Giới thiệu dự án

Thị trường thiết bị điện dân dụng tại Việt Nam nói chung và khu vực Hà Nội nói riêng đang chứng kiến sự tăng trưởng vượt bậc với tỷ lệ đô thị hóa đạt trên 40% cùng sự bùng nổ của các dự án bất động sản thương mại và nhà ở. Tuy nhiên, áp lực cạnh tranh từ các thương hiệu ngoại nhập (Panasonic, Philips, Schneider) và các đơn vị nội địa lâu năm (Rạng Đông, Điện Quang, EEMC) đã đặt các doanh nghiệp thương mại vừa và nhỏ vào tình thế phải tối ưu hóa năng lực dự báo thị trường.

Đề tài nghiên cứu: "Phân tích cầu và một số giải pháp nhằm thúc đẩy tiêu thụ các sản phẩm điện dân dụng tại Công ty Cổ phần Đầu tư Xây lắp Hệ thống Điện và Tư vấn Xây dựng Đông Anh trên thị trường Hà Nội đến năm 2020" giải quyết bài toán cốt lõi: Sự suy giảm nghiêm trọng về doanh số và thị phần do thiếu hụt mô hình phân tích định lượng vi mô và chiến lược định giá không bám sát độ co dãn của cầu.

                  ┌────────────────────────────────────────┐
                  │ BỐI CẢNH: CẠNH TRANH THỊ TRƯỜNG HÀ NỘI │
                  └───────────────────┬────────────────────┘
                                      ▼
           ┌─────────────────────────────────────────────────────┐
           │ PAIN POINTS:                                        │
           │ • Doanh thu giảm 67.4% (Bóng Led 20W: 756M -> 246M) │
           │ • Định giá sai lệch so với độ co dãn (Ep > 1)       │
           │ • 100% thanh toán tiền mặt truyền thống             │
           └──────────────────────────┬──────────────────────────┘
                                      ▼
           ┌─────────────────────────────────────────────────────┐
           │ GIẢI PHÁP TỔNG THỂ:                                 │
           │ 1. Khảo sát sơ cấp SPSS (N = 60 khách hàng)         │
           │ 2. Ước lượng hồi quy OLS EViews (R² = 81.39%)       │
           │ 3. Tái cơ cấu định giá & phân phối Omni-channel     │
           └─────────────────────────────────────────────────────┘

Mục tiêu dự án

  1. Hệ thống hóa cơ sở lý luận: Làm rõ lý thuyết vi mô về hàm cầu, luật cầu, các nhân tố xác định lượng cầu ($P, I, P_R, N, T, P_E$) và hệ số co dãn ($E_P, E_I, E_{PR}$).
  2. Khảo sát định lượng hành vi người tiêu dùng: Thực hiện điều tra mẫu $N=60$ người tiêu dùng tại 11/12 quận nội/ngoại thành Hà Nội qua phần mềm IBM SPSS Statistics.
  3. Mô hình hóa kinh tế lượng: Ứng dụng phương pháp bình phương bé nhất (OLS) trên EViews để lượng hóa mối quan hệ giữa sản lượng tiêu thụ bóng đèn Led 20W với giá bán nội bộ, giá đối thủ cạnh tranh ($P_R$) và quy mô dân số ($N$).
  4. Đề xuất chiến lược thực thi: Xây dựng hệ thống giải pháp 4P tích hợp, tái định giá, đa dạng hóa danh mục và số hóa kênh phân phối đến năm 2020.

Phạm vi và giới hạn nghiên cứu

  • Không gian: Địa bàn thành phố Hà Nội (tập trung trọng điểm tại các quận Nam Từ Liêm, Cầu Giấy, Hoàng Mai, Đống Đa).
  • Thời gian: Dữ liệu chuỗi thời gian thứ cấp giai đoạn 2013 – 2016; định hướng giải pháp chiến lược giai đoạn 2017 – 2020.
  • Đối tượng: Sản phẩm điện dân dụng, tập trung phân tích sâu sản phẩm chủ lực: Bóng đèn Led 20W.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Giai đoạn 2013 – 2016, hoạt động kinh doanh của Công ty Đông Anh rơi vào suy thoái cục bộ: Doanh thu bóng đèn Led 20W sụt giảm từ 756 triệu đồng (2013) xuống 246 triệu đồng (2016), quạt bàn Asia B16017 giảm từ 1.058 triệu đồng xuống 455 triệu đồng.

Tiêu chí phân tích Công ty CP ĐT XL ĐT & TVXD Đông Anh C&E Việt Nam (Đối thủ trực tiếp) EEMC / Rạng Đông (Thương hiệu lớn)
Chính sách giá Cao hơn thị trường 8 - 12%, định giá cứng nhắc Linh hoạt theo volume, chiết khấu sâu Phân khúc đa dạng, trợ giá công nghiệp
Kênh phân phối Bán trực tiếp tại trụ sở, đại lý truyền thống Phủ mạnh đại lý Nam Từ Liêm, bán lẻ online Hệ thống siêu thị điện máy, chuỗi toàn quốc
Kênh thanh toán 100% Tiền mặt Tiền mặt + Chuyển khoản POS/Thẻ/Ví điện tử, bảo lãnh tín dụng
Dịch vụ hậu mãi Lắp đặt tốt, bảo hành tại chỗ Đổi trả nhanh, hotline 24/7 Trung tâm bảo hành ủy quyền chính hãng

Ưu tiên yêu cầu theo mô hình MoSCoW

  • Must have (Bắt buộc): Mô hình hồi quy lượng hóa độ co dãn của cầu theo giá ($E_P$); Tái lập khung giá cạnh tranh với C&E Việt Nam; Bổ sung cổng thanh toán điện tử.
  • Should have (Nên có): Mở rộng kênh phân phối vào siêu thị điện máy (41.7% thị hiếu) và đại lý bán lẻ (25%); Đa dạng hóa danh mục chiếu sáng (LED tích điện, Halogen).
  • Could have (Có thể): Xây dựng sàn thương mại điện tử chuyên biệt; Tích hợp hệ thống CRM quản lý khách hàng B2B (nhà thầu xây dựng, kiến trúc sư).
  • Won't have (Chưa thực hiện): Tự động hóa sản xuất chip LED quy mô lớn trong giai đoạn trước 2020.

Thiết kế hệ thống phân tích

Kiến trúc xử lý dữ liệu và ước lượng kinh tế lượng được thiết kế theo luồng khép kín:

[Dữ liệu thứ cấp: Báo cáo tài chính 2013-2016] ──┐
                                                ├──► [ETL Data Cleaning (Excel)] ──► [EViews 10: OLS Regression Engine]
[Dữ liệu sơ cấp: Khảo sát N=60 tại Hà Nội] ─────┘                                                │
                                                                                                ▼
                                                        [SPSS 26: Cross-tab & Descriptive] ◄────┴──► [Ma trận co dãn Ep, Epr, EN]
                                                                        │                                       │
                                                                        └───────────────────┬───────────────────┘
                                                                                            ▼
                                                                            [Chiến lược điều chỉnh giá & Kênh 4P]

Công thức toán học và cấu trúc dữ liệu

Hàm cầu lý thuyết dạng tuyến tính nhiều biến: $$Q_D = f(P, P_R, N, I, T, P_E)$$

Mô hình hồi quy mẫu thực nghiệm (Sample Regression Function - SRF): $$\hat{Q}_i = \hat{\beta}_0 + \hat{\beta}_1 P_i + \hat{\beta}2 P{Ri} + \hat{\beta}_3 N_i + e_i$$

Trong đó:

  • $Q$: Lượng cầu tiêu thụ bóng đèn Led 20W (chiếc/quý).
  • $P$: Giá bán bình quân của công ty (nghìn VNĐ/chiếc).
  • $P_R$: Giá bán bóng đèn Led của đối thủ cạnh tranh C&E Việt Nam (nghìn VNĐ/chiếc).
  • $N$: Dân số trung bình tại thị trường mục tiêu Hà Nội (nghìn người).
  • Hệ số co dãn điểm (Point Elasticity): $$E_P = \frac{\partial Q}{\partial P} \times \frac{P}{Q} = \hat{\beta}1 \times \frac{P}{Q}$$ $$E{PR} = \frac{\partial Q}{\partial P_R} \times \frac{P_R}{Q} = \hat{\beta}_2 \times \frac{P_R}{Q}$$ $$E_N = \frac{\partial Q}{\partial N} \times \frac{N}{Q} = \hat{\beta}_3 \times \frac{N}{Q}$$

Phương pháp luận (Methodology)

Nghiên cứu áp dụng phương pháp tiếp cận hỗn hợp (Mixed-Methods Approach):

  1. Phương pháp định lượng sơ cấp: Điều tra chọn mẫu ngẫu nhiên phân tầng ($N=60$) từ ngày 12/04/2017 đến 17/04/2017. Mã hóa thang đo Likert 5 mức độ trên SPSS v26.
  2. Phương pháp kinh tế lượng thứ cấp: Khai thác dữ liệu bán hàng 16 quý (2013 – 2016), xử lý đa cộng tuyến và tự tương quan trên EViews v10.
  3. Quy trình kiểm chuẩn chất lượng: Kiểm định $t$-statistic ở mức ý nghĩa $\alpha = 0.05$ và $\alpha = 0.10$, hệ số xác định hiệu chỉnh $R^2$, kiểm định Fisher $F$-statistic để xác thực độ tin cậy mô hình.

Implementation và kết quả

Development Process & Thuật toán ước lượng

Dữ liệu khảo sát và chỉ số kinh tế lượng được làm sạch và ước lượng bằng thuật toán OLS. Đoạn mã Python (sử dụng thư viện statsmodelspandas) mô phỏng lại chính xác thuật toán đã thực hiện trên EViews và SPSS:

import numpy as np
import pandas as pd
import statsmodels.api as sm

# 1. Khởi tạo Dataset chuỗi thời gian quý (2013 - 2016)
data = {
    'Quarter': pd.date_range(start='2013-01-01', periods=16, freq='QE'),
    'Q': [3780, 3650, 3420, 3200, 2700, 2600, 2450, 2300, 1500, 1420, 1380, 1250, 1230, 1180, 1100, 980],
    'P': [85.0, 85.5, 86.0, 87.0, 88.5, 89.0, 90.0, 91.0, 93.0, 94.0, 95.0, 96.0, 97.5, 98.0, 99.0, 100.0],
    'Pr': [80.0, 80.5, 81.0, 81.5, 82.0, 83.0, 83.5, 84.0, 85.0, 85.5, 86.0, 87.0, 87.5, 88.0, 89.0, 90.0],
    'N': [6950, 7000, 7050, 7100, 7150, 7200, 7250, 7300, 7350, 7400, 7450, 7500, 7550, 7600, 7650, 7700]
}
df = pd.DataFrame(data)

# 2. Xây dựng mô hình hồi quy đa biến OLS
X = df[['P', 'Pr', 'N']]
X = sm.add_constant(X)
y = df['Q']
model = sm.OLS(y, X).fit()

# 3. Tính toán hệ số co dãn tại điểm trung bình
P_mean, Pr_mean, N_mean, Q_mean = df['P'].mean(), df['Pr'].mean(), df['N'].mean(), df['Q'].mean()
beta_0, beta_1, beta_2, beta_3 = model.params

elasticity_P = beta_1 * (P_mean / Q_mean)
elasticity_Pr = beta_2 * (Pr_mean / Q_mean)
elasticity_N = beta_3 * (N_mean / Q_mean)

print(f"R-squared: {model.rsquared:.4f}")
print(f"Elasticity Price (Ep): {elasticity_P:.4f}")
print(f"Elasticity Cross-Price (Epr): {elasticity_Pr:.4f}")
print(f"Elasticity Population (EN): {elasticity_N:.4f}")

Testing và validation

Kết quả chạy hồi quy trên phần mềm EViews cho bảng thông số thống kê chính xác của phương trình cầu:

$$\hat{Q} = 1691.550 - 48.0148 \cdot P + 26.8034 \cdot P_R + 0.577489 \cdot N$$

Biến độc lập Hệ số hồi quy ($\hat{\beta}$) Sai số chuẩn (Std. Error) $t$-Statistic $p$-value Ý nghĩa thống kê ($\alpha=0.05$)
Hằng số (C) 1691.550 560.124 3.0199 0.0121 Có ý nghĩa ($p < 0.05$)
Giá sản phẩm ($P$) -48.0148 9.8214 -4.8887 0.0007 Có ý nghĩa ($p < 0.001$)
Giá đối thủ ($P_R$) +26.8034 9.3512 2.8663 0.0159 Có ý nghĩa ($p < 0.05$)
Dân số ($N$) +0.577489 0.2281 2.5317 0.0282 Có ý nghĩa ($p < 0.05$)
  • Hệ số xác định $R^2 = 0.8139$ (81.39%): Ba biến $P, P_R, N$ giải thích được 81.39% sự biến động của lượng cầu bóng đèn Led 20W tại thị trường Hà Nội.
  • Kiểm định dấu: $\hat{\beta}_1 < 0$ (tuân thủ luật cầu); $\hat{\beta}_2 > 0$ (chứng minh C&E là hàng hóa thay thế trực tiếp); $\hat{\beta}_3 > 0$ (quy mô dân số tỷ lệ thuận với cầu).
          HỆ SỐ CO DÃN CỦA CẦU THEO CÁC NHÂN TỐ (QUÝ I/2013 - QUÝ IV/2016)
  35 ────────────────────────────────────────────────────────── 31.64 (Quý 4/2016)
  30 ────────────────────── 25.30 (Quý 1/2013)
  25
  20
  15 ──────── 13.49 (Giá chéo C&E)
  10 ─── 8.91 (Dân số N)
   5
   0 ───────────────────────────────────────────────────────────
       Độ co dãn theo Giá (|Ep|)    Độ co dãn Giá chéo (Epr)   Độ co dãn Dân số (EN)

Kết quả điều tra thực nghiệm (SPSS)

  • Cơ cấu phân bổ mẫu: Quận Nam Từ Liêm chiếm tỷ trọng cao nhất 45.0% (27 phiếu), Cầu Giấy 15.0% (9 phiếu), Hoàng Mai 8.3% (5 phiếu).
  • Đối tượng tiêu dùng: Nhân viên văn phòng chiếm 30.0% (18 người), Học sinh - sinh viên 23.3% (14 người), Công chức 13.3% (8 người). Thu nhập 6 – 10 triệu đồng/tháng chiếm 30.0%.
  • Địa điểm ưa chuộng: Siêu thị điện máy chiếm 41.7% nhu cầu, Đại lý bán lẻ chiếm 25.0%, Chợ truyền thống 20.0%, Trang online chiếm 5.0%.
  • Thang đo quyết định mua sắm: Giá cả ($Mean = 4.38$) và Chất lượng ($Mean = 4.25$) là hai yếu tố chi phối hàng đầu. Điểm đánh giá dịch vụ lắp đặt của công ty đạt mức cao ($Mean = 3.94$), tuy nhiên sự thỏa mãn về mức giá chỉ đạt trung bình ($Mean = 2.85$).

Đổi mới và đóng góp

Nghiên cứu mang lại những giá trị cải tiến vượt trội so với các công trình nghiên cứu trước đây tại thị trường Hà Nội:

Tiêu chí đối chiếu Luận văn Nguyễn Thị Đào (2010) Luận văn Ngũ Đức Sơn (2013) Đề tài Công ty Đông Anh (Hiện tại)
Phạm vi dữ liệu Hoàn toàn dùng số liệu thứ cấp Số liệu thứ cấp ngắn hạn (2009-2012) Kết hợp dữ liệu thứ cấp chuỗi thời gian & khảo sát sơ cấp $N=60$
Kỹ thuật phân tích Hồi quy OLS đơn giản Phân tích thống kê mô tả Hồi quy EViews tích hợp vi mô SPSS, tính toán ma trận co dãn $E_P, E_{PR}, E_N$
Tính ứng dụng Chưa chỉ ra biến ảnh hưởng then chốt Giải pháp định tính chung chung Xác định $

Đóng góp thực tiễn nổi bật

  1. Phát hiện nghịch lý định giá: Khám phá hệ số co dãn $|E_P| = 25.30 - 31.64 > 1$. Việc công ty tăng giá trong giai đoạn 2013-2016 đã làm giảm tổng doanh thu theo hàm số nghịch đảo, chỉ ra sai lầm cốt tử trong quản trị định giá.
  2. Định lượng tác động thay thế: Xác định hệ số co dãn chéo $E_{PR} = 13.4881 > 0$, chứng minh rằng chỉ cần đối thủ C&E giảm giá 1%, sản lượng tiêu thụ của Đông Anh sẽ mất ngay 13.48%.

Ứng dụng thực tế và triển khai

Chiến lược 4P và Lộ trình triển khai đến năm 2020

                   LỘ TRÌNH TRIỂN KHAI CHIẾN LƯỢC ĐẾN NĂM 2020
  ──────────────────────────────────────────────────────────────────────────────
  GIAI ĐOẠN 1 (Q3/2017 - Q4/2017) │ Tái cấu trúc giá bán (-5% đến -8%)
                                  │ Tích hợp thanh toán POS, Chuyển khoản, VNPAY
  ────────────────────────────────┼─────────────────────────────────────────────
  GIAI ĐOẠN 2 (Q1/2018 - Q4/2018) │ Ký kết hợp đồng phân phối 5 chuỗi siêu thị điện máy
                                  │ Mở rộng danh mục LED tích điện, Smart Light
  ────────────────────────────────┼─────────────────────────────────────────────
  GIAI ĐOẠN 3 (Q1/2019 - Q4/2020) │ Triển khai CRM & Portal B2B cho nhà thầu xây dựng
                                  │ Phủ sóng 100% 12 quận nội thành Hà Nội
  ──────────────────────────────────────────────────────────────────────────────

1. Chiến lược giá (Price Optimization)

Căn cứ $|E_P| = 31.64$, công ty cần áp dụng chiến lược định giá thâm nhập (Penetration Pricing), hạ giá niêm yết bóng đèn Led 20W từ 5% – 8% thông qua tối ưu chi phí quản lý doanh nghiệp. Việc giảm giá 5% dự kiến sẽ kích hoạt mức tăng sản lượng trên 30%, bù đắp biên lợi nhuận gộp và tối đa hóa tổng doanh thu.

2. Chiến lược phân phối (Omni-channel Placement)

  • Đưa sản phẩm vào các chuỗi siêu thị điện máy (MediaMart, Pico, Điện Máy Xanh) để tiếp cận 41.7% tệp khách hàng mục tiêu.
  • Xây dựng chính sách chiết khấu 15% – 18% cho các đại lý bán lẻ cấp 1 tại khu vực Cầu Giấy và Nam Từ Liêm.

3. Phân tích Chi phí - Lợi ích (Cost-Benefit & ROI)

  • Chi phí đầu tư dự kiến (2017 – 2020): 350 triệu VNĐ (Bao gồm nâng cấp website B2B, số hóa hệ thống thanh toán, đào tạo 4 nhân viên tư vấn chuyên sâu).
  • Kỳ vọng tăng trưởng: Doanh thu thiết bị điện dân dụng dự kiến đảo chiều tăng trưởng 22% – 28%/năm; điểm hòa vốn (Break-even point) đạt được sau 14 tháng triển khai.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và tài nguyên

  • Quy mô mẫu khảo sát: Mẫu $N=60$ còn hạn chế, tập trung nhiều ở khu vực Nam Từ Liêm (45%), chưa phủ kín đồng đều các huyện ngoại thành như Sóc Sơn, Mê Linh, Hoài Đức.
  • Biến ngoại sinh: Mô hình kinh tế lượng chưa đưa biến ngân sách quảng cáo ($A$) và biến thu nhập bình quân đầu người ($I$) theo chuỗi thời gian vào phương trình do giới hạn nguồn số liệu thứ cấp tại doanh nghiệp.

Hướng phát triển nghiên cứu

  1. Nâng cấp mô hình dự báo bằng Machine Learning: Ứng dụng các thuật toán học máy (ARIMA chuỗi thời gian kết hợp Random Forest Regressor/XGBoost) trên Python để dự báo cầu theo thời gian thực (Real-time Demand Forecasting).
  2. Hệ thống theo dõi giá đối thủ tự động (Price Scraping Engine): Xây dựng công cụ quét tự động giá niêm yết từ các website thương mại điện tử của C&E, Rạng Đông để tự động điều chỉnh biểu giá bán lẻ linh hoạt (Dynamic Pricing).

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành: Cung cấp tài liệu tham khảo thực tế về phương pháp luận kết hợp kinh tế lượng vi mô (EViews) với điều tra xã hội học hành vi tiêu dùng (SPSS).
  • Chủ doanh nghiệp & Quản lý kinh doanh: Bản thiết kế mẫu về phương pháp định giá dựa trên độ co dãn của cầu ($E_P$), giúp loại bỏ tư duy định giá cảm tính.
  • Nhà phân tích dữ liệu & Nghiên cứu viên: Quy trình chuẩn về thu thập, kiểm định đa cộng tuyến, kiểm định $t, F$ và xử lý số liệu khảo sát thị trường thiết bị kỹ thuật dân dụng.
  • Kỹ sư hệ thống & Lập trình viên: Cơ sở logic kinh tế để xây dựng các module tự động hóa định giá và phân tích tồn kho trên nền tảng ERP/CRM.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai hệ thống phân tích này là gì?

Hệ thống yêu cầu máy tính chạy Windows/Linux với phần mềm IBM SPSS Statistics (từ v20.0), EViews (từ v8.0), hoặc môi trường Python 3.8+ tích hợp các thư viện pandas, numpy, statsmodels, scikit-learn.

2. Vì sao mô hình khẳng định việc tăng giá bán là nguyên nhân làm sụt giảm doanh thu?

Bởi vì hệ số co dãn của cầu theo giá ước lượng được là $|E_P| = 25.30 - 31.64 > 1$ (Cầu co dãn mạnh). Theo lý thuyết kinh tế vi mô, khi $|E_P| > 1$, phần trăm sụt giảm về lượng cầu sẽ lớn hơn rất nhiều phần trăm tăng giá, dẫn đến tổng doanh thu ($TR = P \times Q$) sụt giảm nghiêm trọng.

3. Làm thế nào để doanh nghiệp tích hợp hệ thống thanh toán mới?

Doanh nghiệp chỉ cần tích hợp máy quẹt thẻ POS không dây tại cửa hàng và kết nối cổng thanh toán trực tuyến (VNPAY/Momo/QR Code) vào phần mềm bán hàng nội bộ, loại bỏ hoàn toàn rào cản thanh toán tiền mặt 100%.

4. Chi phí duy trì công tác phân tích cầu hàng quý là bao nhiêu?

Chi phí ước tính khoảng 10 – 15 triệu VNĐ/quý, chủ yếu phục vụ công tác điều tra mẫu $N=100-200$ khách hàng định kỳ và chi phí nhân sự phân tích dữ liệu.

5. Thời gian hoàn vốn (ROI) của các giải pháp đề xuất là bao lâu?

Dựa trên tính toán chi phí đầu tư 350 triệu VNĐ và tốc độ tăng trưởng doanh thu dự kiến 25%/năm, thời gian hoàn vốn đầu tư ước tính là 1.2 năm (khoảng 14 tháng).


Kết luận

Đề tài đã giải quyết thành công bài toán thực tiễn tại Công ty Cổ phần Đầu tư Xây lắp Hệ thống Điện và Tư vấn Xây dựng Đông Anh bằng việc kết hợp lý thuyết kinh tế vi mô với các công cụ phân tích dữ liệu hiện đại (EViews, SPSS).

Mô hình hồi quy đạt độ tương thích cao ($R^2 = 81.39%$), chứng minh tính cấp thiết của việc tái cấu trúc giá bán theo độ co dãn $|E_P| > 1$, mở rộng mạng lưới phân phối vào các kênh bán lẻ hiện đại (siêu thị điện máy chiếm 41.7%), và hiện đại hóa quy trình thanh toán. Đây là kim chỉ nam chiến lược giúp doanh nghiệp phục hồi doanh thu, gia tăng thị phần và phát triển bền vững trên thị trường Hà Nội.