Tổng quan về luận án

Trong bối cảnh nền kinh tế số và thương mại điện tử bùng nổ, ngành du lịch – khách sạn đang trải qua sự chuyển dịch mang tính cấu trúc sâu sắc. Ngành khách sạn đóng góp từ 60% đến 70% tổng doanh thu của ngành du lịch Việt Nam, giữ vị trí then chốt trong việc thực hiện Chiến lược phát triển du lịch Việt Nam đến năm 2030 do Chính phủ phê duyệt nhằm đưa du lịch trở thành ngành kinh tế mũi nhọn. Khảo sát thực nghiệm từ TripAdvisor chỉ ra rằng "85% du khách quốc tế sử dụng các thiết bị di động tìm kiếm thông tin về điểm đến trước khi đi du lịch, 95% du khách trước khi quyết định đi du lịch sẽ tìm đọc các bài nhận xét, đánh giá về điểm đến". Thêm vào đó, báo cáo của PwC khẳng định "32% khách hàng sẽ rời bỏ thương hiệu chỉ sau một lần trải nghiệm tiêu cực". Thực tế này đặt ra yêu cầu cấp thiết về việc thấu hiểu và quản trị trải nghiệm khách hàng (Customer Experience Management - CEM/CXM) trong môi trường trực tuyến.

Khoảng trống nghiên cứu (Research gap) cốt lõi tại Việt Nam tồn tại ở hai khía cạnh:

  • Khoảng trống phương pháp luận: Các nghiên cứu nội địa trước đây (Ngô Nguyên Quý & Nguyễn Văn Ngọc, 2013; Bùi Thị Quỳnh Trang, 2018; Lê Gia Bảo và cộng sự, 2019) chủ yếu sử dụng mô hình phương trình cấu trúc (SEM) với cỡ mẫu khảo sát truyền thống hạn chế (từ 100 đến 400 quan sát). Phương pháp này bộc lộ sự phụ thuộc nặng nề vào bảng hỏi tiên nghiệm, độ trễ thời gian cao và không phản ánh được sự biến động cảm xúc thời gian thực của du khách.
  • Khoảng trống lý thuyết và thực tiễn: Thiếu vắng một khung phân tích tích hợp giữa lý thuyết quản trị trải nghiệm khách hàng với các kỹ thuật khai phá dữ liệu lớn (Big Data Analytics) và xử lý ngôn ngữ tự nhiên (NLP) nhằm định lượng cảm xúc chi tiết theo từng thuộc tính dịch vụ và tái phân loại chuẩn chất lượng khách sạn.

Luận án của NCS. Nguyễn Thị Thu Hà (2022) tại Học viện Khoa học Xã hội – Viện Hàn lâm Khoa học Xã hội Việt Nam (người hướng dẫn: PGS.TS. Trần Minh Tuấn và TS. Nguyễn Bình Giang) đã giải quyết trọn vẹn hai câu hỏi nghiên cứu:

  1. RQ1: Phân tích dữ liệu lớn có thể thấu hiểu được cảm xúc và tâm lý của khách hàng sau trải nghiệm dịch vụ khách sạn ở Việt Nam không, và hiện trạng chất lượng dịch vụ khách sạn hiện nay được định vị ra sao dưới quan điểm của khách hàng?
  2. RQ2: Ý nghĩa của việc đo lường trải nghiệm khách hàng trên Internet thông qua phân tích dữ liệu giúp ích gì cho công tác quản trị trải nghiệm khách hàng và xếp hạng chất lượng khách sạn tại Việt Nam?

Khung lý thuyết của đề tài kế thừa mô hình quản trị trải nghiệm 5 bước của Schmitt (2003), tập trung vào bước nền tảng: Phân tích thế giới trải nghiệm của khách hàng (Analyzing the experiential world of customer) kết hợp lý thuyết chất lượng dịch vụ điện tử và truyền miệng điện tử (e-WOM). Phạm vi nghiên cứu bao quát bộ dữ liệu gồm hơn 30.000 đánh giá trực tuyến từ năm 2015 đến năm 2021 của hơn 20 khách sạn tiêu chuẩn 4–5 sao tại 5 trung tâm du lịch hàng đầu Việt Nam: Hà Nội, TP. Hồ Chí Minh, Đà Nẵng, Huế và Nha Trang.


Literature Review và Positioning

Tổng quan y văn quốc tế và trong nước về trải nghiệm khách hàng được định hình qua ba dòng nghiên cứu chính:

[Dòng 1: Mô hình SEM / Bảng hỏi truyền thống]
(Klaus & Maklan, 2012; Ngô Nguyên Quý & Nguyễn Văn Ngọc, 2013; Bùi Thị Quỳnh Trang, 2018)
[Dòng 2: Phân tích dữ liệu lớn e-WOM & Topic Modeling]
(Padma & Ahn, 2020; Hongxiu Li et al., 2020; Nguyễn Văn Hồ, 2020)
[Dòng 3: Định vị của Luận án - Tích hợp NLP + Word2Vec + CEM Framework]
(Nguyễn Thị Thu Hà, 2022: Khai phá thuộc tính đa tầng, ABSA và Chuẩn hóa sao thời gian thực)
  1. Dòng nghiên cứu lý thuyết đo lường trải nghiệm truyền thống: Klaus & Maklan (2012, 2013) đề xuất thang đo trải nghiệm khách hàng (EXQ) chứng minh trải nghiệm tác động trực tiếp đến sự hài lòng, lòng trung thành và hành vi truyền miệng. Tiếp nối hướng tiếp cận này tại Việt Nam, Ngô Nguyên Quý và Nguyễn Văn Ngọc (2013) áp dụng mô hình SEM trên 285 mẫu tại Novotel Nha Trang, chỉ ra rằng mức độ đáp ứng và tiện nghi phòng tác động mạnh nhất đến sự hài lòng. Bùi Thị Quỳnh Trang (2018) khảo sát 420 khách hàng tại các khách sạn 4–5 sao, khẳng định ba trụ cột: sản phẩm dịch vụ, môi trường dịch vụ và người cung cấp dịch vụ chi phối lòng trung thành. Tuy nhiên, các nghiên cứu này bị giới hạn bởi cỡ mẫu nhỏ, độ trắc nghiệm chủ quan và chi phí thu thập cao.

  2. Dòng nghiên cứu chất lượng dịch vụ trực tuyến và tranh luận học thuật: Honglei Li và cộng sự khi ứng dụng thang đo eTailQ với 140 người dùng thương mại điện tử bằng mô hình LISREL 8 đã phát hiện một điểm mâu thuẫn trái ngược với lý thuyết truyền thống: phương thức hỗ trợ khách hàng không đóng vai trò then chốt trong việc phát triển lòng trung thành điện tử (e-loyalty), mà nhận thức giá trị và tính bảo mật mới là yếu tố quyết định. Tương tự, Trần Thị Hiền (2018) khi khảo sát 803 đánh giá tại chuỗi khách sạn Nikko (Hà Nội, TP.HCM, Hokkaido, Tokyo) chỉ ra rằng giá trị cảm nhận kinh tế có tác động trực tiếp mạnh hơn giá trị cảm xúc, mở ra cuộc tranh luận về việc liệu trải nghiệm cảm xúc hay lợi ích chức năng/kinh tế chi phối hành vi sau trải nghiệm.

  3. Dòng nghiên cứu khai phá dữ liệu lớn (Big Data Text Mining): Từ năm 2014, xu hướng nghiên cứu quốc tế chuyển dịch mạnh sang phân tích dữ liệu e-WOM:

    • So sánh quốc tế 1: Panchapakesan Padma và Jiseon Ahn (2020) xử lý 800 đánh giá khách sạn 5 sao trên TripAdvisor bằng kỹ thuật khai phá văn bản, trích xuất 40 từ khóa cốt lõi xoay quanh nhà hàng, hồ bơi, thủ tục nhận phòng, vệ sinh và nhân viên. Tuy nhiên, nghiên cứu này chỉ dừng ở phân tích tần suất đơn biến, chưa lượng hóa được mối liên hệ cấu trúc giữa sự hài lòng thành phần và lòng trung thành tổng thể.
    • So sánh quốc tế 2: Jian Dong và cộng sự (2014) phân tích 150 triệu đánh giá trên Daodao.com (Trung Quốc) tại 100 khách sạn 4–5 sao ở Tam Á, trích xuất 7 thuộc tính then chốt (vị trí, phòng, dịch vụ, giá trị, ẩm thực, tính sẵn sàng, cơ sở vật chất), trong đó dịch vụ và ẩm thực chiếm 22,4% tỷ trọng phản hồi. Dù vậy, nghiên cứu bị rào cản về mặt ngôn ngữ (tiếng Trung) và chưa xây dựng mô hình dự báo xếp hạng sao khách sạn.
    • So sánh quốc tế 3: Uroš Godnov và Tjaša Redek (2016) phân tích 18.000 đánh giá khách sạn tại Croatia bằng phần mềm R, RapidMiner và Aylien AI, trích xuất phân tích tình cảm dựa trên khía cạnh (ABSA), song chưa khái quát hóa thành mô hình quản trị kinh doanh thông minh cho cấp quản lý vĩ mô.
    • Tại Việt Nam: Nguyễn Văn Hồ (2020) áp dụng mô hình phân bổ Dirichlet ẩn (LDA) trên 127.896 nhận xét tiếng Anh để tính chỉ số Net Promoter Score (NPS), nhưng chưa đi sâu vào việc so chuẩn (benchmarking) giữa xếp hạng sao thực tế và xếp hạng sao hành chính do cơ quan nhà nước cấp.

Định vị của luận án: Luận án của NCS. Nguyễn Thị Thu Hà tạo ra bước đột phá khi kết hợp giữa lý thuyết quản trị trải nghiệm khách hàng của Schmitt (2003) với quy trình khai phá dữ liệu văn bản đa tầng (NLP, POS Tagging, Word2Vec Skip-Gram, RapidMiner), giải quyết đồng thời việc đo lường mức độ hài lòng chi tiết theo từng thuộc tính và đề xuất thuật toán tái định chuẩn sao khách sạn dựa trên phản hồi khách hàng.


Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

  1. Mở rộng lý thuyết Quản trị trải nghiệm khách hàng (CEM): Luận án làm phong phú thêm bước thứ nhất trong mô hình 5 bước của Bernd Schmitt (2003) bằng cách biến khái niệm trừu tượng "Thế giới trải nghiệm khách hàng" thành một hệ thống tham số định lượng có thể đo lường và theo dõi liên tục thông qua kỹ thuật khai phá dữ liệu trực tuyến.
  2. Lý thuyết lấy khách hàng làm trung tâm (Customer-Centricity): Củng cố tư tưởng quản trị kinh điển của Peter F. Drucker (1954): "Khách hàng của một doanh nghiệp là một tập hợp những cá nhân, nhóm người, doanh nghiệp, v.v… có nhu cầu sử dụng sản phẩm, dịch vụ của doanh nghiệp và mong muốn được thỏa mãn nhu cầu đó" và Tom Peters (1987): "Khách hàng là tài sản làm tăng thêm giá trị. Đó là tài sản quan trọng nhất mặc dù giá trị của họ không có ghi trong sổ sách doanh nghiệp". Luận án chứng minh rằng trong kỷ nguyên Internet, tiếng nói của khách hàng thông qua e-WOM chính là tài sản tri thức giúp doanh nghiệp hiệu chỉnh chuỗi giá trị dịch vụ.
  3. Định hình mô hình phân tầng cảm xúc sau trải nghiệm: Phát triển khung giả thuyết định lượng:
    • Proposition 1: Trải nghiệm trực tiếp tại các điểm chạm vi mô (micro-touchpoints) quyết định trạng thái cảm xúc cục bộ theo từng thuộc tính (Attribute-level Satisfaction).
    • Proposition 2: Tổng hòa trạng thái cảm xúc theo các thuộc tính cấu thành sự hài lòng tổng thể (Overall Satisfaction) và định hướng hành vi trung thành (e-Loyalty) cũng như lan tỏa truyền miệng (e-WOM).

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp ba lý thuyết nền tảng: Lý thuyết Quản trị trải nghiệm khách hàng (Schmitt, 2003), Lý thuyết Khoảng cách chất lượng dịch vụ (Parasuraman et al., 1988) và Lý thuyết Lan tỏa thông tin truyền miệng điện tử (Hennig-Thurau et al., 2004).

Cách tiếp cận phân tích bao gồm ba cấu phần:

  • Cấu phần 1 - Semantic Attribute Extraction: Trích xuất tập danh từ và cụm danh từ đại diện cho các khía cạnh dịch vụ bằng thuật toán phân lớp từ loại (POS Tagger) và không gian vector ngữ nghĩa Word2Vec.
  • Cấu phần 2 - Multi-level Sentiment Scoring: Đo lường cảm xúc hai tầng (Tầng 1: Hài lòng/Không hài lòng đối với từng thuộc tính thành phần; Tầng 2: Hài lòng/Không hài lòng ở cấp độ tổng thể khách sạn).
  • Cấu phần 3 - Dynamic Star-rating Calibration: Xây dựng thuật toán ánh xạ điểm số cảm xúc trực tuyến thành xếp hạng sao thực tế, tạo cơ sở so sánh với xếp hạng sao hành chính hiện hữu.

Boundary Conditions (Điều kiện biên): Khung phân tích được xác lập tối ưu cho phân khúc khách sạn cao cấp (4–5 sao), nơi du khách có kỳ vọng chất lượng dịch vụ cao và xu hướng phản hồi bằng văn bản chi tiết cao hơn các phân khúc bình dân.


Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án theo đuổi thế giới quan bản thể luận khách quan (Objectivism) và nhận thức luận thực chứng tính toán (Computational Positivism). Nghiên cứu loại bỏ các định kiến chủ quan của người khảo sát bằng cách khai thác nguồn dữ liệu tự nhiên (unsolicited customer reviews) do chính khách hàng tạo lập sau khi trải nghiệm thực tế.

Thiết kế nghiên cứu đa tầng (Multi-level computational design) được mô tả cụ thể:

  • Tầng vĩ mô: Đánh giá toàn cảnh chất lượng hệ thống khách sạn 4–5 sao tại 5 đô thị trọng điểm của Việt Nam.
  • Tầng vi mô: Bóc tách chi tiết cảm xúc đối với từng thuộc tính chức năng (phòng ốc, nhân viên, ăn uống, vệ sinh, vị trí, tiện ích giải trí).

Quy trình nghiên cứu rigorous

Quy trình thu thập và xử lý dữ liệu trải qua 5 bước nghiêm ngặt:

[Bước 1: Thu thập tự động]
Web Harvy cào >30.000 reviews từ TripAdvisor (2015-2021)
[Bước 2: Tiền xử lý & Làm sạch]
Loại bỏ review rác, review không chứa text, chuẩn hóa định dạng
[Bước 3: Gán nhãn từ loại & Trích xuất ngữ nghĩa]
Sử dụng POS Tagger tách từ, lọc danh từ; áp dụng Word2Vec Skip-Gram
[Bước 4: Khai phá quan điểm & Đo lường sự hài lòng]
RapidMiner phân loại Sentiment (Tích cực/Tiêu cực) đa tầng
[Bước 5: Xếp hạng sao trực tuyến & Kiểm định đối sánh]
Ánh xạ điểm số sang chuẩn sao, đối sánh với xếp hạng Tổng cục Du lịch
  1. Thu thập dữ liệu tự động: Sử dụng phần mềm chuyên dụng Web Harvy để trích xuất tự động toàn bộ nội dung văn bản đánh giá, điểm số sao, ngày đăng và định danh khách sạn trên TripAdvisor.
  2. Làm sạch dữ liệu (Data Preprocessing): Loại bỏ các phản hồi không có nội dung văn bản, các ký tự đặc biệt, lọc trùng lặp và chuyển đổi văn bản về dạng chuẩn hóa.
  3. Gán nhãn từ loại (POS Tagging): Tách từ tự động, xác định các danh từ (Nouns) đóng vai trò là khía cạnh/thuộc tính dịch vụ và tính từ (Adjectives)/trạng từ (Adverbs) đóng vai trò biểu thị thái độ cảm xúc.
  4. Mô hình hóa ngữ nghĩa Word2Vec Skip-Gram: Tính toán độ tương tự cosine giữa các từ khóa xuất hiện trong văn bản với tập từ lõi (Core Seed Words) nhằm nhóm các khía cạnh đồng nghĩa vào cùng một thuộc tính dịch vụ thống nhất.
  5. Phân loại quan điểm và khai phá luật kết hợp (RapidMiner): Áp dụng các thuật toán máy học tích hợp trong RapidMiner để phân loại trạng thái cảm xúc (Hài lòng: Positive vs. Không hài lòng: Negative) và nhận diện các cụm từ thể hiện lòng trung thành.

Data và phân tích

  • Đặc điểm mẫu: Tổng số hơn 30.000 đánh giá thu thập từ hơn 20 khách sạn 4–5 sao có số lượng review tích lũy từ 1.000 lượt trở lên tại Hà Nội, TP. Hồ Chí Minh, Đà Nẵng, Huế và Nha Trang trong khung thời gian 2015–2021.
  • Công cụ và phần mềm: Web Harvy (Web scraping), POS Tagger (Morphological analysis), Word2Vec Skip-Gram (Neural Word Embeddings), RapidMiner (Data Mining & Sentiment Classification), Microsoft Excel (Statistical aggregation).
  • Độ tin cậy và tính hợp lệ: Kiểm định tính đại diện của mẫu thông qua độ tương quan cao giữa các chủ đề trích xuất bằng thuật toán máy học so với bảng tiêu chuẩn phân loại khách sạn quốc gia (TCVN 4391:2015), đồng thời tiến hành đối chiếu chéo kết quả phân tích tình cảm với điểm số đánh giá trực tiếp của người dùng trên TripAdvisor để triệt tiêu sai số phân loại.

Phát hiện đột phá và implications

Những phát hiện then chốt

Dữ liệu phân tích thực nghiệm từ hơn 30.000 đánh giá đã mang lại các phát hiện khoa học mang tính đột phá:

STT Phát hiện then chốt Bằng chứng thực nghiệm / Số liệu từ luận án Ý nghĩa quản trị
1 Trích xuất thành công 6 cụm thuộc tính cốt lõi Các cụm từ tần suất cao: Room, Service/Staff, Cleanliness, Food/Breakfast, Location, Facilities/Pool Nhận diện chính xác hệ quy chiếu cảm xúc thực của du khách
2 Tỷ lệ hài lòng tổng thể đạt mức cao nhưng phân hóa >82% đánh giá mang trạng thái tích cực; tuy nhiên, tỷ lệ không hài lòng cục bộ tập trung vào quy trình check-in/out và thái độ phục vụ Cảnh báo hiện tượng "điểm nghẽn cục bộ" phá hủy trải nghiệm tổng thể
3 Nghịch lý tiện nghi phòng tại khách sạn 4–5 sao >45% phản hồi tiêu cực liên quan đến tiếng ồn điều hòa, mùi phòng tắm, chất lượng wifi và độ sạch khăn/ga trải giường Khách hàng phân khúc cao cấp kỳ vọng tuyệt đối vào chất lượng vật lý cơ bản
4 Lệch pha giữa Xếp hạng hành chính và Cảm nhận thực tế Một số khách sạn 4 sao (như Nice Hotel) bị đánh giá sao trực tuyến thực tế chỉ đạt ~3 sao; trong khi các khách sạn như InterContinental Nha Trang, Regalia Gold duy trì điểm chuẩn vượt trội Thước đo hành chính truyền thống có độ trễ lớn so với chất lượng vận hành thực tế

Luận án khẳng định định nghĩa của Bernd Schmitt (2003): "Trải nghiệm khách hàng trên Internet là cảm nhận của khách hàng sau khi họ tương tác với một công ty hoặc thương hiệu trên môi trường trực tuyến thông qua các điểm chạm trên Internet". Bất kỳ sự thất bại nào tại các điểm chạm vật lý đều được số hóa thành e-WOM tiêu cực, trực tiếp ngăn cản quyết định đặt phòng của khách hàng tiềm năng.

Implications đa chiều

  1. Hàm ý lý thuyết: Cung cấp một khung phương pháp luận mới chứng minh tính khả thi của việc thay thế mô hình khảo sát SEM tĩnh bằng mô hình phân tích dữ liệu lớn NLP động trong nghiên cứu hành vi người tiêu dùng ngành dịch vụ.
  2. Hàm ý phương pháp luận: Quy trình trích xuất thuộc tính tự động bằng POS Tagger kết hợp Word2Vec có khả năng tổng quát hóa và chuyển giao để ứng dụng cho các phân ngành dịch vụ khác như hàng không, nhà hàng, vận tải lữ hành và bán lẻ trực tuyến.
  3. Hàm ý thực tiễn cho nhà quản trị khách sạn:
    • Thiết lập hệ thống lắng nghe xã hội (Social Listening) và phân tích cảm xúc thời gian thực để can thiệp kịp thời vào các điểm chạm dịch vụ bị phàn nàn nhiều nhất (phòng tắm, wifi, tốc độ nhận phòng).
    • Tối ưu hóa chiến lược định giá phòng linh hoạt (Dynamic Pricing) dựa trên điểm số cảm xúc thuộc tính thay vì chỉ dựa vào phân hạng sao hành chính cố định.
    • Xây dựng chiến dịch marketing e-WOM dựa trên việc khuếch đại các khía cạnh đạt tỷ lệ hài lòng cao (>90%).
  4. Hàm ý chính sách cho cơ quan quản lý nhà nước (Tổng cục Du lịch, Sở Du lịch):
    • Hiện đại hóa quy trình thẩm định, công nhận và hậu kiểm xếp hạng sao khách sạn thông qua việc tích hợp dữ liệu đánh giá trực tuyến của người dùng (tiến tới mô hình hành chính điện tử minh bạch).
    • Xây dựng bộ tiêu chuẩn chất lượng du lịch quốc gia mở, phản ánh đúng các tiêu chí tiệm cận với chuẩn mực đánh giá toàn cầu.

Limitations và Future Research

  1. Hạn chế về nguồn dữ liệu và ngôn ngữ: Nghiên cứu mới tập trung khai thác dữ liệu tiếng Anh trên nền tảng TripAdvisor, do đó có độ thiên lệch (bias) về góc nhìn của tệp du khách quốc tế sử dụng tiếng Anh, chưa bao quát trọn vẹn cảm nhận của phân khúc khách nội địa hoặc khách sử dụng các ngôn ngữ khác (Trung Quốc, Hàn Quốc, Nga).
  2. Hạn chế về dữ liệu nhân khẩu học: Phân tích dữ liệu văn bản trực tuyến ẩn danh gặp khó khăn trong việc bóc tách các biến nhân khẩu học truyền thống như độ tuổi, giới tính, mức thu nhập hay mục đích chuyến đi (công tác vs. nghỉ dưỡng).
  3. Hạn chế về nền tảng: Chưa tích hợp dữ liệu đa kênh từ các đại lý du lịch trực tuyến (OTA) phổ biến khác như Booking.com, Agoda, Traveloka hay mạng xã hội (Facebook, Google Reviews).

Chương trình nghiên cứu tương lai (Future Research Agenda):

  • Phát triển mô hình xử lý ngôn ngữ tự nhiên đa ngữ (Multilingual Transformers / BERT / PhoBERT) để phân tích đồng thời tiếng Việt và các ngôn ngữ quốc tế khác.
  • Tích hợp dữ liệu đa nền tảng (Omni-channel Data Fusion) để xây dựng hệ thống giám sát chất lượng dịch vụ khách sạn thời gian thực trên quy mô toàn quốc.
  • Nghiên cứu mô hình kết hợp (Hybrid Model) giữa Big Data Text Mining và mô hình kinh tế lượng vi mô để lượng hóa tác động trực tiếp của từng điểm số cảm xúc thuộc tính đến doanh thu trên mỗi phòng có sẵn (RevPAR).

Tác động và ảnh hưởng

  • Tác động học thuật: Tạo dựng cột mốc phương pháp luận tiên phong tại Việt Nam trong việc chuyển dịch từ nghiên cứu quản trị kinh doanh truyền thống sang nghiên cứu quản trị kinh doanh dựa trên khoa học dữ liệu (Data-Driven Business Management), mở ra tiềm năng trích dẫn cao trong các nghiên cứu liên ngành Quản trị - Du lịch - Công nghệ thông tin.
  • Chuyển đổi ngành công nghiệp khách sạn: Cung cấp công cụ giúp hơn 20 khách sạn trong mẫu nghiên cứu và toàn bộ hệ thống lưu trú du lịch Việt Nam tái cấu trúc quy trình quản trị trải nghiệm khách hàng, giảm thiểu chi phí khảo sát thủ công ước tính hàng trăm triệu đồng mỗi năm cho mỗi doanh nghiệp.
  • Đổi mới chính sách công: Thúc đẩy quá trình chuyển đổi số trong quản lý nhà nước về du lịch, cung cấp cơ sở khoa học thực chứng để Bộ Văn hóa, Thể thao và Du lịch cập nhật tiêu chuẩn xếp hạng cơ sở lưu trú du lịch phù hợp với xu thế kinh tế số toàn cầu.

Đối tượng hưởng lợi

  1. Nghiên cứu sinh và Giảng viên ngành Quản trị Kinh doanh / Du lịch: Tiếp cận một khung mẫu chuẩn mực về việc ứng dụng công nghệ thông tin và khoa học dữ liệu để giải quyết các bài toán quản trị kinh doanh hiện đại.
  2. Ban giám đốc và Quản lý cấp cao các khách sạn 4–5 sao: Sở hữu bức tranh phân tích chi tiết về điểm mạnh, điểm yếu của từng thuộc tính dịch vụ cụ thể dưới lăng kính khách quan của du khách để tối ưu hóa ngân sách đầu tư cơ sở vật chất và đào tạo nhân lực.
  3. Cơ quan hoạch định chính sách du lịch: Nắm bắt hiện trạng thực tế của chất lượng khách sạn Việt Nam so với kỳ vọng quốc tế, từ đó hoạch định các chiến lược xúc tiến du lịch quốc gia chính xác và hiệu quả.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì?

Trả lời: Đóng góp độc đáo nhất là việc mở rộng và định lượng hóa thành công bước "Phân tích thế giới trải nghiệm khách hàng" trong mô hình quản trị trải nghiệm của Bernd Schmitt (2003). Thay vì tiếp cận định tính hoặc khảo sát chọn mẫu nhỏ, luận án đã chuyển hóa các văn bản phản hồi phi cấu trúc trên Internet thành không gian vector ngữ nghĩa đa thuộc tính, thiết lập mối liên kết toán học giữa cảm xúc vi mô (từng dịch vụ thành phần) với cảm xúc vĩ mô (hài lòng tổng thể và lòng trung thành).

2. Điểm đổi mới phương pháp luận khi so sánh với các nghiên cứu trước đây?

Trả lời: So với các nghiên cứu truyền thống tại Việt Nam sử dụng khảo sát bảng hỏi và mô hình SEM (Ngô Nguyên Quý & Nguyễn Văn Ngọc, 2013; Bùi Thị Quỳnh Trang, 2018), luận án tạo ra bước nhảy vọt về quy mô mẫu (>30.000 đánh giá so với 200–400 mẫu) và tính khách quan tự nhiên của dữ liệu. So với các nghiên cứu dữ liệu lớn quốc tế như Padma & Ahn (2020) chỉ dừng ở đếm tần suất từ hoặc Godnov & Redek (2016) dừng ở mức phân loại tình cảm chung, luận án đã tích hợp liên hoàn chuỗi thuật toán: POS Tagger $\rightarrow$ Word2Vec Skip-Gram $\rightarrow$ ABSA $\rightarrow$ Dynamic Star-rating Calibration.

3. Phát hiện nào mang tính bất ngờ nhất từ dữ liệu thực nghiệm?

Trả lời: Phát hiện bất ngờ nhất là sự "lệch pha" rõ rệt giữa xếp hạng sao hành chính do cơ quan nhà nước cấp và xếp hạng sao cảm nhận thực tế dựa trên phân tích dữ liệu e-WOM. Nhiều khách sạn được gắn biển 4–5 sao nhưng lại nhận tỷ lệ không hài lòng rất cao ở các tiêu chí cơ bản như cách âm, mùi phòng tắm, tốc độ xử lý của nhân viên tiền sảnh. Điều này chứng minh rằng cơ sở vật chất phần cứng đạt chuẩn tại thời điểm thẩm định không đồng nghĩa với việc duy trì chất lượng trải nghiệm phần mềm ổn định theo thời gian.

4. Luận án có cung cấp quy trình tái lặp (Replication Protocol) rõ ràng không?

Trả lời: Luận án xây dựng quy trình nghiên cứu 5 bước hoàn chỉnh và minh bạch: từ cấu hình công cụ Web Harvy để thu thập dữ liệu TripAdvisor, danh mục từ khóa lõi (Core Seed Words), ma trận tính toán độ tương tự cosine trong Word2Vec, đến quy trình phân lớp dữ liệu văn bản trên nền tảng RapidMiner. Bất kỳ nhà nghiên cứu nào cũng có thể tái lập quy trình này cho các tập dữ liệu khách sạn tại các địa phương hoặc quốc gia khác.

5. Khung chương trình nghiên cứu 10 năm tới được phác thảo ra sao?

Trả lời: Luận án đặt nền móng cho lộ trình phát triển nghiên cứu 10 năm tới xoay quanh ba trụ cột:

  • Xây dựng hệ thống Trí tuệ doanh nghiệp du lịch thông minh (Smart Tourism Business Intelligence): Tự động thu thập và phân tích dữ liệu e-WOM đa nền tảng thời gian thực.
  • Ứng dụng Trí tuệ nhân tạo tạo sinh (Generative AI & LLMs): Cá nhân hóa phản hồi khách hàng tự động và đề xuất kịch bản nâng cao trải nghiệm theo thời gian thực tại từng điểm chạm.
  • Chuyển đổi số công tác kiểm định chất lượng dịch vụ du lịch quốc gia: Ứng dụng AI và Big Data vào việc đánh giá sao lưu trú du lịch liên tục thay vì định kỳ 3–5 năm một lần.

Kết luận

  1. Luận án của NCS. Nguyễn Thị Thu Hà (2022) là công trình nghiên cứu tiến sĩ tiên phong tại Việt Nam giải quyết trọn vẹn bài toán quản trị trải nghiệm khách hàng trên Internet trong lĩnh vực khách sạn bằng cách tiếp cận khoa học dữ liệu và xử lý ngôn ngữ tự nhiên.
  2. Xây dựng thành công khung phân tích định lượng đa tầng, tích hợp giữa lý thuyết CEM của Schmitt (2003) với các kỹ thuật POS Tagger, Word2Vec Skip-Gram và RapidMiner trên tập dữ liệu thực tế gồm hơn 30.000 đánh giá trực tuyến.
  3. Chỉ ra hiện trạng thực tế và các điểm nghẽn trải nghiệm của hệ thống khách sạn 4–5 sao tại 5 trung tâm du lịch lớn của Việt Nam, cung cấp bằng chứng thực nghiệm về sự khác biệt giữa xếp hạng sao hành chính và xếp hạng sao cảm nhận của người tiêu dùng.
  4. Mở ra ba hướng nghiên cứu học thuật mới: Phân tích cảm xúc văn bản đa ngữ trong du lịch, Tích hợp dữ liệu e-WOM đa kênh thời gian thực và Xây dựng mô hình định giá phòng thích ứng dựa trên phân tích tình cảm trực tuyến.
  5. Đóng góp các giải pháp quản trị thực tiễn có giá trị ứng dụng cao cho các doanh nghiệp khách sạn và kiến nghị chính sách mang tính đột phá cho các cơ quan quản lý du lịch Việt Nam trong tiến trình hội nhập và cạnh tranh toàn cầu.