Giới thiệu dự án

Thị trường bảo hiểm nhân thọ (BHNT) tại Việt Nam đang trong giai đoạn chuyển mình mạnh mẽ với tốc độ tăng trưởng doanh thu phí bảo hiểm toàn ngành đạt 184.662 tỷ đồng năm 2020 (tăng 19% so với 2019), trong đó khối BHNT đóng góp 127.560 tỷ đồng. Dù sở hữu tiềm năng dân số hơn 1,15 triệu người và là trung tâm kinh tế - văn hóa - y tế của miền Trung, tỉnh Thừa Thiên Huế vẫn ghi nhận tỷ lệ thâm nhập bảo hiểm khiêm tốn. Tâm lý tiêu dùng đặc thù của người dân địa phương ưu tiên các kênh tích lũy truyền thống như gửi tiết kiệm ngân hàng, mua vàng tích trữ hoặc giữ tiền mặt tại nhà để phòng ngừa rủi ro y tế, tạo nên rào cản lớn cho các doanh nghiệp bảo hiểm như Prudential Việt Nam.

+-----------------------------------------------------------------------------------+
|                            BỐI CẢNH THỊ TRƯỜNG HUẾ                                |
|                                                                                   |
|  [ Dân số: >1.15M người ] ----> [ Tâm lý tài chính: Trữ vàng / Tiết kiệm ]        |
|                                         |                                         |
|                                         v                                         |
|  [ Rào cản nhận thức ] <====== [ Khoảng trống thông tin BHNT ]                   |
|          |                                                                        |
|          +----------------------------+-----------------------------+             |
|                                       |                             |             |
|                                       v                             v             |
|                          [ Rủi ro tài chính cao ]      [ Thâm nhập thị trường thấp]
+-----------------------------------------------------------------------------------+

Vấn đề cốt lõi (Problem Statement) nằm ở khoảng cách giữa giá trị bảo vệ thực tế của sản phẩm BHNT và nhận thức giá trị của người tiêu dùng tại địa bàn TP. Huế. Doanh nghiệp thiếu mô hình định lượng chuẩn xác để xác định trọng số tác động của các nhân tố tâm lý, xã hội và thương hiệu đến quyết định ký kết hợp đồng bảo hiểm.

Đề tài tập trung giải quyết các mục tiêu nghiên cứu cụ thể:

  1. Đánh giá thực trạng hành vi và mức độ thâm nhập sản phẩm bảo hiểm Prudential của khách hàng cá nhân tại TP. Huế.
  2. Xác định và đo lường cường độ tác động của các nhân tố chính đến quyết định mua bảo hiểm thông qua mô hình kinh tế lượng.
  3. Kiểm định sự khác biệt về quyết định tham gia bảo hiểm theo các biến nhân khẩu học (độ tuổi, hôn nhân, học vấn, thu nhập).
  4. Đề xuất hệ thống giải pháp Marketing Mix và quản trị quan hệ khách hàng (CRM) nhằm tối ưu hóa tỷ lệ chuyển đổi hợp đồng.

Phương pháp tiếp cận kết hợp chặt chẽ giữa nghiên cứu định tính (phỏng vấn sâu $N=5$ chuyên gia quản lý kinh doanh và $N=5$ khách hàng) và nghiên cứu định lượng ($N=130$ khách hàng thực tế) thông qua bảng câu hỏi chuẩn hóa Likert 5 mức độ.

Kết quả kỳ vọng cung cấp phương trình hồi quy tuyến tính đa biến chuẩn hóa với hệ số xác định hiệu chỉnh $R^2_{adj} \ge 0.50$, giá trị kiểm định $F$ đạt mức ý nghĩa thống kê $p < 0.001$, đồng thời đưa ra bộ tham số định lượng giúp tối ưu chiến lược kinh doanh cho Prudential chi nhánh Huế. Phạm vi nghiên cứu giới hạn tại địa bàn TP. Huế, đối tượng khảo sát là khách hàng trong độ tuổi lao động từ 25 đến 55 tuổi có thu nhập độc lập.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu hành vi tiêu dùng bảo hiểm nhân thọ đòi hỏi việc đối chiếu giữa các khung lý thuyết kinh điển và thực tiễn triển khai tại các thị trường địa phương. Bảng tổng hợp dưới đây phân tích ưu - nhược điểm của các phương pháp tiếp cận hiện hành:

Phương pháp nghiên cứu / Mô hình Ưu điểm kỹ thuật Nhược điểm & Khoảng trống Khả năng thích ứng tại Huế
Thuyết hành động hợp lý (TRA) (Fishbein & Ajzen, 1975) Đo lường tốt mối quan hệ giữa Thái độ ($\text{Attitude}$) và Chuẩn chủ quan ($\text{Subjective Norms}$). Bỏ qua rào cản nguồn lực và khả năng kiểm soát hành vi thực tế của cá nhân. Trung bình; người dân Huế chịu ảnh hưởng lớn từ gia đình nhưng bị giới hạn thu nhập.
Thuyết hành vi có kế hoạch (TPB) (Ajzen, 1991) Bổ sung biến Nhận thức kiểm soát hành vi ($\text{PBC}$), phản ánh năng lực tài chính. Chưa chi tiết hóa các thuộc tính vô hình đặc thù của dịch vụ tài chính - bảo hiểm. Khá; giải thích được tác động của mức thu nhập đến việc cam kết đóng phí dài hạn.
Mô hình SERVQUAL (Parasuraman et al., 1988) Đánh giá sâu sắc 5 khía cạnh chất lượng dịch vụ (Tin cậy, Đáp ứng, Đảm bảo, Cảm thông, Hữu hình). Tập trung vào mức độ thỏa mãn dịch vụ hơn là động cơ ra quyết định mua lần đầu. Hạn chế trong việc đo lường rào cản tâm lý e ngại rủi ro lạm phát/hợp đồng phức tạp.
Mô hình tích hợp đề xuất (Võ Văn Thạnh, 2022) Kết hợp TRA/TPB với biến đặc thù: Thương hiệu, Giá trị sản phẩm, Rào cản, Động cơ, Ý kiến người thân. Cần cỡ mẫu đủ lớn và quy trình làm sạch dữ liệu nghiêm ngặt để tránh đa cộng tuyến. Rất cao; phản ánh trực tiếp hành vi tiêu dùng tài chính của khách hàng miền Trung.

Yêu cầu nghiên cứu được phân loại theo ma trận MoSCoW:

  • Must-have: Khung phân tích độ tin cậy thang đo Cronbach's Alpha ($\alpha \ge 0.70$), phân tích nhân tố khám phá EFA (KMO $\ge 0.5$, Bartlett's Test $p < 0.05$, Tổng phương sai trích $\ge 50%$), kiểm định đa cộng tuyến qua hệ số VIF ($< 2.0$).
  • Should-have: Kiểm định phân phối chuẩn phần dư qua biểu đồ Histogram/Normal P-P Plot; kiểm định phương sai đồng nhất Levene trước khi phân tích One-way ANOVA.
  • Could-have: Phân tích tương quan đơn biến Pearson để sàng lọc biến độc lập trước khi đưa vào mô hình hồi quy OLS.
  • Won't-have: Mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) do giới hạn cỡ mẫu $N=130$.

Thiết kế hệ thống

Khung kiến trúc phân tích dữ liệu được xây dựng dưới dạng luồng xử lý 4 tầng (Data Pipeline Architecture):

+-----------------------------------------------------------------------------------+
|                           KIẾN TRÚC MÔ HÌNH PHÂN TÍCH                             |
+-----------------------------------------------------------------------------------+
| [TẦNG 1: THU THẬP & SƠ CHẾ DỮ LIỆU]                                               |
|  - Thu thập sơ cấp: Bảng hỏi Likert 5 điểm (Google Forms + Khảo sát trực tiếp)     |
|  - Dữ liệu thứ cấp: Báo cáo tài chính Prudential Huế (2018 - 2020)                |
|  - Làm sạch dữ liệu: Xử lý Missing values, mã hóa biến định danh ($N=130$)       |
+-----------------------------------------------------------------------------------+
                                         |
                                         v
+-----------------------------------------------------------------------------------+
| [TẦNG 2: KIỂM ĐỊNH ĐỘ TIN CẬY & GIẢM CHIỀU THANG ĐO]                             |
|  - Cronbach's Alpha: Loại biến có tương quan biến - tổng ($r_{it} < 0.30$)        |
|  - Exploratory Factor Analysis (EFA): Trích xuất Principal Axis Factoring         |
|  - Phép xoay: Varimax Rotation | Tiêu chuẩn: Factor Loading $\ge 0.50$            |
+-----------------------------------------------------------------------------------+
                                         |
                                         v
+-----------------------------------------------------------------------------------+
| [TẦNG 3: MÔ HÌNH HÓA KINH TẾ LƯỢNG (OLS REGRESSION)]                              |
|  - Kiểm định tương quan Pearson | Phân tích hồi quy đa biến Enter/Stepwise        |
|  - Kiểm định vi phạm giả định hồi quy: Đa cộng tuyến (VIF), Tự tương quan (D-W)  |
|  - Đánh giá phân phối chuẩn phần dư chuẩn hóa ($\epsilon_i \sim N(0, \sigma^2)$)  |
+-----------------------------------------------------------------------------------+
                                         |
                                         v
+-----------------------------------------------------------------------------------+
| [TẦNG 4: SO SÁNH NHÂN KHẨU HỌC & RA QUYẾT ĐỊNH]                                   |
|  - Kiểm định Levene's Test (Đồng nhất phương sai)                                 |
|  - Phân tích One-Way ANOVA & Independent Samples T-Test                           |
|  - Trích xuất hàm quyết định & Chiến lược Marketing Mix tối ưu                    |
+-----------------------------------------------------------------------------------+

Technology Stack và Công cụ nghiên cứu

  • Phân tích thống kê & Kinh tế lượng: IBM SPSS Statistics v20.0 / v26.0 (sử dụng Syntax chuyên dụng cho EFA, Reliability, Regression, OLS).
  • Ngôn ngữ lập trình hỗ trợ kiểm định mở rộng: Python 3.10 (thư viện pandas v2.0, statsmodels v0.14, scipy v1.11).
  • Thiết kế công cụ khảo sát: Google Forms API kết hợp bảng câu hỏi chuẩn hóa 24 biến quan sát.
  • Biểu diễn dữ liệu: Matplotlib v3.7, Seaborn v0.12 và Microsoft Excel 2019.

Mô hình toán học tổng quát

Mô hình hồi quy tuyến tính bội được thiết lập như sau:

$$Y = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \beta_3 X_3 + \beta_4 X_4 + \beta_5 X_5 + \epsilon$$

Trong đó:

  • $Y$: Quyết định mua bảo hiểm nhân thọ Prudential của khách hàng tại TP. Huế.
  • $X_1$: Nhận thức giá trị sản phẩm ($\text{Value}$).
  • $X_2$: Thương hiệu công ty ($\text{Brand}$).
  • $X_3$: Ý kiến của người thân ($\text{Social}$).
  • $X_4$: Rào cản mua bảo hiểm ($\text{Barrier}$).
  • $X_5$: Động cơ mua bảo hiểm ($\text{Motive}$).
  • $\beta_0$: Hằng số tự do; $\beta_1, \dots, \beta_5$: Hệ số hồi quy riêng phần; $\epsilon$: Sai số ngẫu nhiên.

Methodology

Nghiên cứu áp dụng quy trình thực nghiệm chuẩn theo 2 pha liên hoàn:

[Khảo sát tài liệu] --> [Phỏng vấn chuyên gia N=5] --> [Hiệu chỉnh thang đo (24 biến)]
                                                                  |
                                                                  v
[Báo cáo & Khuyến nghị] <-- [Hồi quy OLS & ANOVA] <-- [Khảo sát chính thức N=130]
  • Pha 1 - Nghiên cứu định tính: Phỏng vấn sâu 5 trưởng nhóm kinh doanh tại Prudential chi nhánh Huế nhằm phát hiện các yếu tố bản địa hóa, kết hợp phỏng vấn thử nghiệm 5 khách hàng đã ký hợp đồng để chuẩn hóa nội dung câu chữ bảng hỏi sơ bộ.
  • Pha 2 - Nghiên cứu định lượng: Phát 130 phiếu khảo sát thông qua kỹ thuật lấy mẫu thuận tiện phi xác suất. Kích thước mẫu tuân thủ quy tắc Hair et al. (1998): $N \ge 5 \times m = 5 \times 24 = 120$ quan sát ($m=24$ biến quan sát).
Tiêu chí rủi ro Mức độ rủi ro Biện pháp giảm thiểu & Kiểm soát chất lượng (QA)
Sai lệch chọn mẫu (Sampling Bias) Trung bình Phân tầng theo độ tuổi (25-55) và kiểm tra đa dạng hóa mức thu nhập.
Hiện tượng phương sai chung (CMV) Thấp Xáo trộn thứ tự các câu hỏi trong bảng khảo sát, sử dụng thang đo đảo ngược.
Đa cộng tuyến giữa các biến độc lập Cao Kiểm soát hệ số tương quan $r < 0.7$ và điều kiện chỉ số chấp nhận $\text{Tolerance} > 0.5$, $\text{VIF} < 2.0$.

Implementation và kết quả

Development process

Quá trình thu thập và xử lý dữ liệu được thực thi qua 3 giai đoạn: Chuẩn bị bảng hỏi, khảo sát thực địa và phân tích dữ liệu trên SPSS Syntax.

* SPSS Syntax: Phân tích độ tin cậy Cronbach's Alpha cho nhóm biến Nhận thức giá trị sản phẩm.
RELIABILITY
  /VARIABLES=GT1 GT2 GT3 GT4 GT5
  /SCALE('Nhan Thuc Gia Tri San Pham') ALL
  /MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE CORR
  /SUMMARY=TOTAL.

* SPSS Syntax: Phân tích nhân tố khám phá EFA với phép xoay Varimax.
FACTOR
  /VARIABLES TH1 TH2 TH3 TH4 DC1 DC2 DC3 DC4 GT1 GT2 GT3 GT4 GT5 RC1 RC2 RC3 RC4 NT1 NT2 NT3 NT4
  /MISSING LISTWISE 
  /ANALYSIS TH1 TH2 TH3 TH4 DC1 DC2 DC3 DC4 GT1 GT2 GT3 GT4 GT5 RC1 RC2 RC3 RC4 NT1 NT2 NT3 NT4
  /PRINT INITIAL KMO BARTLETT EXTRACTION ROTATION FSCORE
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PAF
  /ROTATION VARIMAX
  /METHOD=CORRELATION.

Đồng thời, thuật toán ước lượng OLS và kiểm tra VIF được mô phỏng kiểm chứng chéo trên Python:

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

def evaluate_econometric_model(df: pd.DataFrame, independent_vars: list, dependent_var: str):
    """
    Ước lượng tham số hồi quy OLS và tính toán hệ số VIF kiểm tra đa cộng tuyến.
    """
    X = df[independent_vars]
    y = df[dependent_var]
    X_with_const = sm.add_constant(X)
    
    # Ước lượng mô hình OLS
    model = sm.OLS(y, X_with_const).fit()
    
    # Tính hệ số VIF cho từng biến độc lập
    vif_data = pd.DataFrame()
    vif_data["Variable"] = X_with_const.columns
    vif_data["VIF"] = [variance_inflation_factor(X_with_const.values, i) 
                       for i in range(X_with_const.shape[1])]
    
    return model.summary(), vif_data

Testing và validation

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

Tất cả 5 nhóm biến độc lập và 1 nhóm biến phụ thuộc gồm 24 biến quan sát đều đạt chuẩn về tính nhất quán nội tại ($\alpha > 0.70$ và hệ số tương quan biến - tổng $r_{it} > 0.30$):

  • Nhận thức giá trị sản phẩm (5 biến): $\alpha = 0.842$; tương quan biến - tổng nhỏ nhất $r_{min} = 0.512$.
  • Thương hiệu công ty (4 biến): $\alpha = 0.816$; tương quan biến - tổng nhỏ nhất $r_{min} = 0.534$.
  • Ý kiến người thân (4 biến): $\alpha = 0.798$; tương quan biến - tổng nhỏ nhất $r_{min} = 0.489$.
  • Rào cản mua bảo hiểm (4 biến): $\alpha = 0.765$; tương quan biến - tổng nhỏ nhất $r_{min} = 0.442$.
  • Động cơ mua bảo hiểm (4 biến): $\alpha = 0.751$; tương quan biến - tổng nhỏ nhất $r_{min} = 0.420$.
  • Quyết định mua bảo hiểm (3 biến - Phụ thuộc): $\alpha = 0.828$; tương quan biến - tổng nhỏ nhất $r_{min} = 0.587$.

Kiểm định EFA biến độc lập

  • Hệ số $\text{KMO} = 0.812$ ($0.5 \le \text{KMO} \le 1.0$), chứng minh kích thước mẫu hoàn toàn phù hợp với phân tích nhân tố.
  • Kiểm định Bartlett's Test có giá trị $\chi^2 = 1428.65$, mức ý nghĩa $p = 0.000 < 0.001$, khẳng định các biến quan sát có tương quan tuyến tính với nhau trong tổng thể.
  • Trích xuất được 5 nhân tố tại giá trị $\text{Eigenvalue} = 1.245 > 1.0$, với tổng phương sai trích đạt $62.84% > 50%$.
  • Tất cả các hệ số tải nhân tố ($\text{Factor Loading}$) đều vượt ngưỡng $0.55$, không có hiện tượng biến tải kép phức tạp.
PHÂN PHỐI TỔNG PHƯƠNG SAI TRÍCH (EFA - 62.84%)
============================================================
[Nhận thức giá trị (24.15%)] ████████████
[Thương hiệu (14.20%)]       ███████
[Ý kiến người thân (10.12%)] █████
[Rào cản mua (7.85%)]        ████
[Động cơ mua (6.52%)]        ███
============================================================

Kết quả đạt được

Phân tích hồi quy đa biến (OLS Regression)

Mô hình hồi quy đạt độ tương thích cao với dữ liệu thực nghiệm:

  • Hệ số tương quan bội $R = 0.768$
  • Hệ số xác định $R^2 = 0.590$
  • Hệ số xác định hiệu chỉnh $R^2_{adj} = 0.573$
  • Kiểm định $F = 35.682$ ($p = 0.000$), chứng minh mô hình hồi quy tuyến tính xây dựng được là hoàn toàn phù hợp với tổng thể.
Biến độc lập Hệ số chưa chuẩn hóa ($B$) Sai số chuẩn ($\text{SE}$) Hệ số chuẩn hóa ($\beta$) Giá trị $t$ Mức ý nghĩa ($p$-value) Hệ số phóng đại phương sai ($\text{VIF}$)
Hằng số ($\beta_0$) 0.412 0.315 - 1.308 0.193 -
Nhận thức giá trị ($X_1$) 0.345 0.052 0.382 6.635 0.000 1.245
Thương hiệu công ty ($X_2$) 0.258 0.048 0.284 5.375 0.000 1.182
Ý kiến người thân ($X_3$) 0.195 0.045 0.215 4.333 0.000 1.210
Rào cản mua bảo hiểm ($X_4$) 0.142 0.041 0.158 3.463 0.001 1.156
Động cơ mua bảo hiểm ($X_5$) 0.118 0.039 0.132 3.025 0.003 1.124

Phương trình hồi quy chuẩn hóa biểu diễn mức độ ưu tiên của các biến tác động:

$$Y = 0.382 \cdot X_1 + 0.284 \cdot X_2 + 0.215 \cdot X_3 + 0.158 \cdot X_4 + 0.132 \cdot X_5$$

Tất cả các hệ số VIF đều nằm trong khoảng từ $1.124$ đến $1.245$ (nhỏ hơn nhiều so với ngưỡng vi phạm 2.0 hoặc 10.0), khẳng định mô hình hoàn toàn không xảy ra hiện tượng đa cộng tuyến.

Kết quả kiểm định khác biệt nhân khẩu học (One-Way ANOVA)

  • Độ tuổi: Có sự khác biệt có ý nghĩa thống kê về quyết định mua bảo hiểm giữa các nhóm tuổi ($F = 4.215, p = 0.007 < 0.05$). Nhóm khách hàng từ 35 đến 45 tuổi có điểm đánh giá quyết định tham gia cao nhất ($\text{Mean} = 4.12$).
  • Thu nhập: Mức thu nhập hàng tháng tạo ra sự phân hóa mạnh mẽ ($F = 6.842, p = 0.000 < 0.05$). Phân khúc thu nhập từ 15 - 25 triệu VNĐ/tháng có xu hướng ký hợp đồng cao hơn 38% so với phân khúc dưới 8 triệu VNĐ/tháng.
  • Trình độ học vấn & Tình trạng hôn nhân: Khách hàng đã lập gia đình và có trình độ từ Đại học trở lên thể hiện mức độ nhận thức rủi ro và quyết định mua vượt trội ($p < 0.05$).

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp khoa học và thực tiễn quan trọng, giải quyết các khoảng trống của các công trình trước đây trên thị trường bảo hiểm:

Tiêu chí so sánh Phạm Thị Loan & Phan Thị Dung (2015) Nguyễn Thị Bình Minh & cs (2020) Công trình nghiên cứu này (Võ Văn Thạnh, 2022)
Địa bàn nghiên cứu Tỉnh Khánh Hòa TP. Hồ Chí Minh Thành phố Huế (Thừa Thiên Huế)
Đối tượng công ty Manulife Đa công ty bảo hiểm Prudential Việt Nam (Chi nhánh Huế)
Cơ cấu tác động biến Rào cản Tác động thứ cấp qua biến trung gian Tác động nghịch chiều ($\beta < 0$) Tác động đồng biến ($\beta = 0.158, p < 0.01$) khi nhận thức rào cản chuyển hóa thành động lực tìm giải pháp an toàn.
Nhân tố chi phối mạnh nhất Sự kiện & Động cơ thúc đẩy Nhận thức về giá trị bảo hiểm Nhận thức giá trị sản phẩm ($\beta = 0.382$)
Mô hình kết hợp Sheth et al. (2001) Kotler & Sheth Tích hợp TRA, TPB, Kotler & Đặc thù địa phương 
THỨ BẬC TÁC ĐỘNG CỦA CÁC YẾU TỐ ĐẾN QUYẾT ĐỊNH MUA
========================================================================
1. Nhận thức giá trị (β = 0.382)  ===================================>
2. Thương hiệu công ty (β = 0.284) =========================>
3. Ý kiến người thân (β = 0.215)   ===================>
4. Rào cản mua bảo hiểm (β = 0.158) =============>
5. Động cơ mua bảo hiểm (β = 0.132) =========>
========================================================================

Các đổi mới học thuật cốt lõi gồm:

  1. Phát hiện quy luật chuyển dịch tâm lý rào cản: Khác với các thị trường lớn như TP.HCM, tại Huế, biến "Rào cản mua bảo hiểm" mang hệ số dương có ý nghĩa thống kê ($\beta = 0.158$). Điều này chứng minh rằng khi khách hàng càng nhận diện rõ ràng các rào cản tài chính và rủi ro bệnh tật, họ càng chủ động tìm kiếm các gói bảo hiểm tích hợp bổ trợ nhằm tự bảo vệ.
  2. Định lượng hóa trọng số niềm tin thương hiệu: Xác lập bằng chứng thực nghiệm cho thấy uy tín thương hiệu đóng góp tới $28.4%$ vào quyết định mua, là nhân tố quan trọng thứ hai sau giá trị cốt lõi của sản phẩm.
  3. Chuẩn hóa bộ công cụ thang đo 24 biến quan sát: Đã được kiểm định hội tụ và phân biệt tại thị trường miền Trung, cung cấp khung tham chiếu chuẩn cho các nghiên cứu tiếp theo về dịch vụ tài chính cá nhân.

Ứng dụng thực tế và triển khai

Dựa trên kết quả hồi quy, hệ thống giải pháp Marketing Mix (4P) và quản trị chuyển đổi khách hàng được xây dựng chi tiết cho Công ty TNHH BHNT Prudential Việt Nam - Chi nhánh Huế:

+-----------------------------------------------------------------------------------+
|                         LỘ TRÌNH TRIỂN KHAI GIẢI PHÁP 4P                          |
+-----------------------------------------------------------------------------------+
| [GIAI ĐOẠN 1: QUÝ 1 - QUÝ 2] TẬP TRUNG SẢN PHẨM & TRẢI NGHIỆM SỐ                 |
|  - Tinh gọn điều khoản hợp đồng; tích hợp gói bổ trợ y tế mở rộng (Pru-Bảo vệ)    |
|  - Triển khai ứng dụng tư vấn tự động PruBot & MatchBook đặt lịch tư vấn số      |
|  - KPI: Tăng điểm nhận thức giá trị sản phẩm thêm 15%                             |
+-----------------------------------------------------------------------------------+
                                         |
                                         v
+-----------------------------------------------------------------------------------+
| [GIAI ĐOẠN 2: QUÝ 3] CHIẾN DỊCH THƯƠNG HIỆU & TIẾP CẬN GIA ĐÌNH                  |
|  - Tổ chức hội thảo chuyên đề "Quản trị tài chính gia đình miền Trung"            |
|  - Tiếp thị dựa trên nhóm tham khảo (Family Referral Programs)                    |
|  - KPI: Tỷ lệ khách hàng mới qua giới thiệu từ người thân tăng 25%                |
+-----------------------------------------------------------------------------------+
                                         |
                                         v
+-----------------------------------------------------------------------------------+
| [GIAI ĐOẠN 3: QUÝ 4] TỐI ƯU KÊNH PHÂN PHỐI & CHĂM SÓC KHÁCH HÀNG                 |
|  - Nâng chuẩn đào tạo MDRT (Million Dollar Round Table) cho đội ngũ tư vấn viên    |
|  - Rút ngắn thời gian giải quyết quyền lợi bảo hiểm (Claim) xuống < 24 giờ        |
|  - KPI: Tỷ lệ chốt hợp đồng thành công tăng 20%, ROI chiến dịch > 2.5x            |
+-----------------------------------------------------------------------------------+

Kịch bản ứng dụng thực tế (Use Case Scenarios)

  • Tình huống 1 - Khách hàng hộ gia đình trẻ (Độ tuổi 28 - 35, thu nhập 18 triệu VNĐ/tháng): Đại lý bảo hiểm sử dụng giải pháp minh họa tài chính số trên máy tính bảng, tập trung làm rõ quyền lợi học vấn cho con và quỹ chăm sóc y tế toàn diện (tác động trực tiếp vào biến Nhận thức giá trị sản phẩm $\beta = 0.382$ và Ý kiến người thân $\beta = 0.215$).
  • Tình huống 2 - Khách hàng trung niên (Độ tuổi 40 - 50, có tích lũy): Tập trung gói sản phẩm liên kết đầu tư, minh bạch hóa lịch sử chia lãi quỹ Prudential trong 5 năm gần nhất và mạng lưới liên kết bệnh viện quốc tế tại Huế (tác động vào biến Thương hiệu công ty $\beta = 0.284$).

Đánh giá hiệu quả kinh tế (Cost-Benefit & ROI)

  • Chi phí dự toán: 150 triệu VNĐ cho chiến dịch truyền thông địa phương và số hóa công cụ tư vấn khách hàng trong 6 tháng.
  • Doanh thu kỳ vọng: Tăng trưởng $18%$ số lượng hợp đồng khai thác mới tại Huế (tương đương khoảng 1.2 - 1.8 tỷ VNĐ phí bảo hiểm năm đầu FYP).
  • Hệ số hoàn vốn đầu tư ước tính: $\text{ROI} \approx 3.2\times$ sau 12 tháng triển khai.

Hạn chế và hướng phát triển

Dù đạt được các kết quả thực nghiệm có ý nghĩa khoa học cao, đề tài ghi nhận một số hạn chế kỹ thuật:

  • Phương pháp lấy mẫu: Kỹ thuật chọn mẫu thuận tiện phi xác suất ($N=130$) có thể hạn chế phần nào tính đại diện tổng thể trên toàn tỉnh Thừa Thiên Huế (khu vực nông thôn và vùng ven chưa được khảo sát sâu).
  • Mô hình kinh tế lượng: Chỉ áp dụng mô hình hồi quy tuyến tính OLS đơn tầng, chưa kiểm soát được tác động điều tiết (Moderating effect) của biến nhân khẩu học hoặc các cấu trúc phi tuyến.
  • Thời gian nghiên cứu: Dữ liệu cắt ngang (Cross-sectional data) thu thập trong giai đoạn biến động sau đại dịch Covid-19, chưa phản ánh được sự dịch chuyển hành vi dài hạn (Longitudinal analysis).

Hướng nghiên cứu và phát triển tiếp theo:

  1. Mở rộng kích thước mẫu lên $N \ge 350$, triển khai kỹ thuật lấy mẫu phân tầng ngẫu nhiên trên toàn địa bàn tỉnh Thừa Thiên Huế và khu vực Bắc Trung Bộ.
  2. Ứng dụng mô hình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) để phân tích sâu hơn các biến trung gian và biến điều tiết.
  3. Tích hợp các thuật toán học máy phân loại (Random Forest, XGBoost) để dự báo xác suất tái tục hợp đồng bảo hiểm nhân thọ dựa trên dữ liệu CRM lớn.

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------+
|                            ĐỐI TƯỢNG HƯỞNG LỢI                                    |
|                                                                                   |
|  [ SINH VIÊN / HỌC VIÊN ]   ----> Khung phương pháp luận, Syntax SPSS chuẩn       |
|  [ DOANH NGHIỆP BẢO HIỂM ]  ----> Mô hình hồi quy chuẩn hóa, Chiến lược 4P        |
|  [ ĐẠI LÝ & TƯ VẤN VIÊN ]   ----> Kịch bản tư vấn theo trọng số tâm lý           |
|  [ NHÀ NGHIÊN CỨU ]         ----> Bộ thang đo 24 biến quan sát thực nghiệm        |
+-----------------------------------------------------------------------------------+
  • Sinh viên & Học viên chuyên ngành Kinh tế/Marketing: Tiếp cận tài liệu tham khảo hoàn chỉnh về quy trình nghiên cứu hành vi người tiêu dùng, từ thiết kế thang đo, phân tích Cronbach's Alpha, EFA đến hồi quy OLS và ANOVA thực nghiệm.
  • Doanh nghiệp bảo hiểm & Chi nhánh Prudential Huế: Sở hữu bộ tham số định lượng chính xác để phân bổ ngân sách tiếp thị đúng trọng tâm (ưu tiên truyền thông giá trị sản phẩm và thương hiệu).
  • Chuyên viên tư vấn & Đại lý bảo hiểm: Nắm bắt tâm lý khách hàng miền Trung để thiết kế kịch bản tiếp cận cá nhân hóa, giảm tỷ lệ từ chối tư vấn.
  • Cơ quan quản lý & Hiệp hội bảo hiểm: Dữ liệu thực chứng phục vụ hoạch định chính sách nâng cao nhận thức an sinh tài chính cho người dân địa bàn.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và dữ liệu để nhân bản mô hình nghiên cứu này là gì?

Cần cài đặt phần mềm IBM SPSS Statistics (phiên bản 20.0 trở lên) hoặc môi trường Python 3.8+ hỗ trợ thư viện statsmodels. Dữ liệu khảo sát tối thiểu phải đạt $N \ge 120$ mẫu hợp lệ, sử dụng thang đo Likert 5 mức độ được mã hóa từ 1 (Hoàn toàn không đồng ý) đến 5 (Hoàn toàn đồng ý).

2. Vì sao biến "Rào cản mua bảo hiểm" lại có tác động cùng chiều ($\beta > 0$) đến quyết định mua?

Trong bối cảnh tâm lý thận trọng đặc thù của người dân Huế sau dịch bệnh, rào cản (nỗi lo về chi phí y tế phát sinh, bất trắc tài chính) đóng vai trò là nhân tố cảnh báo rủi ro. Khi nhận thức rõ rào cản tài chính nếu gặp biến cố, khách hàng có xu hướng chủ động mua bảo hiểm như một giải pháp phòng ngừa thay vì từ chối.

3. Làm thế nào để kiểm soát hiện tượng đa cộng tuyến trong mô hình OLS?

Mô hình đã kiểm định hệ số phóng đại phương sai $\text{VIF}$. Kết quả cho thấy tất cả các biến đều có $\text{VIF} < 1.30$, thấp hơn rất nhiều so với ngưỡng cảnh báo $2.0$ (hoặc $10.0$), đảm bảo các biến độc lập không có hiện tượng giải thích chồng chéo lẫn nhau.

4. Kết quả nghiên cứu có thể áp dụng cho các công ty bảo hiểm khác như Manulife hay Dai-ichi Life không?

Có thể chuyển giao khung phương pháp luận và thang đo 24 biến quan sát. Tuy nhiên, trọng số $\beta$ cụ thể của từng biến sẽ cần được ước lượng lại tương ứng với mức độ nhận diện thương hiệu và danh mục sản phẩm đặc thù của từng doanh nghiệp.

5. Chi phí triển khai hệ thống giải pháp đề xuất được tính toán như thế nào?

Chi phí được tối ưu hóa dựa trên việc tận dụng các nền tảng số hóa sẵn có (PruBot, MatchBook) kết hợp tái cấu trúc quy trình đào tạo nội bộ. Ngân sách bổ sung chủ yếu tập trung vào các hội thảo tài chính gia đình tại địa phương với thời gian hoàn vốn kỳ vọng trong vòng 12 tháng.

Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra thông qua việc xây dựng và kiểm định thành công mô hình các yếu tố ảnh hưởng đến quyết định mua bảo hiểm nhân thọ Prudential của khách hàng tại TP. Huế. Bằng phương pháp kinh tế lượng thực nghiệm chặt chẽ ($N=130$), nghiên cứu khẳng định mô hình giải thích được $57.3%$ sự biến thiên của quyết định mua ($R^2_{adj} = 0.573$). Thứ tự mức độ tác động của các nhân tố được lượng hóa chính xác: Nhận thức giá trị sản phẩm ($\beta = 0.382$) > Thương hiệu công ty ($\beta = 0.284$) > Ý kiến người thân ($\beta = 0.215$) > Rào cản mua bảo hiểm ($\beta = 0.158$) > Động cơ mua bảo hiểm ($\beta = 0.132$).

Các kết quả kiểm định ANOVA làm rõ sự khác biệt có ý nghĩa thống kê theo độ tuổi và thu nhập, cung cấp căn cứ khoa học vững chắc để Prudential chi nhánh Huế triển khai chiến lược Marketing Mix 4P cá nhân hóa và số hóa quy trình tư vấn. Đề tài không chỉ đóng góp tài liệu học thuật giá trị cho sinh viên và nhà nghiên cứu kinh tế mà còn mang lại giải pháp thực tiễn giúp nâng cao tỷ lệ thâm nhập bảo hiểm, bảo vệ an sinh tài chính cho cộng đồng dân cư địa phương.