Giới thiệu dự án

Trong kỷ nguyên số và sự bùng nổ của nền kinh tế sáng tạo (Creator Economy), ngành truyền thông đa phương tiện và thương mại mạng xã hội (Social Commerce) tại Việt Nam đang trải qua giai đoạn tăng trưởng vượt bậc. Tuy nhiên, tính chất công việc đòi hỏi cường độ sáng tạo cao, áp lực chỉ tiêu lượt xem (views), doanh số bán hàng qua video/livestream (GMV) cùng thời gian làm việc linh hoạt nhưng biến động đã dẫn đến tỷ lệ kiệt sức (burnout) và biến động nhân sự (turnover rate) trong ngành truyền thông dao động ở mức 25% - 35%/năm. Theo các khảo sát quốc tế từ Sirota Survey Intelligence trên 1,2 triệu lao động, có tới 85% nhân sự suy giảm động lực rõ rệt sau 6 tháng đầu làm việc nếu không được kích hoạt các đòn bẩy quản trị đúng đắn. Ngược lại, nghiên cứu của Farhaan & Arman (2009) chỉ ra rằng nhân viên duy trì được động lực tối ưu có thể đạt 80% - 90% hiệu suất tối đa, giảm thiểu đáng kể tỷ lệ nghỉ việc và nghỉ phép.

Thực trạng tại Công ty Cổ phần Dịch vụ Truyền thông DC Media – mạng lưới đa kênh MCN (Multi-Channel Network) và đối tác thương mại TikTok Shop (TSP - TikTok Shop Partner) hàng đầu Việt Nam sở hữu hệ sinh thái hơn 300+ nhà sáng tạo nội dung (Content Creators) cùng mạng lưới hashtag cán mốc 100 tỷ lượt xem (#dcgr) – đặt ra bài toán cấp thiết: Làm thế nào để định lượng chính xác và thúc đẩy các nhân tố tác động đến động lực lao động của đội ngũ nhân sự trẻ trong môi trường cạnh tranh khốc liệt?

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Hệ thống hóa cơ sở lý luận và xây dựng khung mô hình đo lường động lực làm việc chuẩn hóa cho nhân sự ngành truyền thông số.
  2. Đo lường, kiểm định mức độ tác động của 04 nhóm nhân tố độc lập (Tiền lương - thưởng - phụ cấp; Văn hóa doanh nghiệp; Môi trường - điều kiện làm việc; Quan hệ đồng nghiệp) tới biến phụ thuộc Động lực làm việc.
  3. Nhận diện các điểm nghẽn (bottlenecks) trong chính sách đãi ngộ, văn hóa làm việc và điều kiện vận hành tại DC Media.
  4. Đề xuất hệ thống giải pháp quản trị nhân sự mang tính ứng dụng thực tiễn cao nhằm tối ưu hóa 80% - 90% hiệu suất làm việc của nhân viên.

Nghiên cứu được tiếp cận thông qua việc kết hợp mô hình Động lực hai nhân tố của Herzberg (1959), thang đo nhu cầu của Maslow (1943) và mô hình 10 nhân tố động viên của Kovach (1987), được tùy chỉnh bằng phương pháp định lượng thực nghiệm trên phần mềm phân tích thống kê IBM SPSS Statistics v26.0. Phạm vi nghiên cứu tập trung vào toàn thể cán bộ nhân viên đang trực tiếp vận hành tại trụ sở DC Media (Cầu Giấy, Hà Nội) trong giai đoạn khảo sát từ tháng 08/2023 đến tháng 10/2023.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại các doanh nghiệp Agency và MCN truyền thông hiện nay, việc duy trì động lực nhân sự thường dựa vào các phương pháp quản lý truyền thống hoặc đánh giá định tính cảm tính, dẫn đến sự thiếu hụt dữ liệu chuẩn xác để ra quyết định nhân sự (Data-driven HR).

Tiêu chí phân tích Phương pháp quản trị truyền thống Mô hình định lượng ứng dụng (Đề tài)
Cơ sở đánh giá Đánh giá chủ quan qua KPI/OKRs rời rạc Khung định lượng chuẩn hóa Likert 5 điểm & EFA
Độ phủ yếu tố Tập trung vào lương thưởng đơn thuần Kết hợp toàn diện 4 trụ cột: Tài chính, Văn hóa, Môi trường, Quan hệ
Tính kiểm định Không kiểm tra độ tin cậy của tiêu chí Đánh giá qua Cronbach's Alpha ($\alpha \ge 0.8$) và phân tích hồi quy OLS
Khả năng dự báo Thấp, chỉ phản ứng khi nhân sự đã nghỉ việc Cao, nhận diện sớm rủi ro qua hệ số tương quan và trọng số $\beta$

Dựa trên kỹ thuật phân loại yêu cầu MoSCoW, hệ thống giải pháp đo lường động lực được định hình:

  • Must-have (Bắt buộc): Đo lường tính chuẩn xác của hệ thống tiền lương, thưởng theo hiệu suất TikTok Shop/Affiliate, tính minh bạch của lộ trình tăng lương định kỳ.
  • Should-have (Cần có): Đo lường mức độ đồng thuận với văn hóa doanh nghiệp, triết lý sáng tạo, sự thấu hiểu sứ mệnh của Ban lãnh đạo.
  • Could-have (Có thể có): Đánh giá mức độ tiện nghi của không gian làm việc mở, trang thiết bị media chuyên dụng (máy quay, studio, ánh sáng).
  • Won't-have (Tạm thời chưa triển khai): Đo lường các chỉ số phúc lợi bảo hiểm hưu trí bổ sung dài hạn do cơ cấu nhân sự chủ yếu là thế hệ Gen Z trẻ tuổi.
       +--------------------------------------------------------+
       |                  MÔ HÌNH NGHIÊN CỨU                    |
       +--------------------------------------------------------+
                                  |
      +---------------------------+---------------------------+
      |                           |                           |
+---------------+           +---------------+           +---------------+
|  TIỀN LƯƠNG,  |           |    VĂN HÓA    |           |  MÔI TRƯỜNG   |
|   THƯỞNG &    |           |  DOANH NGHIỆP |           |  & ĐIỀU KIỆN  |
|    PHỤ CẤP    |           |    (VHDN)     |           |   LÀM VIỆC    |
|     (TL)      |           +-------+-------+           |    (MTDK)     |
+-------+-------+                   |                   +-------+-------+
        |  (H1: +)                  |  (H2: +)                  |  (H3: +)
        +-------------------+       |       +-------------------+
                            |       |       |
                            v       v       v
                    +-------------------------------+
                    |       ĐỘNG LỰC LÀM VIỆC       |
                    |          NHÂN VIÊN            |
                    |             (DL)              |
                    +-------------------------------+
                                    ^
                                    |  (H4: +)
                            +-------+-------+
                            | QUAN HỆ ĐỒNG  |
                            |    NGHIỆP     |
                            |     (DNG)     |
                            +---------------+

Thiết kế hệ thống

Hệ thống mô hình toán học và kiểm định thống kê được thiết lập dưới dạng hàm hồi quy tuyến tính đa biến (Multiple Linear Regression):

$$DL = \beta_0 + \beta_1 \cdot TL + \beta_2 \cdot VHDN + \beta_3 \cdot MTDK + \beta_4 \cdot DNG + \epsilon$$

Trong đó:

  • $DL$: Biến phụ thuộc - Động lực làm việc của nhân viên.
  • $TL$ ($X_1$): Biến độc lập Tiền lương, thưởng, phụ cấp (4 biến quan sát).
  • $VHDN$ ($X_2$): Biến độc lập Văn hóa doanh nghiệp (3 biến quan sát).
  • $MTDK$ ($X_3$): Biến độc lập Môi trường và điều kiện làm việc (4 biến quan sát).
  • $DNG$ ($X_4$): Biến độc lập Mối quan hệ với đồng nghiệp (6 biến quan sát).
  • $\beta_0$: Hằng số hồi quy (Constant); $\beta_1, \beta_2, \beta_3, \beta_4$: Các hệ số hồi quy riêng phần chuẩn hóa.
  • $\epsilon$: Sai số ngẫu nhiên thỏa mãn phân phối chuẩn $\mathcal{N}(0, \sigma^2)$.

Stack công cụ nghiên cứu và chuẩn dữ liệu:

  • Công cụ khảo sát: Google Forms API kết nối hệ thống biểu mẫu trực tuyến.
  • Công cụ xử lý và tính toán thống kê: IBM SPSS Statistics v26.0 Core Engine.
  • Thang đo chuẩn: Thang đo Likert 5 mức độ (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý).
  • Chuẩn kiểm định: Độ tin cậy thang đo Cronbach's Alpha $> 0.7$; Hệ số tải nhân tố (Factor Loading) $> 0.5$; Chỉ số KMO $\in [0.5, 1.0]$; Mức ý nghĩa Bartlett's Test $p < 0.05$; Giá trị riêng Eigenvalue $> 1.0$; Tổng phương sai trích (Total Variance Explained) $> 50%$.

Methodology

Phương pháp luận nghiên cứu kết hợp 2 giai đoạn:

  1. Nghiên cứu tại bàn (Desk Research): Rà soát các khung lý thuyết từ Maslow, Herzberg, Robbins kết hợp dữ liệu ngành từ báo cáo TikTok Shop Summit 2023, tổng kết các chỉ số đo lường thực tế tại DC Media.
  2. Nghiên cứu định lượng (Quantitative Research):
    • Quy tắc xác định kích thước mẫu tối thiểu theo Hair et al. (1998): $N \ge 5 \times k$ (với $k = 23$ biến quan sát $\Rightarrow N_{\text{min}} = 115$).
    • Thu thập mẫu theo kỹ thuật chọn mẫu thuận tiện kết hợp chọn mẫu cả khối trên các phòng ban chức năng (Sáng tạo nội dung, Booking, Kỹ thuật Livestream, Vận hành TikTok Shop, Hành chính Nhân sự).
    • Tổng số phiếu thu thập: 139 phiếu; số mẫu hợp lệ đưa vào phân tích: 135 mẫu (đạt tỷ lệ 97.12%, vượt ngưỡng tối thiểu yêu cầu).
[BƯỚC 1: Xây dựng thang đo] 
[BƯỚC 2: Thu thập dữ liệu thực tế] 
[BƯỚC 3: Làm sạch & Thống kê mô tả] 
[BƯỚC 4: Kiểm định Cronbach's Alpha] 
[BƯỚC 5: Phân tích nhân tố khám phá EFA] 
[BƯỚC 6: Phân tích Hồi quy OLS & Kiểm định Giả định] 
[BƯỚC 7: Đề xuất Hàm ý Quản trị]

Implementation và kết quả

Development process

Quá trình thu thập và tiền xử lý dữ liệu được tiến hành thông qua script cấu trúc thống kê trên nền tảng SPSS Syntax / Python statsmodels phục vụ việc tự động hóa kiểm định:

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

# 1. Tải và tiền xử lý dữ liệu khảo sát (N = 135)
df = pd.read_csv("dc_media_survey_data.csv")
X = df[["TienLuong_TL", "VanHoa_VHDN", "MoiTruong_MTDK", "DongNghiep_DNG"]]
Y = df["DongLuc_DL"]

# 2. Thêm hằng số vào mô hình hồi quy OLS
X_with_const = sm.add_constant(X)
model = sm.OLS(Y, X_with_const).fit()

# 3. Trích xuất chỉ số kiểm định ANOVA F-test, R-squared & VIF
print(f"R-squared: {model.rsquared:.4f} | Adj R-squared: {model.rsquared_adj:.4f}")
print(f"F-statistic: {model.fvalue:.4f} (p-value: {model.f_pvalue:.4e})")

vif_data = pd.DataFrame()
vif_data["Variable"] = X.columns
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
print("\nKiểm định đa cộng tuyến (VIF):")
print(vif_data)

Testing và validation

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

Toàn bộ các thang đo của 4 nhóm biến độc lập và 1 nhóm biến phụ thuộc đều vượt qua ngưỡng kiểm định độ tin cậy:

  • Thang đo Tiền lương, thưởng, phụ cấp (4 biến: TL1 - TL4): Hệ số $\alpha > 0.81$, hệ số tương quan biến - tổng (Item-Total Correlation) $> 0.45$.
  • Thang đo Văn hóa doanh nghiệp (3 biến: VHDN1 - VHDN3): Hệ số $\alpha > 0.84$.
  • Thang đo Môi trường và điều kiện làm việc (4 biến: MTDK1 - MTDK4): Hệ số $\alpha > 0.79$.
  • Thang đo Quan hệ với đồng nghiệp (6 biến: DNG1 - DNG6): Hệ số $\alpha > 0.86$.
  • Thang đo biến phụ thuộc Động lực làm việc (6 biến: DL1 - DL6): Hệ số $\alpha > 0.88$.

Phân tích nhân tố khám phá (EFA)

  • Kiểm định EFA cho 17 biến quan sát độc lập: Hệ số $KMO = 0.842 \in [0.5, 1.0]$, kiểm định Bartlett's có giá trị $Sig. = 0.000 < 0.05$. Tổng phương sai trích đạt $63.48% > 50%$, giá trị Eigenvalue của nhân tố cuối cùng dừng lại ở mức $1.214 > 1.0$. Ma trận xoay nhân tố (Rotated Component Matrix) bằng phép quay Varimax gom chính xác 17 biến vào 4 nhóm nhân tố ban đầu, không có hiện tượng tải chéo (cross-loading) với trọng số tải đều đạt $> 0.55$.
  • Kiểm định EFA cho biến phụ thuộc: $KMO = 0.819$, $Sig. = 0.000$, phương sai trích giải thích $61.82%$ độ biến thiên.

Kết quả đạt được

Kết quả phân tích hồi quy đa biến cho thấy mô hình đạt độ tương thích cao với dữ liệu thực nghiệm:

  • Giá trị $R^2 = 0.612$, $R^2 \text{ hiệu chỉnh} = 0.600$, chứng minh rằng 4 nhân tố độc lập giải thích được $60.0%$ sự biến thiên của Động lực làm việc của nhân viên DC Media.
  • Kiểm định ANOVA phân tích phương sai có giá trị $F = 51.27$ với mức ý nghĩa $Sig. = 0.000 < 0.001$, khẳng định mô hình hồi quy tuyến tính xây dựng được là hoàn toàn phù hợp với tổng thể.
  • Kiểm định hiện tượng đa cộng tuyến: Hệ số phóng đại phương sai (VIF) của tất cả các biến độc lập đều nằm trong khoảng $1.15 - 1.48 < 2.0$, chứng minh không xảy ra hiện tượng đa cộng tuyến.

Thứ tự mức độ tác động của các nhân tố đến động lực làm việc:

  1. Tiền lương, thưởng, phụ cấp ($\beta = 0.384, p < 0.001$): Tác động mạnh nhất. Cơ chế chia sẻ hoa hồng tiếp thị liên kết (Affiliate từ 5% - 20%) và thưởng nóng doanh số TikTok Shop (lên tới 15.000.000 VNĐ/tháng) tạo đòn bẩy trực tiếp.
  2. Môi trường và điều kiện làm việc ($\beta = 0.286, p < 0.001$): Nhân viên đánh giá cao không gian làm việc sáng tạo, thiết bị sản xuất video tiên tiến, tuy nhiên áp lực làm thêm giờ khi livestream ca tối/đêm là điểm cần tối ưu.
  3. Văn hóa doanh nghiệp ($\beta = 0.215, p = 0.002$): Niềm tự hào về mạng lưới đạt 100 tỷ views (#dcgr) và sự năng động, dám thử nghiệm quy trình mới thúc đẩy tinh thần cống hiến.
  4. Quan hệ với đồng nghiệp ($\beta = 0.178, p = 0.014$): Sự gắn kết, phối hợp nhịp nhàng giữa Creator - Editor - Kỹ thuật viên - Booking tạo nên môi trường hỗ trợ tin cậy.

Đổi mới và đóng góp

  1. Khung đánh giá định lượng chuyên biệt cho ngành Social Commerce / MCN: Thay vì áp dụng các mô hình nghiên cứu động lực chung chung cho khối văn phòng truyền thống, đề tài đã tinh chỉnh 23 biến quan sát bám sát đặc thù công việc ngành sáng tạo nội dung số (áp lực views, giờ giấc linh hoạt, hoa hồng affiliate, thử nghiệm thuật toán).
  2. Đối sánh đa chiều với các công trình nghiên cứu tiền nhiệm:
Nghiên cứu Bối cảnh Nhân tố tác động mạnh nhất So sánh với kết quả DC Media
Phạm Thị Minh Lý (2015) Doanh nghiệp vừa và nhỏ (SMEs TP.HCM) Mối quan hệ với đồng nghiệp Khác biệt: Tại DC Media, Tiền lương & Môi trường vượt trội do áp lực chỉ tiêu chuyển đổi số cao
Nguyễn Tiến Dũng et al. (2021) Ngành kỹ thuật (Kim loại & Dầu khí Vũng Tàu) Phong cách lãnh đạo & Môi trường Tương đồng về tầm quan trọng của điều kiện làm việc; khác biệt về cơ chế thưởng nóng hiệu suất
Đề tài hiện tại (2023) MCN / TikTok TSP (DC Media Hà Nội) Tiền lương, thưởng, phụ cấp ($\beta = 0.384$) Xác lập dữ liệu thực nghiệm chuẩn xác cho ngành truyền thông số
  1. Lượng hóa mức độ cải thiện hiệu suất: Nghiên cứu chứng minh rằng việc tối ưu hóa đồng bộ 4 nhân tố trên theo trọng số hồi quy có thể thúc đẩy mức độ hài lòng tăng 28.5% và cải thiện năng suất lao động lên mức 80% - 90% theo lý thuyết của Farhaan & Arman.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế (Real-world Use Cases)

  • Tối ưu chính sách hoa hồng Booking & TSP: Thiết kế lại cấu trúc lương 3P (Position - Person - Performance), gắn tỷ lệ chia sẻ Affiliate 5% - 20% với hiệu quả chiến dịch Livestream và chỉ số tương tác kênh.
  • Xây dựng môi trường làm việc Hybrid & Studio 24/7: Phân bổ ca kíp hợp lý cho đội ngũ livestream ca đêm, trang bị đầy đủ thiết bị cách âm và khu vực nghỉ ngơi tái tạo sức lao động.
       LỘ TRÌNH TRIỂN KHAI GIẢI PHÁP TẠI DC MEDIA (6 THÁNG)

Phân tích chi phí - lợi ích (Cost-Benefit & ROI)

  • Chi phí triển khai ước tính: 150 - 200 triệu VNĐ (Nâng cấp phòng studio, chi phí phần mềm quản lý nhân sự, ngân sách team building và quỹ khen thưởng).
  • Lợi ích kinh tế lượng hóa:
    • Giảm tỷ lệ nhân sự nghỉ việc từ 28% xuống dưới 12%/năm, tiết kiệm 350+ triệu VNĐ chi phí tuyển dụng và đào tạo người mới.
    • Tăng năng suất phát hành video và doanh thu bán hàng liên kết (GMV) của các kênh thêm 18% - 25% trong vòng 2 quý đầu tiên sau áp dụng.
    • Tỷ suất hoàn vốn đầu tư (ROI) ước tính đạt $185%$ sau 12 tháng vận hành.

Hạn chế và hướng phát triển

Hạn chế nghiên cứu

  • Quy mô mẫu: Kích thước mẫu $N = 135$ tập trung tại một doanh nghiệp điển hình (DC Media Hà Nội), chưa mở rộng so sánh chéo với các Agency truyền thông tại TP. Hồ Chí Minh hoặc các đài truyền hình truyền thống.
  • Phương pháp chọn mẫu: Sử dụng mẫu thuận tiện (convenience sampling) có thể còn tồn tại sai số đại diện nhất định cho toàn bộ ngành truyền thông.
  • Mô hình biến số: Chưa tích hợp các biến kiểm soát (độ tuổi, giới tính, thời gian làm việc) vào phương trình hồi quy phân tầng (Hierarchical Regression).

Hướng phát triển trong tương lai

  • Ứng dụng mô hình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) để phân tích các mối quan hệ gián tiếp thông qua biến trung gian (Sự hài lòng trong công việc - Job Satisfaction hoặc Cam kết tổ chức - Organizational Commitment).
  • Mở rộng tập dữ liệu khảo sát đa kênh ($N > 500$) trên mạng lưới các MCN hàng đầu Việt Nam (DC Media, Melive, Vena, Daily Media).

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học ngành Quản trị Kinh doanh, Quản trị Nhân lực: Tiếp cận một mẫu nghiên cứu ứng dụng thực tế với cấu trúc phân tích SPSS/EFA hoàn chỉnh, làm tài liệu tham khảo chất lượng cho khóa luận tốt nghiệp.
  • Chuyên viên HR & Nhà quản lý doanh nghiệp Truyền thông / Agency: Nắm bắt chính xác trọng số tác động của các chính sách đãi ngộ, từ đó phân bổ ngân sách nhân sự đúng chỗ để giảm tỷ lệ thôi việc của thế hệ Gen Z.
  • Doanh nghiệp MCN & TikTok Shop Partners: Sở hữu khung tham chiếu khoa học để xây dựng chính sách thu hút và giữ chân các Content Creator tài năng, gia tăng năng lực cạnh tranh trên thị trường Social Commerce.
  • Các nhà nghiên cứu ứng dụng: Cung cấp bộ dữ liệu thực nghiệm định lượng về hành vi tổ chức trong môi trường kinh tế số tại Việt Nam giai đoạn 2023 - 2025.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và công cụ cần thiết để nhân rộng mô hình nghiên cứu này?

Hệ sinh thái công cụ yêu cầu gồm: Phần mềm khảo sát trực tuyến (Google Forms / Microsoft Forms), công cụ xử lý bảng tính (Microsoft Excel v2019+), phần mềm phân tích thống kê IBM SPSS Statistics (tối thiểu phiên bản v22.0, khuyến nghị v26.0 trở lên) hoặc ngôn ngữ lập trình Python/R với các thư viện chuyên dụng (pandas, numpy, statsmodels, factor_analyzer).

2. Mô hình có gặp giới hạn khi áp dụng cho các doanh nghiệp quy mô nhỏ (< 30 người) không?

Có. Quy tắc phân tích nhân tố khám phá EFA đòi hỏi kích thước mẫu tối thiểu $N \ge 100$ hoặc ít nhất 5 mẫu cho mỗi biến quan sát ($N \ge 5k$). Đối với doanh nghiệp dưới 30 người, nên sử dụng phương pháp định tính (phỏng vấn sâu In-depth Interview, nhóm tập trung Focus Group) kết hợp thống kê mô tả (Descriptive Statistics) thay vì chạy mô hình hồi quy EFA/OLS.

3. Làm thế nào để tích hợp thang đo này vào hệ thống đánh giá nhân sự (HRMS) sẵn có của công ty?

Có thể số hóa 23 câu hỏi thang đo thành các khảo sát ẩn danh định kỳ (Pulse Survey) theo quý trên hệ thống ERP/HRMS nội bộ. Dữ liệu điểm trung bình Likert tự động chuyển hóa thành chỉ số sức khỏe động lực (Employee Motivation Index - EMI) theo thời gian thực để cảnh báo nguy cơ biến động nhân sự.

4. Chi phí và tần suất duy trì đánh giá động lực nhân viên định kỳ là bao nhiêu?

Chi phí vận hành định kỳ nội bộ gần như bằng 0 nếu sử dụng hạ tầng số sẵn có của phòng Nhân sự. Khuyến nghị thực hiện khảo sát toàn diện 6 tháng/lần (trước các kỳ xét duyệt lương thưởng định kỳ) và khảo sát vi mô (Pulse survey 3-5 câu hỏi) hàng tháng.

5. Lộ trình tính toán điểm hoàn vốn (ROI Timeline) khi đầu tư các giải pháp tạo động lực?

Điểm hòa vốn thông thường đạt được sau 4 - 6 tháng kể từ khi áp dụng cơ chế lương 3P và chuẩn hóa điều kiện studio. Lợi nhuận ròng từ việc tăng trưởng GMV TikTok Shop và cắt giảm chi phí tuyển dụng thay thế sẽ mang lại tỷ suất sinh lời vượt trội từ tháng thứ 6 đến tháng thứ 12.

Kết luận

Khóa luận tốt nghiệp của tác giả La Thúy Linh đã giải quyết thành công bài toán lượng hóa các nhân tố tác động đến động lực làm việc của nhân sự ngành truyền thông số thông qua trường hợp điển hình tại Công ty Cổ phần Dịch vụ Truyền thông DC Media. Bằng việc kết hợp chặt chẽ giữa hệ thống lý luận kinh điển và phương pháp định lượng thực nghiệm với công cụ SPSS 26.0 trên mẫu khảo sát 135 nhân sự, nghiên cứu đã chứng minh rõ vai trò then chốt của Tiền lương, thưởng, phụ cấp ($\beta = 0.384$) và Môi trường, điều kiện làm việc ($\beta = 0.286$), đồng thời chỉ ra sự tương hỗ mật thiết của Văn hóa doanh nghiệp và Quan hệ đồng nghiệp.

Những kết quả này không chỉ đóng góp một khung đo lường thực nghiệm có độ tin cậy cao cho kho tàng nghiên cứu quản trị nguồn nhân lực tại Việt Nam mà còn là kim chỉ nam chiến lược giúp Ban lãnh đạo DC Media và các doanh nghiệp MCN/Agency tối ưu hóa hiệu suất làm việc 80% - 90%, tạo lập lợi thế cạnh tranh bền vững trong nền kinh tế số.