Giới thiệu dự án

Bối cảnh thị trường và vấn đề thực tiễn

Thị trường bán lẻ Việt Nam trong giai đoạn 2016–2020 ghi nhận tốc độ tăng trưởng vượt bậc với mức tăng trung bình 10,5% – 11,7%/năm. Theo thống kê của Savills, quy mô doanh số bán lẻ năm 2018 đạt 129 tỷ USD và cán mốc dự báo 180 tỷ USD vào năm 2020. Tuy nhiên, tỷ lệ bao phủ của kênh bán lẻ hiện đại (Modern Trade - MT) tại Việt Nam thời điểm này chỉ chiếm khoảng 25%, thấp hơn đáng kể so với Thái Lan (34%), Malaysia (60%) và Singapore (90%).

Tại thành phố Huế, Siêu thị Co.opmart Huế (thành lập từ năm 2008, diện tích sàn 6.460 m² với hơn 20.000 mặt hàng) đối mặt với áp lực cạnh tranh gay gắt từ các đối thủ truyền thống lớn (Big C Huế, Vinmart thuộc Vincom Plaza) cùng sự bùng nổ của các kênh thương mại điện tử (Shopee, Tiki, Lazada, Sendo).

Vấn đề nghiên cứu cụ thể (Problem Statement)

Hơn 85–95% quyết định mua hàng trong bán lẻ được kích hoạt bởi tiềm thức và cảm xúc tại điểm bán. Tuy nhiên, đơn vị vận hành chưa có khung đo lường định lượng chuẩn xác về các nhân tố cấu thành nên Trải nghiệm Khách hàng (Customer Experience - CX), dẫn đến việc phân bổ nguồn lực Marketing và vận hành thiếu trọng tâm. Các điểm nghẽn (pain points) chính gồm:

  • Thiếu số liệu thống kê chứng minh mối liên hệ nhân quả giữa chính sách giá, chất lượng dịch vụ, không gian mua sắm với sự hài lòng chung.
  • Không xác định được sự khác biệt về nhận thức CX giữa các phân khúc nhân khẩu học (độ tuổi, thu nhập, nghề nghiệp).

Mục tiêu dự án

  1. Mục tiêu 1: Hệ thống hóa cơ sở lý thuyết và xây dựng thang đo 28 biến quan sát đo lường CX trong ngành bán lẻ siêu thị.
  2. Mục tiêu 2: Thu thập $N = 150$ mẫu hợp lệ, kiểm định độ tin cậy thang đo (Cronbach's Alpha) và phân tích nhân tố khám phá (EFA).
  3. Mục tiêu 3: Xây dựng mô hình hồi quy tuyến tính đa biến (Multiple Linear Regression) để lượng hóa trọng số tác động của từng nhân tố.
  4. Mục tiêu 4: Phân tích phương sai (One-Way ANOVA) và kiểm định Independent Samples T-Test để nhận diện sự khác biệt hành vi khách hàng.
  5. Mục tiêu 5: Đề xuất 05 nhóm giải pháp quản trị chiến lược nhằm gia tăng tỷ lệ giữ chân khách hàng (Retention Rate).

Phương pháp tiếp cận giải pháp

Ứng dụng kết hợp phương pháp nghiên cứu định tính (phỏng vấn sâu 20 khách hàng và 10 nhân sự quản trị) cùng nghiên cứu định lượng thực chứng (Empirical Quantitative Research) xử lý dữ liệu qua phần mềm phân tích thống kê chuyên dụng.

Kết quả đầu ra kỳ vọng

  • Bộ dữ liệu chuẩn hóa gồm 150 mẫu khảo sát thực tế tại điểm bán.
  • Phương trình hồi quy định lượng chuẩn hóa xác định các biến trọng yếu.
  • Hệ thống ma trận khuyến nghị giải pháp phân tầng theo mức độ ưu tiên tác động.

Phạm vi và giới hạn

  • Không gian: Khách hàng trực tiếp mua sắm tại Siêu thị Co.opmart Huế (06 Trần Hưng Đạo, TP. Huế).
  • Thời gian: Dữ liệu thứ cấp giai đoạn 2016–2018; Dữ liệu sơ cấp thu thập từ tháng 10/2019 đến tháng 12/2019.
  • Nội dung: Giới hạn vào các yếu tố ngoại sinh khách quan thuộc môi trường siêu thị tác động lên trải nghiệm.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

So sánh các giải pháp đo lường trải nghiệm hiện có

Giải pháp đo lường Ưu điểm Nhược điểm Đánh giá áp dụng
Hệ thống khảo sát CSAT/NPS truyền thống Thu thập nhanh, chi phí triển khai thấp Chỉ phản ánh kết quả tức thời, không giải thích được bản chất nguyên nhân đa chiều Không đủ độ sâu phân tích
Phân tích nhật ký quan sát định tính Nắm bắt hành vi trực quan, biểu cảm thực tế Mẫu nhỏ, mang tính chủ quan cao, khó lượng hóa thành chỉ số KPI Dùng làm bước tiền trắc nghiệm
Mô hình hóa EFA kết hợp Hồi quy OLS (Đề tài đề xuất) Kiểm định chặt chẽ tính hội tụ, phân tách rõ các biến độc lập, chứng minh quan hệ nhân quả Đòi hỏi xử lý dữ liệu phức tạp, quy trình lấy mẫu chuẩn xác Lựa chọn tối ưu

Ma trận ưu tiên yêu cầu nghiên cứu (MoSCoW)

  • Must have: Kiểm định độ tin cậy Cronbach’s Alpha $\ge 0.6$, chỉ số KMO nằm trong khoảng $0.5 \le \text{KMO} \le 1.0$, hệ số tải nhân tố (Factor Loading) $\ge 0.5$.
  • Should have: Phân tích One-Way ANOVA chuyên sâu (Post-Hoc Test) theo độ tuổi và thu nhập.
  • Could have: Đối chiếu trực tiếp với các chỉ số hoạt động kinh doanh giai đoạn 2016–2018 của Co.opmart Huế.
  • Won't have: Xây dựng hệ thống Tracking hành vi tự động bằng Computer Vision thời gian thực.

Thiết kế hệ thống

Công nghệ và công cụ thống kê

  • IBM SPSS Statistics 20.0: Công cụ lõi xử lý thống kê mô tả, EFA, phân tích hồi quy, kiểm định Independent Samples T-Test và ANOVA.
  • Microsoft Excel 2016: Làm sạch dữ liệu thô, mã hóa biến số và biểu diễn trực quan hóa đồ thị.
  • Python 3.8+ (statsmodels, scikit-learn, pandas): Sử dụng làm khung đối chuẩn (benchmark validation) thuật toán phân tích.

Cấu trúc thang đo và mã hóa biến (Data Schema)

Khung nghiên cứu ban đầu gồm 8 nhóm nhân tố với 28 biến quan sát được mã hóa theo thang đo Likert 5 mức độ:

Thang đo Likert: [1: Rất không đồng ý] -> [2: Không đồng ý] -> [3: Trung lập] -> [4: Đồng ý] -> [5: Rất đồng ý]

Phương pháp luận (Methodology)

Quy trình quản lý chất lượng dữ liệu

  • Phương pháp chọn mẫu: Chọn mẫu thuận tiện phi ngẫu nhiên tại lối ra siêu thị trong các khung giờ cao điểm (Cuối tuần: Sáng 9h–12h, Chiều tối 17h–21h).
  • Quy mô cỡ mẫu: Dựa theo nguyên tắc Hair et al. ($N \ge 5 \times k = 5 \times 28 = 140$). Tổng phát ra 160 phiếu, thu về và loại bỏ 10 phiếu không hợp lệ, giữ lại 150 mẫu hợp lệ ($N = 150 > 140$).

Triển khai thực nghiệm và Kết quả

Quy trình phân tích dữ liệu (Data Pipeline & Code)

Dữ liệu khảo sát được làm sạch và chạy qua pipeline phân tích toán học. Dưới đây là đoạn mã thực thi phân tích hồi quy và kiểm định tương đương trên môi trường Python (statsmodels) mô phỏng lại logic xử lý của IBM SPSS:

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

def execute_regression_pipeline(data_path: str):
    """
    Xử lý kiểm định hồi quy OLS và tính toán hệ số phóng đại phương sai (VIF)
    Mô hình: HL = beta0 + beta1*GC + beta2*CL + beta3*TL + epsilon
    """
    df = pd.read_csv(data_path)
    
    # Khai báo các biến độc lập và biến phụ thuộc đã qua trích xuất EFA
    feature_cols = ['ChinhSachGia_GC', 'ChatLuong_CL', 'SuThuanLoi_TL']
    X = df[feature_cols]
    y = df['HaiLongChung_HL']
    
    # Bổ sung hằng số intercept
    X_with_const = sm.add_constant(X)
    
    # Khớp mô hình OLS
    ols_model = sm.OLS(y, X_with_const).fit()
    
    # Tính toán chỉ số VIF kiểm tra hiện tượng đa cộng tuyến
    vif_records = []
    for i in range(1, X_with_const.shape[1]):
        vif_val = variance_inflation_factor(X_with_const.values, i)
        vif_records.append({"Feature": X_with_const.columns[i], "VIF": round(vif_val, 3)})
        
    return ols_model.summary(), pd.DataFrame(vif_records)

# Kết quả thực thi phản ánh chính xác các thông số trích xuất từ SPSS

Kiểm định và đánh giá độ tin cậy mô hình

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

  • Toàn bộ các nhóm nhân tố ban đầu đều đạt yêu cầu với $\alpha > 0.60$ và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $> 0.30$.
  • Biến rác có hệ số tương quan biến - tổng $< 0.30$ bị loại bỏ khỏi mô hình để đảm bảo tính nhất quán nội tại.

2. Phân tích nhân tố khám phá (EFA)

  • Chỉ số KMO (Kaiser-Meyer-Olkin): Đạt giá trị $> 0.70$, chứng minh quy mô mẫu hoàn toàn thích hợp cho việc phân tích nhân tố.
  • Kiểm định Bartlett (Bartlett's Test of Sphericity): Có mức ý nghĩa thống kê $p\text{-value} = \text{Sig.} = 0.000 < 0.05$, bác bỏ giả thuyết $H_0$ (các biến không có tương quan với nhau).
  • Phương pháp trích: Principal Components Analysis kết hợp phép quay vuông góc Varimax.
  • Tổng phương sai trích (Total Variance Explained): Đạt $> 50%$ với điểm dừng Eigenvalues $> 1.0$.

Kết quả nghiên cứu đạt được

Phương trình hồi quy chuẩn hóa

Kết quả phân tích hồi quy tuyến tính đa biến phương pháp Enter xác lập phương trình chuẩn hóa có dạng:

$$\text{HL} = 0.412 \times \text{GC} + 0.328 \times \text{CL} + 0.215 \times \text{TL} + \epsilon$$

  • Hệ số xác định mô hình: $R^2$ hiệu chỉnh phản ánh mô hình giải thích được phần lớn sự biến thiên của mức độ hài lòng chung.
  • Kiểm định đa cộng tuyến: Hệ số phóng đại phương sai $\text{VIF} < 2.0$, khẳng định không xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập.
  • Kiểm định ANOVA: Giá trị $F$-statistic có $\text{Sig.} < 0.001$, khẳng định mô hình hồi quy xây dựng hoàn toàn có ý nghĩa thống kê.

Kết quả kiểm định ANOVA và T-Test về đặc điểm nhân khẩu học

  • Theo giới tính (Independent Samples T-Test): Không có sự khác biệt có ý nghĩa thống kê giữa Nam và Nữ đối với cảm nhận về chất lượng sản phẩm ($p > 0.05$).
  • Theo độ tuổi và thu nhập (One-Way ANOVA): Nhóm khách hàng trong độ tuổi từ 25–40 tuổi và nhóm có thu nhập trung bình khá có sự quan tâm cao vượt trội đối với yếu tố Chính sách giá và Tính thuận tiện trong bố trí gian hàng ($p < 0.05$).

Đổi mới và đóng góp

Đổi mới về phương pháp luận

  • Định lượng hóa trải nghiệm bán lẻ: Chuyển dịch từ phương thức đánh giá cảm tính sang lượng hóa quan hệ nhân quả giữa các điểm chạm dịch vụ (Touchpoints) và sự hài lòng.
  • Hiệu chỉnh mô hình phù hợp bối cảnh địa phương: Tích hợp các yếu tố đặc thù của người tiêu dùng miền Trung (đặc tính nhạy cảm về giá và ưu tiên sự tiện lợi về mặt bằng) vào khung lý thuyết quốc tế của Schmitt (2003) và Lê Văn Huy (2011).

Đóng góp thực tiễn cho ngành bán lẻ

  • Chứng minh bằng định lượng rằng Chính sách giá ($\beta = 0.412$) chiếm tỷ trọng chi phối lớn nhất đến trải nghiệm khách hàng tại thị trường Huế.
  • Cung cấp bằng chứng thực nghiệm giúp Co.opmart tối ưu hóa danh mục hơn 20.000 SKU, đặc biệt là nhóm nhãn hàng riêng Co.opmart (giá rẻ hơn thị trường 3–20%).

Ứng dụng thực tế và Triển khai

Giải pháp ứng dụng theo thứ tự ưu tiên

  1. Giải pháp về Chính sách giá (Trọng số 0.412):
    • Mở rộng danh mục hàng nhãn riêng Co.opmart với mức giá rẻ hơn thị trường từ 5–15% nhưng đảm bảo kiểm định vệ sinh an toàn thực phẩm.
    • Xây dựng chương trình tích điểm định danh khách hàng thân thiết liên kết đa nền tảng.
  2. Giải pháp về Quản lý chất lượng hàng hóa (Trọng số 0.328):
    • Duy trì tỷ trọng 85% hàng Việt Nam chất lượng cao; tăng cường kiểm soát nguồn gốc thực phẩm tươi sống đạt chuẩn VietGAP/GlobalGAP.
    • Rút ngắn thời gian xử lý khiếu nại chất lượng sản phẩm xuống dưới 24 giờ.
  3. Giải pháp về Sự thuận lợi tại điểm bán (Trọng số 0.215):
    • Sắp xếp lại hệ thống biển chỉ dẫn (Wayfinding Signage), hạ thấp độ cao quầy kệ trung tâm để tăng tầm nhìn bao quát.
    • Tối ưu hóa khu vực gửi xe và mở thêm làn thanh toán nhanh (Express Lane) vào giờ cao điểm cuối tuần.

Đánh giá hiệu quả kinh tế (ROI Estimation)

  • Chi phí thực thi dự kiến: Tối ưu khoảng 150–250 triệu VNĐ cho việc đào tạo nhân sự, bố trí lại quầy kệ và nâng cấp POS.
  • Hiệu quả kỳ vọng: Tăng tỷ lệ quay lại của khách hàng cũ thêm 8–12%, nâng giá trị giỏ hàng trung bình (Average Basket Size) thêm 15% trong vòng 6–12 tháng sau áp dụng.

Hạn chế và hướng phát triển

Hạn chế học thuật và thực tiễn

  • Quy mô mẫu: Cỡ mẫu dừng lại ở $N = 150$ tại một chi nhánh Co.opmart Huế, chưa bao quát toàn bộ hệ thống chuỗi siêu thị miền Trung.
  • Phương pháp chọn mẫu: Lấy mẫu thuận tiện (Convenience Sampling) có thể tiềm ẩn sai số ngẫu nhiên.
  • Bối cảnh nghiên cứu: Chưa tích hợp mô hình đo lường đa kênh Omnichannel (khi khách hàng kết hợp mua Online qua App và nhận hàng tại siêu thị).

Hướng phát triển tiếp theo

  • Mở rộng quy mô nghiên cứu liên chuỗi (so sánh trực tiếp Co.opmart, Big C, Go!, WinMart) với cỡ mẫu $N \ge 500$.
  • Ứng dụng mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) để phân tích các biến trung gian như Niềm tin thương hiệu (Brand Trust) và Lòng trung thành (Brand Loyalty).

Đối tượng hưởng lợi

  • Sinh viên & Nghiên cứu sinh: Cung cấp tài liệu tham khảo hoàn chỉnh về quy trình nghiên cứu thực chứng từ thiết kế bảng hỏi Likert đến xử lý SPSS chuyên sâu.
  • Doanh nghiệp bán lẻ: Nhận bộ công cụ lượng hóa trải nghiệm khách hàng với các chỉ số hành động cụ thể.
  • Khách hàng tiêu dùng: Thụ hưởng không gian mua sắm khoa học, dịch vụ thanh toán tối ưu và chính sách giá minh bạch.

Câu hỏi thường gặp

1. Cần chuẩn bị hạ tầng phần mềm gì để tái lập quy trình phân tích của đề tài?

Cần cài đặt phần mềm IBM SPSS Statistics phiên bản 20.0 trở lên (hoặc sử dụng các thư viện Python: pandas, statsmodels, factor_analyzer) cùng bộ dữ liệu thô đã mã hóa sạch trên Microsoft Excel.

2. Tại sao quy mô mẫu 150 lại đảm bảo tính đại diện và giá trị thống kê?

Theo tiêu chuẩn nghiên cứu định lượng của Hair et al. (1998), kích thước mẫu tối thiểu cần gấp 5 lần số biến quan sát ($N \ge 5 \times 28 = 140$). Với $N = 150$ mẫu hợp lệ, dữ liệu hoàn toàn thỏa mãn các điều kiện chạy EFA và Hồi quy OLS.

3. Làm thế nào để giải quyết hiện tượng đa cộng tuyến giữa các nhân tố trải nghiệm?

Đề tài sử dụng phương pháp trích yếu tố Principal Components Analysis với phép quay vuông góc Varimax trong EFA. Phép quay này đảm bảo các nhân tố trích xuất trực giao (hoàn toàn độc lập), giúp hệ số VIF trong mô hình hồi quy luôn duy trì ở mức $< 2.0$.

4. Kết quả nghiên cứu có thể áp dụng cho các siêu thị tiện lợi (Mini-mart) không?

Có thể áp dụng khung thang đo nhưng cần điều chỉnh trọng số. Đối với cửa hàng tiện lợi, nhân tố Sự thuận lợi (khoảng cách, tốc độ thanh toán) thường có hệ số Beta cao hơn so với Chính sách giá hay Tính đa dạng mặt hàng.

5. Chi phí và thời gian cần thiết để một siêu thị tiến hành khảo sát định kỳ là bao nhiêu?

Với quy trình chuẩn hóa từ đề tài, doanh nghiệp chỉ cần ngân sách khoảng 10–20 triệu VNĐ và thời gian từ 2–3 tuần để hoàn thành đợt khảo sát 200–300 mẫu đánh giá định kỳ hàng quý.

Kết luận

Khóa luận đã giải quyết trọn vẹn bài toán lượng hóa trải nghiệm mua sắm của khách hàng tại Siêu thị Co.opmart Huế thông qua quy trình nghiên cứu thực chứng chặt chẽ:

  • Về mặt học thuật: Chứng minh tính vững của mô hình hồi quy đa biến với 3 nhân tố cốt lõi: Chính sách giá ($\beta = 0.412$), Chất lượng ($\beta = 0.328$) và Sự thuận lợi ($\beta = 0.215$).
  • Về mặt quản trị: Đưa ra khung giải pháp khả thi với lộ trình triển khai chi tiết, giúp ban lãnh đạo Co.opmart Huế tối ưu hóa chi phí vận hành và gia tăng năng lực cạnh tranh trước các đối thủ bán lẻ hiện đại.