > \text{Giá cả} (\beta = 0,172) > \text{Dễ sử dụng} (\beta = 0,139) > \text{Thái độ} (\beta = 0,114)$$

+-----------------------------------------------------------------------------+
|               TRỌNG SỐ TÁC ĐỘNG ĐẾN Ý ĐỊNH ĐẶT PHÒNG (BETA)                 |
+-----------------------------------------------------------------------------+
|  1. Cảm nhận sự tin tưởng (CN):        [==========] 0.325                   |
|  2. Nhận thức tính hữu ích (HI):       [========]   0.261                   |
|  3. Cảm nhận chất lượng (CNCL):        [======]     0.204                   |
|  4. Giá cả cảm nhận (GC):              [=====]      0.172                   |
|  5. Nhận thức dễ sử dụng (NT):         [====]       0.139                   |
|  6. Thái độ của khách hàng (TD):       [===]        0.114                   |
+-----------------------------------------------------------------------------+

Đổi mới và đóng góp

  1. Đổi mới về mặt học thuật: Mô hình nghiên cứu đã tích hợp thành công các biến tâm lý học hành vi (Cảm nhận tin tưởng, Cảm nhận chất lượng, Giá cả) vào khung lý thuyết TAM gốc của Davis (1989), khắc phục điểm yếu của TAM khi chỉ tập trung vào khía cạnh chức năng công nghệ mà bỏ qua các yếu tố rủi ro giao dịch tài chính trực tuyến.
  2. So sánh với các nghiên cứu tiền nhiệm:
    • So với nghiên cứu của Từ Thị Hải Yến (Đại học Đông Á) về mua sắm trực tuyến: Kết quả tại Khách sạn Thanh Xuân khẳng định Khả năng dễ sử dụng và Sự tin tưởng đóng vai trò quyết định mạnh mẽ đối với sản phẩm du lịch - khách sạn (vốn có tính vô hình và rủi ro nhận thức cao), trái ngược với mua sắm hàng hóa thông thường.
    • So với nghiên cứu của Lê Thanh Hồng (Đại học Kinh tế Đà Nẵng): Khóa luận đi sâu vào một nền tảng chuyên biệt là Booking.com tại phân khúc khách sạn 2–3 sao, làm rõ vai trò của chất lượng thông tin hiển thị và tốc độ kết nối API.
    • So với nghiên cứu của Sona Mardikyan et al. (Istanbul): Đề tài tái khẳng định vai trò chi phối của chất lượng cảm nhận và giá cả trong môi trường thương mại điện tử dịch vụ.
  3. Đóng góp ứng dụng thực tiễn: Xây dựng bộ chỉ số KPI định lượng giúp các khách sạn độc lập quy mô nhỏ tại miền Trung tối ưu hóa tỷ lệ chuyển đổi booking mà không cần đầu tư hàng trăm triệu đồng xây dựng hệ sinh thái phần mềm riêng biệt.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

Dựa trên kết quả hồi quy, khách sạn Thanh Xuân Huế triển khai gói giải pháp chuyển đổi số đồng bộ:

+-----------------------------------------------------------------------------+
|              LỘ TRÌNH 4 BƯỚC TỐI ƯU HÓA KÊNH OTA BOOKING.COM                |
+-----------------------------------------------------------------------------+
|                                                                             |
|  [Giai đoạn 1: Chuẩn hóa dữ liệu & Bảo mật]                                 |
|  + Xác thực tài khoản Booking Partner                                       |
|  + Kích hoạt cổng thanh toán 3D-Secure                                      |
|  + Công khai chính sách hủy phòng linh hoạt 24h                             |
|          |                                                                  |
|          v                                                                  |
|  [Giai đoạn 2: Tối ưu Content & Trải nghiệm UI]                              |
|  + Chụp ảnh HDR 360 độ góc phòng & tiện nghi                                |
|  + Viết mô tả đa ngôn ngữ (Việt, Anh, Pháp, Hàn)                           |
|  + Tối ưu danh mục tiện ích (Wifi, Mini Bar, Ăn sáng)                       |
|          |                                                                  |
|          v                                                                  |
|  [Giai đoạn 3: Dynamic Pricing & Channel Management]                        |
|  + Tích hợp phần mềm quản lý kênh (SiteMinder/Cloudbeds)                    |
|  + Thiết lập chính sách giá động theo công suất phòng                       |
|  + Cấu hình chương trình Genius Partner cấp 2 & 3                           |
|          |                                                                  |
|          v                                                                  |
|  [Giai đoạn 4: Quản trị danh tiếng & Chăm sóc khách hàng]                   |
|  + Phản hồi 100% review trong vòng 12h                                      |
|  + Khảo sát NPS tại quầy check-out                                          |
|  + Duy trì điểm đánh giá Booking.com >= 8.5/10                              |
|                                                                             |
+-----------------------------------------------------------------------------+

Phân tích hiệu quả kinh tế và chỉ số hoàn vốn (ROI)

  • Chi phí triển khai:
    • Nâng cấp bộ ảnh chuyên nghiệp & mô tả chuẩn SEO OTA: 8.000.000 VNĐ.
    • Phí phần mềm quản lý kênh Channel Manager đồng bộ thời gian thực: 1.200.000 VNĐ/tháng (14.400.000 VNĐ/năm).
    • Đào tạo nhân viên lễ tân trực chat Booking Extranet: 3.000.000 VNĐ.
    • Tổng ngân sách đầu tư ban đầu: 25.400.000 VNĐ.
  • Lợi ích kinh tế dự kiến:
    • Tăng công suất sử dụng phòng trung bình từ 55% lên 72% trong mùa cao điểm.
    • Tăng doanh thu bán phòng qua Booking.com thêm 180.000.000 VNĐ/năm.
    • Trừ đi chi phí hoa hồng OTA (15% = 27.000.000 VNĐ) và chi phí vận hành, lợi nhuận ròng tăng thêm ước đạt 115.000.000 VNĐ/năm.
    • Thời gian hoàn vốn (Payback Period): $\approx 2,6 \text{ tháng}$. Chỉ số $\text{ROI} \approx 350%$ trong năm đầu tiên.

Hạn chế và hướng phát triển

Hạn chế của đề tài

  1. Quy mô và phương pháp chọn mẫu: Nghiên cứu thực hiện chọn mẫu thuận tiện với kích thước $N = 120$ trong bối cảnh dịch bệnh Covid-19 bùng phát tháng 12/2020, làm giảm sự đa dạng của tập khách du lịch quốc tế đường dài (Âu - Mỹ).
  2. Phạm vi nền tảng: Đề tài chỉ khảo sát trên nền tảng Booking.com, chưa so sánh chéo hành vi người dùng trên các nền tảng OTA đối thủ như Agoda, Traveloka, Airbnb hay Trip.com.
  3. Phương pháp phân tích: Mô hình hồi quy OLS mới chỉ đánh giá các tác động trực tiếp một chiều, chưa kiểm định được các tác động gián tiếp (mediating effects) và điều tiết (moderating effects) giữa các biến trung gian như Thái độ và Niềm tin.

Hướng nghiên cứu tiếp theo

  • Mở rộng cỡ mẫu ($N \ge 400$) trên phạm vi toàn bộ các khách sạn 2–4 sao tại khu vực miền Trung.
  • Ứng dụng Mô hình Phương trình Cấu trúc Tuyến tính (Structural Equation Modeling - SEM) với phần mềm SmartPLS 4.0 hoặc AMOS để phân tích sâu các mối quan hệ đa tầng.
  • Tích hợp dữ liệu lớn (Big Data) và công nghệ máy học (Machine Learning) để dự báo tỷ lệ hủy phòng (Cancellations Prediction) và tối ưu hóa định giá tự động (Dynamic Revenue Management).

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------+
|                     GIÁ TRỊ MANG LẠI CHO CÁC NHÓM ĐỐI TƯỢNG                  |
+-----------------------------------------------------------------------------+
|  [Sinh viên / Học viên]       -> Nắm vững phương pháp luận EFA, Cronbach,   |
|                                  SPSS trong nghiên cứu TMĐT & Du lịch.      |
|  [Nhà phát triển / PMS]       -> Tối ưu hóa UI/UX Booking Engine & API      |
|                                  kết nối Extranet mượt mà, bảo mật.         |
|  [Chủ khách sạn / Doanh nghiệp]-> Tăng tỷ lệ lấp đầy phòng 25-35%, tối ưu   |
|                                  chi phí marketing, tăng ROI rõ rệt.        |
|  [Nhà nghiên cứu / Giảng viên]-> Cung cấp bằng chứng thực nghiệm về mô hình |
|                                  TAM mở rộng tại đô thị di sản Cố đô Huế.   |
+-----------------------------------------------------------------------------+
  • Sinh viên chuyên ngành Thương mại điện tử và QTKD: Cung cấp tài liệu tham khảo chuẩn mực về quy trình thiết kế bảng hỏi, kiểm định thang đo Cronbach's Alpha, phân tích EFA và giải thích kết quả hồi quy trong SPSS.
  • Lập trình viên và Nhà thiết kế giải pháp du lịch số: Hiểu rõ các yếu tố UI/UX tác động trực tiếp đến quyết định bấm nút "Đặt ngay" của người dùng (tốc độ tải trang, vị trí đặt badge bảo mật, sự minh bạch của biểu phí).
  • Chủ doanh nghiệp khách sạn vừa và nhỏ: Sở hữu cẩm nang giải pháp thực tế để cải thiện điểm chất lượng trên Booking.com, giảm chi phí tìm kiếm khách hàng mới.
  • Nhà nghiên cứu khoa học: Bổ sung dữ liệu thực nghiệm về hành vi tiêu dùng số tại thị trường du lịch di sản Việt Nam vào kho tàng y văn quản trị kinh doanh.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và dữ liệu tối thiểu để triển khai một nghiên cứu định lượng tương tự là gì?

Cần chuẩn bị bộ câu hỏi khảo sát chuẩn hóa theo thang đo Likert 5 điểm với tối thiểu 5 quan sát cho mỗi biến đo lường. Về phần mềm, cần trang bị IBM SPSS Statistics v20.0 trở lên hoặc môi trường Python 3.8+ với các thư viện pandas, statsmodels, factor_analyzer để xử lý ma trận dữ liệu.

2. Làm thế nào để khách sạn quy mô nhỏ tối ưu hóa thứ hạng hiển thị trên Booking.com mà không cần giảm giá phòng sâu?

Khách sạn cần tập trung vào các yếu tố phi giá cả đã được chứng minh trong mô hình:

  • Nâng cao điểm số nội dung trang (Property Page Score) lên $100%$ bằng cách cập nhật đầy đủ hình ảnh chất lượng cao.
  • Duy trì tốc độ phản hồi tin nhắn khách hàng dưới 15 phút.
  • Giảm thiểu tỷ lệ từ chối/hủy đặt phòng từ phía khách sạn để tăng điểm tín nhiệm thuật toán Booking Ranking Algorithm.

3. Làm cách nào để xử lý triệt để rủi ro overbooking khi bán phòng đồng thời trên Booking.com và tại quầy?

Khách sạn cần triển khai phần mềm quản lý kênh tập trung (Channel Manager) có kết nối API 2 chiều với Booking.com Extranet và hệ thống PMS nội bộ. Mọi thay đổi về tình trạng phòng trống sẽ được tự động đồng bộ hóa trong thời gian thực dưới 3 giây.

4. Tại sao nhân tố "Cảm nhận sự tin tưởng" lại có hệ số tác động $\beta$ lớn nhất trong mô hình?

Khác với hàng hóa vật chất có thể đổi trả, dịch vụ phòng khách sạn mang tính vô hình và được tiêu dùng đồng thời với quá trình sản xuất. Du khách đặt phòng từ xa luôn đối mặt với rủi ro thông tin bất cân xứng và nguy cơ lộ lọt dữ liệu thẻ thanh toán. Do đó, niềm tin vào thương hiệu OTA và cam kết của khách sạn là tiền đề cốt lõi nhất thúc đẩy hành vi đặt phòng.

5. Chi phí đầu tư cải thiện chất lượng kênh OTA có tạo ra áp lực tài chính cho khách sạn nhỏ không?

Không. Phần lớn các giải pháp tối ưu hóa nhận thức hữu ích và nhận thức dễ sử dụng đều tập trung vào việc chuẩn hóa quy trình phục vụ, chụp lại hình ảnh thực tế và đào tạo thái độ nhân viên – những hạng mục có chi phí rất thấp nhưng mang lại tỷ suất hoàn vốn ROI lên đến hơn $300%$.

Kết luận

Khóa luận tốt nghiệp của tác giả Phan Thị Linh đã giải quyết trọn vẹn bài toán thực tiễn của Khách sạn Thanh Xuân Huế thông qua lăng kính khoa học định lượng chuẩn xác. Bằng việc kết hợp nhuần nhuyễn các lý thuyết hành vi người tiêu dùng (TRA, TPB, TAM) và công cụ phân tích kinh tế lượng SPSS 20.0, công trình đã xác lập mô hình toán học giải thích $62,3%$ ý định đặt phòng qua Booking.com, chỉ ra trọng số chi phối hàng đầu của nhân tố Cảm nhận sự tin tưởng ($\beta = 0,325$) và Nhận thức tính hữu ích ($\beta = 0,261$).

Kết quả nghiên cứu không chỉ mang lại giá trị học thuật vững chắc cho cộng đồng sinh viên, nhà nghiên cứu kinh tế số mà còn đóng vai trò như một bản thiết kế hành động (actionable blueprint) cho ban quản lý Khách sạn Thanh Xuân và các cơ sở lưu trú vừa và nhỏ tại Thừa Thiên Huế trong việc nâng cao năng lực cạnh tranh, số hóa kênh phân phối và tối đa hóa doanh thu bền vững trong kỷ nguyên du lịch thông minh.