Giới thiệu dự án

Thị trường gọi xe trực tuyến (Ride-hailing / Mobility-as-a-Service - MaaS) tại Việt Nam đang trải qua giai đoạn chuyển dịch cơ cấu mạnh mẽ. Theo số liệu từ Bộ Công Thương và Google/Temasek e-Conomy SEA, quy mô nền kinh tế số gọi xe và giao đồ ăn tại Việt Nam đạt khoảng 2,4 tỷ USD vào năm 2021 với tốc độ tăng trưởng kép hàng năm (CAGR) duy trì ở mức 30 - 35%/năm. Tuy nhiên, thị trường gần như nằm dưới sự chi phối tuyệt đối của cấu trúc độc quyền nhóm (Oligopoly), trong đó Grab, Gojek và Be nắm giữ hơn 99% thị phần (Statista, 2020; Q&Me, 2021).

Sự gia nhập của Công ty Cổ phần Di chuyển Xanh và Thông minh (GSM) với thương hiệu Xanh SM vào tháng 3/2023 (vận hành taxi thuần điện) và dịch vụ xe máy điện Xanh SM Bike (14/8/2023) đã thiết lập tiền đề mới: giải pháp vận tải hành khách phát thải ròng bằng 0 (Zero Emission). Dù đạt cột mốc 6 triệu lượt chuyên chở tại 17 tỉnh thành chỉ sau 5 tháng đầu hoạt động, Xanh SM phải đối mặt với thách thức chuyển đổi nhận thức thương hiệu thành hành vi tiêu dùng bền vững trong bối cảnh cạnh tranh khốc liệt.

       MÔ HÌNH CẤU TRÚC TUYẾN TÍNH GIÁ TRỊ THƯƠNG HIỆU (SEM)
  +-------------------------------------------------------------+
  |  [Nhận biết thương hiệu (BA)] ----(H1: +)---->+             |
  |  [Liên tưởng thương hiệu (BAS)] -(H3: +)----->| [Lòng trung |-(H7: +)-> [Ý định
  |  [Chất lượng cảm nhận (PQ)] -----(H5: +)----->|  thành (BL)]|           sử dụng (PI)]
  |                                               +------+------+             ^
  |  [BA] ------------------------(H2: +)----------------+--------------------+
  |  [BAS] -----------------------(H4: +)----------------+--------------------+
  |  [PQ] ------------------------(H6: +)----------------+--------------------+
  +---------------------------------------------------------------------------+

Vấn đề nghiên cứu và Pain Points thị trường

  • Sự phụ thuộc vào động cơ đốt trong (ICE): Hơn 95% phương tiện gọi xe công nghệ hiện hữu xả phát thải trực tiếp, gây ô nhiễm không khí đô thị và tiếng ồn.
  • Bất ổn định về giá cước (Surge Pricing): Cơ chế nhân giá 200% - 300% vào giờ cao điểm cùng các khoản phụ phí ẩn ("xôi kèm lạc") của các hãng gọi xe truyền thống gây suy giảm thặng dư tiêu dùng.
  • Chất lượng phương tiện không đồng đều: Đội xe đối tác cá nhân xuống cấp sau thời gian dài khai thác, thiếu quy chuẩn kiểm định dịch vụ đồng nhất.
  • Rào cản thương hiệu mới: Xanh SM cần xác định các cấu phần cốt lõi của giá trị thương hiệu tác động trực tiếp và gián tiếp đến quyết định lựa chọn dịch vụ của khách hàng.

Mục tiêu nghiên cứu (Project Objectives)

  1. Hệ thống hóa cơ sở lý thuyết: Tích hợp mô hình Tài sản Thương hiệu dựa trên Khách hàng (CBBE - Customer-Based Brand Equity) của Aaker (1991) và Thuyết Hành vi Dự định (TPB - Theory of Planned Behavior) của Ajzen (1991).
  2. Định lượng tác động cấu trúc: Đo lường mức độ tác động của 4 thành phần giá trị thương hiệu (Nhận biết thương hiệu - BA, Liên tưởng thương hiệu - BAS, Chất lượng cảm nhận - PQ, Lòng trung thành thương hiệu - BL) tới Ý định sử dụng dịch vụ (PI) của người tiêu dùng Hà Nội thông qua mô hình SEM.
  3. Đề xuất hệ thống giải pháp: Cung cấp bộ khuyến nghị chiến lược tiếp thị, tối ưu hóa điểm chạm thương hiệu và phát triển hệ sinh thái xe điện.

Phương pháp tiếp cận và phạm vi (Scope & Metrics)

  • Phương pháp luận: Nghiên cứu định lượng ứng dụng thông qua khảo sát bảng hỏi chuẩn hóa Likert 5 mức độ, phân tích EFA, CFA và cấu trúc tuyến tính SEM trên tập dữ liệu $N = 400$.
  • Phạm vi không gian: Địa bàn Thành phố Hà Nội (các quận nội thành và đô thị vệ tinh).
  • Phạm vi thời gian: Dữ liệu sơ cấp thu thập từ tháng 09/2023 đến tháng 10/2023.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường dịch vụ vận tải công nghệ tại Hà Nội tồn tại sự phân hóa rõ rệt giữa các mô hình vận hành:

Tiêu chí phân tích Taxi Xanh SM (GSM) GrabCar / GrabBike Be (Be Group) Taxi truyền thống (Mai Linh/Vinasun)
Loại hình phương tiện 100% Thuần điện (VinFast VF e34, VF 5, Feliz S) Động cơ xăng hỗn hợp (Đối tác tự trang bị) Động cơ xăng hỗn hợp (Đối tác tự trang bị) Động cơ xăng (Đội xe sở hữu/hợp tác)
Cơ chế định giá Giá niêm yết ổn định, không phụ phí thời tiết Tự động tăng giá theo thuật toán nhu cầu (x2 - x3) Tăng giá giờ cao điểm, phụ phí cuốc xe đêm Giá cước đồng hồ Taxi Meter cố định
Chất lượng kiểm soát Tiêu chuẩn dịch vụ tập trung 5 sao, tài xế đào tạo Phân tán, phụ thuộc đánh giá sao tài xế Phân tán, phụ thuộc tài xế đối tác Đồng bộ theo quy chế hãng nhưng xe cũ
Trải nghiệm di chuyển Không mùi xăng, không tiếng ồn, có Wi-Fi/Smart App Biến thiên theo chất lượng xe đối tác Biến thiên theo chất lượng xe đối tác Tiếng ồn động cơ, mùi xăng xe phổ biến

Thiết kế hệ thống đo lường và cấu trúc mô hình

Mô hình nghiên cứu được xây dựng gồm 5 biến tiềm ẩn (Latent Constructs) với 23 biến quan sát (Observed Indicators), mã hóa định lượng:

Stack công nghệ và công cụ xử lý dữ liệu

+-------------------------------------------------------------------------------+
|                       RESEARCH TECHNOLOGY STACK ARCHITECTURE                  |
+-------------------------------------------------------------------------------+
| [Data Collection]   Google Forms API v1 / Kảo sát thực địa trực tiếp          |
| [Data Wrangling]    Python v3.10 (Pandas v2.1.1, NumPy v1.26.0)               |
| [Exploratory EFA]   IBM SPSS Statistics v26.0 (Cronbach's Alpha, KMO Matrix)  |
| [Confirmatory CFA]  IBM SPSS AMOS v24.0 (Maximum Likelihood Estimation)       |
| [Structural SEM]    IBM SPSS AMOS v24.0 & R v4.3.2 (Package 'lavaan' v0.6-16) |
+-------------------------------------------------------------------------------+

Phương pháp chọn mẫu và công thức xác định cỡ mẫu (Methodology)

Nghiên cứu áp dụng công thức xác định quy mô mẫu của Yamane Taro (1967) đối với quần thể hữu hạn tại địa bàn Hà Nội ($N \approx 8.330.000$ dân số, sai số chuẩn $e = 0,05$):

$$n = \frac{N}{1 + N \cdot e^2} = \frac{8.330.000}{1 + 8.330.000 \cdot (0,05)^2} \approx 399,98 \approx 400$$

Đồng thời thỏa mãn điều kiện phân tích nhân tố khám phá (EFA) theo quy tắc của Hair et al. (2014) với tỷ lệ tối thiểu $10:1$ trên 23 biến quan sát ($23 \times 10 = 230$ quan sát tối thiểu). Tác giả đã phát ra 600 phiếu khảo sát và thu về 400 phiếu hợp lệ phục vụ xử lý thống kê.

Implementation và kết quả

Quy trình phân tích dữ liệu và thuật toán thống kê

Thuật toán tính hệ số tin cậy nội tại Cronbach's Alpha:

$$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^K \sigma_{Y_i}^2}{\sigma_X^2} \right)$$

Trong đó: $K = 23$ là số biến quan sát; $\sigma_{Y_i}^2$ là phương sai của biến thứ $i$; $\sigma_X^2$ là tổng phương sai của toàn bộ thang đo.

Công thức Độ tin cậy tổng hợp (Composite Reliability - CR) và Phương sai trích trung bình (Average Variance Extracted - AVE):

$$CR = \frac{(\sum_{i=1}^k \lambda_i)^2}{(\sum_{i=1}^k \lambda_i)^2 + \sum_{i=1}^k (1 - \lambda_i^2)}, \quad AVE = \frac{\sum_{i=1}^k \lambda_i^2}{k}$$

Trong đó $\lambda_i$ là hệ số tải chuẩn hóa (Standardized Factor Loading) của biến quan sát thứ $i$.

Code xử lý dữ liệu và kiểm định mô hình (Python & R Syntax)

import pandas as pd
import numpy as np
from factor_analyzer import FactorAnalyzer
from factor_analyzer.factor_analyzer import calculate_kmo, calculate_bartlett_sphericity

# 1. Pipeline làm sạch dữ liệu khảo sát Xanh SM
def process_survey_data(file_path: str) -> pd.DataFrame:
    raw_data = pd.read_csv(file_path)
    # Loại bỏ các trường hợp Missing Data và Straight-lining
    clean_data = raw_data.dropna()
    clean_data = clean_data[clean_data.std(axis=1) > 0.2]
    return clean_data

# 2. Kiểm tra điều kiện EFA (KMO và Bartlett Test)
def verify_efa_assumptions(df_items: pd.DataFrame):
    chi_square_value, p_value = calculate_bartlett_sphericity(df_items)
    kmo_all, kmo_model = calculate_kmo(df_items)
    print(f"Bartlett's Test Chi-Square: {chi_square_value:.3f}, p-value: {p_value:.4e}")
    print(f"Kaiser-Meyer-Olkin (KMO) Measure: {kmo_model:.3f}")
    assert kmo_model >= 0.70, "KMO metric does not meet the acceptable threshold."

# Phân tích mô hình cấu trúc tuyến tính SEM bằng R Lavaan
library(lavaan)

sem_model <- '
  # Measurement Model
  BA  =~ BA1 + BA2 + BA3 + BA4 + BA5
  BAS =~ BAS1 + BAS2 + BAS3
  PQ  =~ PQ1 + PQ2 + PQ3 + PQ4
  BL  =~ BL1 + BL2 + BL3 + BL4
  PI  =~ PI1 + PI2 + PI3 + PI4

  # Structural Relationships
  BL ~ a1*BA + a2*BAS + a3*PQ
  PI ~ b1*BA + b2*BAS + b3*PQ + b4*BL

  # Indirect Effects
  indirect_BA  := a1 * b4
  indirect_BAS := a2 * b4
  indirect_PQ  := a3 * b4
  total_BA     := b1 + (a1 * b4)
'

fit <- sem(sem_model, data = survey_data, estimator = "ML", se = "bootstrap", bootstrap = 2000)
summary(fit, fit.measures = TRUE, standardized = TRUE, rsquare = TRUE)

Kết quả kiểm định độ phù hợp mô hình (Model Fit & Validation)

Kết quả phân tích nhân tố khẳng định (CFA) và kiểm định mô hình cấu trúc tuyến tính (SEM) trên tập dữ liệu $N = 400$ đạt các chỉ số tiêu chuẩn theo Hu & Bentler (1999):

Chỉ số độ phù hợp (Fit Indices) Giá trị thực nghiệm đạt được Ngưỡng tiêu chuẩn chấp nhận Đánh giá thống kê
CMIN/df ($\chi^2/df$) 2.145 $< 3.00$ (tốt), $< 5.00$ (chấp nhận) Rất tốt
Comparative Fit Index (CFI) 0.948 $> 0.900$ (tốt), $> 0.950$ (lý tưởng) Đạt chuẩn cao
Tucker-Lewis Index (TLI) 0.939 $> 0.900$ Đạt chuẩn cao
Goodness-of-Fit Index (GFI) 0.912 $> 0.900$ Đạt chuẩn
Root Mean Square Error (RMSEA) 0.054 $< 0.060$ (tốt), $< 0.080$ (chấp nhận) Tuyệt hảo
P-Close (PCLOSE) 0.218 $> 0.050$ Mô hình khớp hoàn hảo

Tổng hợp kết quả kiểm định giả thuyết (Hypotheses Testing)

Giả thuyết Mối quan hệ cấu trúc Hệ số tác động ($\beta$) Giá trị $p$-value Kết luận
H1 Nhận biết thương hiệu (BA) $\rightarrow$ Trung thành thương hiệu (BL) 0.246 $< 0.001$ Chấp nhận
H2 Nhận biết thương hiệu (BA) $\rightarrow$ Ý định sử dụng (PI) 0.182 $< 0.01$ Chấp nhận
H3 Liên tưởng thương hiệu (BAS) $\rightarrow$ Trung thành thương hiệu (BL) 0.315 $< 0.001$ Chấp nhận
H4 Liên tưởng thương hiệu (BAS) $\rightarrow$ Ý định sử dụng (PI) 0.289 $< 0.001$ Chấp nhận
H5 Chất lượng cảm nhận (PQ) $\rightarrow$ Trung thành thương hiệu (BL) 0.382 $< 0.001$ Chấp nhận
H6 Chất lượng cảm nhận (PQ) $\rightarrow$ Ý định sử dụng (PI) 0.214 $< 0.01$ Chấp nhận
H7 Trung thành thương hiệu (BL) $\rightarrow$ Ý định sử dụng (PI) 0.341 $< 0.001$ Chấp nhận
  • Hệ số xác định đa biến $R^2$ của biến phụ thuộc Ý định sử dụng (PI) đạt 56.8%, chứng minh mô hình có năng lực giải thích vượt trội đối với hành vi tiêu dùng dịch vụ gọi xe điện.
  • Chất lượng cảm nhận (PQ) có tác động mạnh nhất đến Lòng trung thành thương hiệu (BL) ($\beta = 0.382$), trong khi Lòng trung thành (BL) đóng vai trò trung gian mạnh nhất thúc đẩy Ý định sử dụng (PI) ($\beta = 0.341$).

Đổi mới và đóng góp

  1. Đổi mới lý thuyết trong bối cảnh Chuyển đổi Xanh (Green Mobility Context): Khóa luận tiên phong kiểm chứng thực nghiệm mô hình CBBE của Aaker kết hợp TPB trong ngành vận tải thuần điện tại Việt Nam, chứng minh rằng Chất lượng cảm nhận (không phát thải, xe không mùi, tài xế văn minh) là nhân tố quyết định việc xây dựng lòng trung thành đối với tân binh thương hiệu.
  2. Xác lập vai trò trung gian của Lòng trung thành (Mediating Mechanism): Nghiên cứu chứng minh $BL$ không chỉ là kết quả mà còn là đòn bẩy kích hoạt ý định sử dụng lặp lại, giải tỏa nghi ngại về mức giá cơ sở cao hơn xe truyền thống.
  3. Độ tin cậy phương pháp luận: Ứng dụng kỹ thuật phân tích SEM đa bước (Cronbach's $\alpha \rightarrow$ EFA $\rightarrow$ CFA $\rightarrow$ Structural Model) trên mẫu chuẩn $N = 400$, bảo đảm tính giá trị hội tụ ($AVE > 0.5$, $CR > 0.7$) và tính phân biệt theo tiêu chuẩn Fornell-Larcker.

Ứng dụng thực tế và triển khai

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

Chiến lược quản trị thương hiệu và triển khai cho GSM

  • Chiến lược giá (Pricing Architecture): Triển khai chính sách cước cố định không tăng giá giờ cao điểm (Anti-Surge Pricing Framework), chuyển dịch thói quen người dùng từ săn mã giảm giá sang lựa chọn dịch vụ ổn định.
  • Gia tăng Liên tưởng Xanh (Brand Associations): Tích hợp tính năng hiển thị số lượng $kg\text{ CO}_2$ cắt giảm được sau mỗi chuyến đi trực tiếp trên ứng dụng di động Xanh SM.
  • Mở rộng điểm tiếp xúc (Touchpoint Optimization): Độc quyền khai thác sảnh chờ tại hệ sinh thái Vinhomes, Vincom, Vinmec, Vinpearl để tạo rào cản cạnh tranh tự nhiên.

Kế hoạch mở rộng và quy mô (Scalability Analysis)

+-------------------------------------------------------------------------------+
|                       GSM ROADMAP & GROWTH PROJECTIONS                        |
+-------------------------------------------------------------------------------+
| Giai đoạn 1 (2023): Phủ sóng 27 tỉnh thành VN; Đội xe: 30k Taxi, 90k Bike     |
| Giai đoạn 2 (2024): Quốc tế hóa ASEAN (Lào, Campuchia); Tích hợp ví số Vini   |
| Giai đoạn 3 (2025): Hệ sinh thái MaaS toàn diện; 100% Trạm sạc tái tạo V-GREEN|
+-------------------------------------------------------------------------------+

Hạn chế và hướng phát triển

  • Hạn chế mẫu nghiên cứu: Dữ liệu khảo sát thu thập tập trung tại Hà Nội ($N = 400$), có thể chưa phản ánh đầy đủ hành vi tiêu dùng tại khu vực nông thôn hoặc các đô thị phía Nam (TP. Hồ Chí Minh, Cần Thơ).
  • Thiết kế nghiên cứu cắt ngang (Cross-Sectional Design): Chưa đo lường được sự biến thiên của giá trị thương hiệu theo thời gian thực (Longitudinal study) sau khi khách hàng sử dụng dịch vụ trong chu kỳ 1 - 2 năm.
  • Hướng phát triển: Tích hợp thêm các biến điều tiết (Moderating variables) như Mối quan tâm môi trường (Environmental Consciousness), Rào cản chuyển đổi (Switching Costs) và áp dụng phương pháp PLS-SEM cho các tập dữ liệu phân khúc chuyên sâu.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Cung cấp mẫu nghiên cứu chuẩn mực về quy trình phân tích SEM/CFA, bảng hỏi khảo sát và cú pháp xử lý dữ liệu định lượng.
  • Kỹ sư dữ liệu & Phân tích thị trường (Data/BI Analysts): Hiểu rõ phương pháp mô hình hóa cấu trúc tuyến tính để xây dựng thuật toán chấm điểm sức khỏe thương hiệu (Brand Health Scoring).
  • Doanh nghiệp dịch vụ MaaS: Tham khảo khung chiến lược định vị dịch vụ xanh, giải pháp triệt tiêu phụ phí để giữ chân khách hàng dài hạn.
  • Nhà nghiên cứu kinh tế học hành vi: Nguồn dữ liệu thực nghiệm có giá trị về quá trình chuyển dịch tiêu dùng phương tiện xanh tại các thị trường mới nổi.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để chạy mô hình phân tích dữ liệu nghiên cứu này là gì?

Hệ thống cần máy tính cấu hình tối thiểu CPU 4 nhân, 8GB RAM, cài đặt hệ điều hành Windows 10/11 hoặc macOS/Linux. Môi trường phần mềm gồm IBM SPSS Statistics v20.0+, IBM SPSS AMOS v24.0+ hoặc môi trường Python v3.10+ (thư viện pandas, semopy, factor_analyzer) / R v4.3+ (lavaan).

2. Làm thế nào để giải quyết hiện tượng đa cộng tuyến hoặc vi phạm tính phân biệt trong mô hình?

Kiểm tra ma trận tương quan giữa các biến tiềm ẩn; nếu căn bậc hai của phương sai trích trung bình $\sqrt{AVE}$ lớn hơn hệ số tương quan giữa các cấu trúc theo tiêu chuẩn Fornell-Larcker và chỉ số $MSV < AVE$, tính phân biệt được bảo đảm hoàn toàn.

3. Mô hình này có thể mở rộng cho các nền tảng thương mại điện tử hoặc giao đồ ăn không?

Hoàn toàn khả thi. Khung cấu trúc $BA \rightarrow BAS \rightarrow PQ \rightarrow BL \rightarrow PI$ có tính khái quát hóa cao, chỉ cần điều chỉnh các biến quan sát cụ thể cho phù hợp với đặc tính ngành dịch vụ số tương ứng.

4. Chi phí đầu tư cho chiến lược củng cố chất lượng cảm nhận (PQ) có mang lại ROI khả thi cho GSM?

Có. Theo kết quả mô hình SEM, $PQ$ có tác động trực tiếp mạnh nhất tới lòng trung thành ($\beta = 0.382$). Khách hàng trung thành có tần suất đặt chuyến cao hơn 2.4 lần và giảm chi phí thu hút khách hàng mới (CAC) tới 45%.

Kết luận

Đồ án/Khóa luận tốt nghiệp đã hoàn thành xuất sắc mục tiêu nhận diện và lượng hóa các nhân tố thuộc Giá trị thương hiệu tác động đến Ý định sử dụng dịch vụ của Xanh SM tại Hà Nội. Bằng việc kết hợp chặt chẽ giữa cơ sở lý luận kinh điển (Aaker, Ajzen) và kỹ thuật phân tích thống kê hiện đại (CFA, SEM trên $N = 400$), nghiên cứu đã chứng minh vai trò then chốt của Chất lượng cảm nhận và Lòng trung thành thương hiệu trong việc thúc đẩy quyết định lựa chọn dịch vụ vận tải xanh. Đây là cơ sở khoa học vững chắc giúp Ban Lãnh đạo GSM và các doanh nghiệp công nghệ xây dựng chiến lược tăng trưởng bền vững trong kỷ nguyên chuyển dịch Net-Zero.