Giới thiệu dự án

Thị trường đào tạo ngoại ngữ (English Language Training - ELT) tại Việt Nam chứng kiến tốc độ tăng trưởng vượt bậc với sự tham gia của các tổ chức giáo dục trong và ngoài nước. Báo cáo từ tổ chức giáo dục quốc tế EF (English First) năm 2019 xếp Việt Nam ở vị trí 65/100 quốc gia về chỉ số năng lực Anh ngữ (EF English Proficiency Index), phản ánh khoảng cách lớn giữa nhu cầu hội nhập và năng lực ngoại ngữ thực tế. Bối cảnh này thúc đẩy sự bùng nổ doanh thu của các chuỗi trung tâm như VUS (1.747 tỷ đồng năm 2019, tăng trưởng 23%), Apax English (1.482 tỷ đồng, tăng trưởng 64%), Apollo English (800 tỷ đồng, tăng trưởng 28%) và British Council (442 tỷ đồng).

Thị trường Đào tạo Tiếng Anh (ELT)

Tuy nhiên, tại các thị trường cấp tỉnh như Thành phố Huế, các đơn vị giáo dục mới thành lập đối mặt với rào cản nhận diện thương hiệu (Brand Awareness) gay gắt. Học viện Đào tạo Quốc tế ANI (Academy of Network and Innovations), thành lập ngày 19/06/2019 theo quyết định của Sở Giáo dục và Đào tạo tỉnh Thừa Thiên Huế, vận hành với hệ thống 4 cơ sở (Lê Hồng Phong, Trường Chinh, Đại học Luật, Trường Du lịch - Đại học Huế). Vấn đề cốt lõi đặt ra là sự thiếu hụt các nghiên cứu định lượng chuẩn xác về vị thế thương hiệu của ANI trong tâm trí khách hàng mục tiêu, dẫn đến chi phí tiếp thị (Customer Acquisition Cost - CAC) cao nhưng tỷ lệ chuyển đổi và nhận biết không hỗ trợ (Unaided Recall) còn hạn chế.

Đề tài "Đo lường mức độ nhận biết của khách hàng đối với thương hiệu Học viện Đào tạo Quốc tế ANI" do sinh viên Phan Hồng Quang thực hiện dưới sự hướng dẫn của PGS. Nguyễn Tài Phúc (Khoa Quản trị Kinh doanh, Trường Đại học Kinh tế – Đại học Huế) giải quyết bài toán đo lường tài sản thương hiệu thông qua các mục tiêu cụ thể:

  1. Hệ thống hóa cơ sở lý luận về thương hiệu, tài sản thương hiệu (Brand Equity) và thang đo mức độ nhận biết thương hiệu.
  2. Phân tích thực trạng hoạt động truyền thông và hệ thống nhận diện thương hiệu (Brand Identity System - BIS) của Học viện ANI giai đoạn 2019–2020.
  3. Đo lường định lượng các thuộc tính nhận diện (Brand Name, Logo, Color Palette, Course Quality) và xây dựng Bản đồ định vị đa chiều (Multidimensional Scaling - MDS).
  4. Đề xuất ma trận giải pháp tối ưu hóa nhận diện thương hiệu cho ANI tại thị trường Thừa Thiên Huế.

Phạm vi nghiên cứu tập trung vào phân khúc khách hàng học viên người lớn (Adult English Learners) trên địa bàn Thành phố Huế, kết hợp phân tích số liệu tài chính - vận hành giai đoạn 06/2019 đến 12/2020 và khảo sát thực nghiệm từ tháng 01/2021 đến tháng 04/2021.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại thị trường giáo dục Thừa Thiên Huế, sự cạnh tranh diễn ra giữa ba nhóm đối thủ chính: các hệ thống nhượng quyền cao cấp (ILA, AMES, AMA), các trung tâm địa phương lâu năm (MTEC, SEA) và các viện đào tạo mới nổi (ANI, Felix).

Tiêu chí phân tích Hệ thống Quốc tế (ILA, Apollo) Trung tâm Truyền thống (MTEC, AMA) Học viện Đào tạo Quốc tế ANI
Chi phí khóa học/tháng Rất cao (>3.500.000 VNĐ) Trung bình (1.500.000 - 2.500.000 VNĐ) Cạnh tranh (1.360.000 - 3.570.000 VNĐ/khóa 2-3 tháng)
Hệ thống EdTech bổ trợ Nền tảng độc quyền LMS cao cấp Hạn chế, chủ yếu tài liệu in ấn Tích hợp English Central, IELTS Speaking Assistant
Mức độ nhận biết (TOM) Rất cao (>60% nhóm khách hàng mục tiêu) Ổn định tại địa phương Đang trong giai đoạn thâm nhập (Đạt 89,7% tổng nhận biết có trợ giúp)
Mạng lưới cơ sở Tập trung ở các trung tâm thương mại 1 - 2 cơ sở độc lập 4 cơ sở liên kết trực tiếp tại các trường đại học lớn

Yêu cầu nghiên cứu và hệ thống thuộc tính thương hiệu được ưu tiên hóa theo mô hình MoSCoW:

  • Must-have (Bắt buộc): Đo lường Top of Mind (TOM), Mức độ nhận biết không trợ giúp (Brand Recall), Mức độ nhận biết có trợ giúp (Brand Recognition) đối với Tên, Logo, Màu sắc.
  • Should-have (Nên có): Bản đồ định vị thuộc tính (MDS Map) so sánh ANI với các đối thủ về học phí, chất lượng đào tạo và chăm sóc học viên.
  • Could-have (Có thể có): Đánh giá tương quan giữa chất lượng EdTech bổ trợ (App English Central) với mức độ hài lòng thương hiệu.
  • Won't-have (Chưa thực hiện): Đo lường giá trị tài chính thương hiệu thuần túy (Monetary Brand Valuation).

Thiết kế hệ thống

Mô hình nghiên cứu kế thừa lý thuyết tài sản thương hiệu của David Aaker (1991), Kevin Lane Keller (2003) và Trương Đình Chiến (2005), bao gồm 5 nhóm nhân tố chính tác động đến Đánh giá chung (DGC) về nhận diện thương hiệu:

Công nghệ và công cụ xử lý dữ liệu:

  • Nền tảng phân tích thống kê: IBM SPSS Statistics Version 20.0 (Core Engine cho One-Sample T-Test, Independent Samples T-Test, One-Way ANOVA, Multidimensional Scaling).
  • Xử lý và trực quan hóa dữ liệu: Microsoft Excel 2019 / Python 3.9 (Pandas, Scipy.Stats, Matplotlib).
  • Hệ sinh thái EdTech liên kết: App English Central (luyện phát âm AI), IELTS Speaking Assistant (ngân hàng đề thi và phản xạ nói).

Cấu trúc lưu trữ dữ liệu khảo sát (Database Schema thiết kế chuẩn hóa cho 117 quan sát):

CREATE TABLE Survey_Brand_Awareness (
    respondent_id INT PRIMARY KEY AUTO_INCREMENT,
    gender VARCHAR(10) NOT NULL, -- Nam / Nu
    age_group VARCHAR(20) NOT NULL, -- 18-22, 23-29, >=30
    occupation VARCHAR(50), -- Sinh vien, Nguoi di lam
    income_level VARCHAR(30), -- Duoi 5tr, 5-10tr, tren 10tr
    target_course VARCHAR(50), -- Basic, Giao tiep, IELTS, TOEIC, A2-B1
    max_payment_willingness DECIMAL(10,2),
    -- Thang do Likert 5 diem (1: Rat khong dong y -> 5: Rat dong y)
    brand_name_easy_read INT CHECK (brand_name_easy_read BETWEEN 1 AND 5),
    brand_name_easy_remember INT CHECK (brand_name_easy_remember BETWEEN 1 AND 5),
    brand_name_meaningful INT CHECK (brand_name_meaningful BETWEEN 1 AND 5),
    logo_recognition INT CHECK (logo_recognition BETWEEN 1 AND 5),
    logo_differentiation INT CHECK (logo_differentiation BETWEEN 1 AND 5),
    color_impression INT CHECK (color_impression BETWEEN 1 AND 5),
    course_quality_rating INT CHECK (course_quality_rating BETWEEN 1 AND 5),
    overall_awareness_dgc INT CHECK (overall_awareness_dgc BETWEEN 1 AND 5)
);

Methodology

Phương pháp nghiên cứu kết hợp hai giai đoạn định tính và định lượng:

  1. Nghiên cứu định tính: Phỏng vấn sâu (In-depth Interview) $N_1 = 15$ học viên và giảng viên, cán bộ quản lý tại Học viện ANI nhằm sàng lọc, điều chỉnh bảng câu hỏi và kiểm tra độ rõ ràng của thang đo Likert 5 điểm.
  2. Nghiên cứu định lượng: Sử dụng công thức tính kích cỡ mẫu theo giá trị trung bình với độ tin cậy 95% ($Z = 1.96$), sai số chuẩn cho phép $e = 0.05$, độ lệch chuẩn ước lượng từ điều tra thử nghiệm 30 mẫu ($\sigma = 0.275$):

$$n = \frac{Z^2 \cdot \sigma^2}{e^2} = \frac{(1.96)^2 \cdot (0.275)^2}{(0.05)^2} = \frac{3.8416 \cdot 0.075625}{0.0025} \approx 116.2$$

Cỡ mẫu tối thiểu làm tròn là 117. Nghiên cứu phát ra tổng cộng 128 phiếu điều tra bằng phương pháp chọn mẫu ngẫu nhiên phân tầng (Stratified Random Sampling) từ hai tập danh sách:

  • Danh sách 498 khách hàng tiềm năng: Chọn ngẫu nhiên $n = 47$.
  • Danh sách 423 học viên người lớn đang theo học: Chọn ngẫu nhiên $n = 70$. Thu về 117 phiếu hợp lệ (loại bỏ 11 phiếu không đạt tiêu chuẩn do khuyết thông tin).

Implementation và kết quả

Development process

Quy trình xử lý dữ liệu được tiến hành theo 4 pha nghiêm ngặt: Mã hóa dữ liệu (Data Encoding) $\rightarrow$ Làm sạch dữ liệu (Data Cleansing) $\rightarrow$ Kiểm định phân phối chuẩn (Normality Test) $\rightarrow$ Phân tích suy diễn thống kê (Inferential Statistics).

import numpy as np
import pandas as pd
from scipy import stats

def verify_normality(data_series):
    """
    Kiem tra cac dieu kien phan phoi chuan theo giao trinh NCKH
    1. Mean nam trong khoang 10% cua Median
    2. He so Skewness & Kurtosis nam trong khoang [-3, 3]
    3. Mean +- 3*SD xap xi Min/Max
    """
    mean_val = np.mean(data_series)
    median_val = np.median(data_series)
    sd_val = np.std(data_series, ddof=1)
    skewness = stats.skew(data_series)
    kurt = stats.kurtosis(data_series)
    
    mean_median_diff = abs(mean_val - median_val) / median_val
    is_normal = (mean_median_diff <= 0.10) and (-3 <= skewness <= 3) and (-3 <= kurt <= 3)
    
    return {
        "Mean": round(mean_val, 3),
        "Median": round(median_val, 3),
        "Std_Dev": round(sd_val, 3),
        "Skewness": round(skewness, 3),
        "Kurtosis": round(kurt, 3),
        "Is_Approx_Normal": is_normal
    }

Dữ liệu tài chính vận hành qua 3 thời kỳ của ANI được tổng hợp để đối chiếu hiệu quả marketing:

  • Thời kỳ I (05/2019 - 12/2019): Giai đoạn thâm nhập thị trường, doanh thu tháng 8/2019 tăng vọt 138.000.000 VNĐ (gấp 11 lần tháng 7) nhờ chiến dịch khai trương và tuyển sinh trực tiếp. Lợi nhuận lũy kế đạt 506.500.000 VNĐ.
  • Thời kỳ II (01/2020 - 06/2020): Chịu tác động từ giãn cách xã hội do đại dịch COVID-19, doanh thu giảm mạnh, lợi nhuận âm 95.900.000 VNĐ.
  • Thời kỳ III (07/2020 - 12/2020): Phục hồi vận hành, doanh thu tháng 7 đạt 105.800.000 VNĐ và duy trì đà tăng trưởng ổn định.

Testing và validation

Thuật toán kiểm định thống kê được triển khai trên tập dữ liệu $N = 117$ bằng IBM SPSS Statistics:

* Kiem dinh One Sample T-Test voi gia tri kiem dinh Test Value = 3.0 (Muc trung lap).
T-TEST
  /TESTVAL=3.0
  /MISSING=ANALYSIS
  /VARIABLES=Ten_DeDoc Ten_DeNho Logo_NhanBiet MauSac_AnTuong ChatLuong_DaoTao DGC_NhanBiet
  /CRITERIA=CI(.95).

* Kiem dinh One-Way ANOVA theo Nhom Tuoi va Gioi Tinh.
ONEWAY DGC_NhanBiet BY DoTuoi
  /STATISTICS DESCRIPTIVES HOMOGENEITY 
  /MISSING ANALYSIS.

* Thuat toan Multidimensional Scaling (MDS) xac dinh vi the canh tranh.
ALSCAL
  /VARIABLES=ANI AMES AMA MTEC VUS
  /SHAPE=SYMMETRIC
  /LEVEL=ORDINAL
  /CRITERIA=STRESS(.005) MAXITER(30).

Kết quả đạt được

Nghiên cứu thực nghiệm mang lại các chỉ số thống kê định lượng chi tiết:

  1. Mức độ nhận diện tổng thể: Đạt 89,7% tổng nhận biết (bao gồm TOM, nhận biết không trợ giúp và có trợ giúp) sau 2 năm đi vào hoạt động.
  2. Kiểm định One-Sample T-Test: Các biến quan sát về "Tên thương hiệu dễ đọc, dễ nhớ", "Logo mang tính mỹ thuật" và "Màu sắc chủ đạo" đều có giá trị trung bình $\mu > 3.85$ với mức ý nghĩa kiểm định $p < 0.001$, khẳng định hệ thống nhận diện cốt lõi được đánh giá vượt trội so với mức kỳ vọng trung bình.
  3. Kiểm định ANOVA và Independent Samples T-Test: Không có sự khác biệt có ý nghĩa thống kê về mức độ nhận diện thương hiệu giữa các nhóm giới tính ($p > 0.05$), nhưng có sự khác biệt rõ rệt giữa các nhóm độ tuổi ($p < 0.05$), trong đó nhóm học sinh - sinh viên (18–22 tuổi) có độ nhận diện cao nhất nhờ chiến dịch Marketing tại 4 cơ sở đại học.
  4. Bản đồ định vị thương hiệu (MDS): ANI định vị vững chắc ở góc phần tư: "Mức học phí cạnh tranh/hợp lý" kết hợp "Chăm sóc học viên tận tình", trong khi nhóm đối thủ ngoại (VUS, ILA) dẫn đầu về "Nhận diện thương hiệu cao cấp" nhưng chi phí đắt đỏ.

Đổi mới và đóng góp

Đồ án mang lại các đóng góp học thuật và ứng dụng thực tiễn mang tính hệ thống:

                          CÁC ĐÓNG GÓP CỐT LÕI
[Đóng góp Phương pháp luận]                              [Đóng góp Thực tiễn]
• Ứng dụng quy trình kiểm định phân phối chuẩn 5 bước   • Chuẩn hóa danh mục 6 khóa học
• Xây dựng bản đồ MDS định vị ngành ELT địa phương      • Tích hợp EdTech (English Central AI)
• Bộ thang đo chuẩn hóa 24 biến quan sát                • Tối ưu hóa kênh truyền thông OOH & Digital
  1. Về phương pháp luận đo lường: Ứng dụng quy trình kiểm định phân phối chuẩn 5 bước nghiêm ngặt (kết hợp độ lệch chuẩn $\sigma=0.275$, kiểm tra đối xứng Skewness/Kurtosis trong đoạn $[-3, 3]$, và biểu đồ Q-Q Plot tuyến tính) trước khi thực hiện các phân tích suy diễn tham số (Parametric Tests), hạn chế tối đa sai số loại I ($\alpha$) và sai số loại II ($\beta$).
  2. Mô hình hóa bản đồ định vị MDS cho thị trường giáo dục địa phương: Cung cấp cơ sở trực quan giúp ban lãnh đạo xác định chính xác tọa độ thương hiệu ANI so với các đối thủ (AMES, AMA, MTEC), chỉ ra lỗ hổng thị trường ở phân khúc tiếng Anh giao tiếp và chứng chỉ quốc tế giá mềm cho sinh viên miền Trung.
  3. Tích hợp EdTech vào giá trị cốt lõi của thương hiệu: Khẳng định vai trò của công nghệ giáo dục (English Central, IELTS Speaking Assistant) như một thành phần gia tăng giá trị cảm nhận (Perceived Quality), giúp tăng tỷ lệ hài lòng đào tạo và tạo liên tưởng thương hiệu khác biệt so với các trung tâm chỉ dạy offline truyền thống.

Ứng dụng thực tế và triển khai

Dựa trên kết quả định vị và đo lường, kế hoạch mở rộng và nâng cao năng lực nhận diện thương hiệu ANI được xây dựng theo lộ trình 4 quý:

LỘ TRÌNH TRIỂN KHAI 4 QUÝ (ROADMAP)
[Q1: Brand Identity & Digital Base]
[Q2: Academic & EdTech Ecosystem]
[Q3: Experiential Marketing & PR]
[Q4: Brand Audit & Community Scaling]

Yêu cầu triển khai chi tiết:

  • Hạ tầng công nghệ: Tối ưu hóa hệ thống máy chủ lưu trữ dữ liệu học viên, tích hợp API đăng ký trực tuyến với phần mềm quản lý học tập nội bộ và ứng dụng English Central.
  • Chiến lược kênh truyền thông:
    • Kênh trực tiếp (Direct/OOH): Tăng cường độ nhận diện tại 4 điểm cơ sở thông qua biển bảng đạt chuẩn tỷ lệ đồ họa, trang bị đồng phục nhận diện thương hiệu đồng bộ cho 100% cán bộ tư vấn và nhân sự.
    • Kênh số (Digital Marketing): Tối ưu Fanpage ANI và kênh "ANI FOR KIDS", đẩy mạnh các video ngắn hướng dẫn phát âm chuẩn IPA, khai thác hình thức truyền miệng (Word-of-Mouth - WOM) qua mạng lưới 423 học viên hiện hữu.
  • Phân tích Chi phí - Lợi ích (Cost-Benefit Analysis): Chi phí marketing dự kiến chiếm 12-15% tổng doanh thu hàng tháng. Với mức tăng trưởng học viên mục tiêu 25%/năm, thời gian hoàn vốn đầu tư thương hiệu (Brand ROI) ước tính đạt trong 8–10 tháng.

Hạn chế và hướng phát triển

  • Hạn chế nghiên cứu:
    1. Quy mô mẫu $N = 117$ dù đạt chuẩn thống kê tối thiểu ($n \ge 116.2$) nhưng mới chỉ tập trung chủ yếu vào đối tượng học viên khóa người lớn tại khu vực nội thành Huế, chưa bao quát phân khúc phụ huynh/học sinh tiểu học ("ANI FOR KIDS").
    2. Khoảng thời gian thu thập dữ liệu thứ cấp (2019–2020) bị gián đoạn cục bộ bởi đại dịch COVID-19, ảnh hưởng đến chuỗi dữ liệu doanh thu liên tục.
  • Hướng phát triển tiếp theo:
    1. Mở rộng mô hình nghiên cứu sang phân tích Mô hình Phương trình Cấu trúc (Structural Equation Modeling - SEM/PLS-SEM) nhằm đánh giá mối quan hệ nhân quả giữa Nhận biết thương hiệu $\rightarrow$ Chất lượng cảm nhận $\rightarrow$ Lòng trung thành thương hiệu (Brand Loyalty).
    2. Khảo sát mở rộng cỡ mẫu lên $N \ge 500$ trên toàn tỉnh Thừa Thiên Huế và các tỉnh lân cận (Đà Nẵng, Quảng Trị) để phục vụ chiến lược mở rộng chuỗi học viện.

Đối tượng hưởng lợi

  • Học viên & Sinh viên: Tiếp cận các chương trình đào tạo chuẩn hóa quốc tế (IELTS, TOEIC, Giao tiếp) với mức học phí hợp lý, đồng thời thụ hưởng môi trường học tập ứng dụng EdTech hiện đại.
  • Đội ngũ Quản lý & Marketing Giáo dục: Sở hữu bộ công cụ và thang đo định lượng chuẩn hóa để đánh giá định kỳ hiệu quả các chiến dịch nhận diện thương hiệu và tối ưu hóa ngân sách tiếp thị.
  • Doanh nghiệp & Trung tâm Khởi nghiệp Giáo dục: Tham khảo mô hình phân bổ chi phí, quản trị vận hành vượt qua biến động khủng hoảng và chiến lược định vị thị trường ngách hiệu quả.
  • Nhà nghiên cứu & Sinh viên chuyên ngành QTKD: Tài liệu tham khảo học thuật về quy trình xử lý dữ liệu khảo sát từ SPSS, kiểm định phân phối chuẩn và ứng dụng kỹ thuật MDS trong nghiên cứu thị trường.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và công cụ cần thiết để triển khai phân tích mô hình nghiên cứu này là gì?

Cần cài đặt phần mềm IBM SPSS Statistics (khuyến nghị phiên bản 20.0 trở lên) hoặc môi trường Python 3.8+ với các thư viện pandas, numpy, scipy, statsmodels. Cấu hình phần cứng tối thiểu: CPU Dual Core 2.0GHz, RAM 4GB, dung lượng ổ đĩa trống 2GB.

2. Giới hạn cỡ mẫu n = 117 có đảm bảo tính đại diện cho toàn bộ thị trường không?

Cỡ mẫu $n = 117$ được tính toán dựa trên công thức xác định quy mô mẫu cho ước lượng giá trị trung bình với độ tin cậy 95% ($Z = 1.96$), sai số $e = 0.05$ và độ lệch chuẩn mẫu $\sigma = 0.275$. Mẫu được phân bổ ngẫu nhiên từ danh sách 498 khách hàng tiềm năng và 423 học viên thực tế, đảm bảo đầy đủ tính đại diện thống kê cho nhóm khách hàng mục tiêu của ANI tại Thành phố Huế.

3. Làm thế nào để tích hợp các ứng dụng công nghệ (EdTech) vào bộ nhận diện thương hiệu?

Công nghệ giáo dục cần được xem là một "Thuộc tính sản phẩm cốt lõi" (Core Product Attribute). Doanh nghiệp cần đồng bộ logo, tài liệu hướng dẫn và thông điệp truyền thông của trung tâm bên trong giao diện ứng dụng (co-branding với English Central), biến trải nghiệm học tập số thành điểm chạm thương hiệu (Brand Touchpoint) thường nhật.

4. Tần suất bảo trì và đánh giá lại mức độ nhận diện thương hiệu nên thực hiện ra sao?

Doanh nghiệp nên thực hiện khảo sát Brand Tracking định kỳ 6 tháng/lần với quy mô mẫu rút gọn ($n \approx 50 - 100$) để theo dõi biến động chỉ số Top-of-Mind (TOM) và thực hiện đánh giá toàn diện (Brand Audit) quy mô lớn hàng năm.

5. Dự toán ngân sách và thời gian thu hồi vốn (ROI) cho các giải pháp thương hiệu đề xuất?

Ngân sách khuyến nghị chiếm từ 12% đến 15% tổng doanh thu mỗi kỳ. Với chiến lược tối ưu hóa kênh truyền thông OOH kết hợp Digital Marketing tại 4 cơ sở, tỷ lệ tuyển sinh dự kiến tăng từ 20% - 30%, mang lại điểm hòa vốn đầu tư chiến dịch trong vòng 8 đến 10 tháng hoạt động ổn định.

Kết luận

Đề tài khóa luận "Đo lường mức độ nhận biết của khách hàng đối với thương hiệu Học viện Đào tạo Quốc tế ANI" của sinh viên Phan Hồng Quang đã giải quyết triệt để bài toán định lượng hóa tài sản thương hiệu trong lĩnh vực đào tạo Anh ngữ tại Thành phố Huế. Nghiên cứu cung cấp cơ sở dữ liệu thực nghiệm vững chắc với tỷ lệ nhận diện đạt 89,7%, xác lập bản đồ định vị cạnh tranh sắc nét và đề xuất hệ thống giải pháp khả thi giúp Học viện ANI phát triển bền vững, khẳng định vị thế đơn vị giáo dục uy tín hàng đầu khu vực miền Trung. Quý bạn đọc, nhà quản lý và các bạn sinh viên có thể áp dụng trực tiếp khung nghiên cứu và phương pháp phân tích này để tối ưu hóa chiến lược thương hiệu cho tổ chức của mình.