Giới thiệu dự án

Sự bùng nổ của thương mại điện tử và công nghệ thông tin trong kỷ nguyên chuyển đổi số đã làm thay đổi căn bản hành vi người tiêu dùng ngành dịch vụ du lịch – khách sạn. Theo số liệu từ Tổng cục Du lịch Việt Nam, cả nước có trên 25.000 cơ sở lưu trú với công suất phòng trung bình 57% (khách sạn 4-5 sao đạt trên 75-85%). Riêng tại Thừa Thiên Huế, năm 2018 địa phương đón hơn 4,67 triệu lượt khách (khách quốc tế đạt 1,46 triệu lượt, tăng 30% so với cùng kỳ); năm 2019 tiếp tục ghi nhận sự tăng trưởng mạnh mẽ từ các thị trường trọng điểm như Hàn Quốc (29,3%), Pháp (9,0%), Thái Lan (6,6%), Anh (6,1%) và Mỹ (5,9%). Trong bối cảnh đó, các kênh bán hàng trực tuyến (Online Distribution Channels) bao gồm hệ thống website trực tiếp và đại lý du lịch trực tuyến (OTA - Online Travel Agent) trở thành công cụ sống còn để tối ưu hóa công suất buồng phòng và doanh thu.

Đề tài "Nâng cao hiệu quả thu hút khách hàng thông qua các kênh bán hàng trực tuyến tại Khách sạn ÊMM Huế" giải quyết bài toán tối ưu hóa kênh phân phối số cho cơ sở lưu trú 4 sao quy mô 72 phòng tiêu chuẩn quốc tế tại Cố đô Huế.

Vấn đề thực tiễn và điểm nghẽn (Problem Statement)

Mặc dù Khách sạn ÊMM Huế đã bước đầu triển khai bán phòng đa kênh (Omnichannel), hoạt động thu hút khách hàng trực tuyến vẫn đối mặt với các điểm nghẽn kỹ thuật và vận hành:

  • Tỷ lệ phụ thuộc OTA cao: Chi phí hoa hồng kênh OTA dao động từ 15% đến 25%, làm xói mòn biên lợi nhuận trực tiếp của khách sạn.
  • Trải nghiệm giao diện và nội dung chưa chuẩn hóa: Thông tin mô tả tiện ích, hình ảnh hiển thị phòng chưa kích thích tối đa hành vi chuyển đổi (Conversion Rate) của khách quốc tế.
  • Thiếu mô hình định lượng đánh giá các yếu tố tác động: Chưa có khung phân tích khoa học để đo lường mức độ ảnh hưởng của từng thành phần (Nội dung, Hình ảnh, Tương tác, Độ tin cậy, Tính dễ tiếp cận) đến ý định đặt phòng thực tế của du khách.

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý luận về hành vi người tiêu dùng và các mô hình chất lượng dịch vụ điện tử (E-S-QUAL, TAM, TRA) áp dụng trong phân phối phòng trực tuyến.
  2. Đánh giá thực trạng hiệu quả khai thác kinh doanh và công suất buồng phòng tại Khách sạn ÊMM Huế giai đoạn 2017 - 2019.
  3. Xây dựng mô hình kinh tế lượng và kiểm định thang đo 5 nhân tố ảnh hưởng trực tiếp đến Ý định đặt phòng (YDDP) với kích thước mẫu $N = 120$.
  4. Đề xuất hệ thống giải pháp kỹ thuật, tối ưu hóa giao diện người dùng (UI/UX), nâng cao bảo mật và quy trình tương tác đa kênh nhằm gia tăng công suất sử dụng buồng phòng trên 100%.

Phạm vi và giới hạn nghiên cứu

  • Không gian: Khách sạn ÊMM Huế (Số 15 Lý Thường Kiệt, TP. Huế, tỉnh Thừa Thiên Huế).
  • Dữ liệu thứ cấp: Báo cáo tài chính, cơ cấu nguồn khách và công suất phòng giai đoạn 2017 – 2019.
  • Dữ liệu sơ cấp: Điều tra chọn mẫu ngẫu nhiên hệ thống $N = 120$ khách lưu trú tại khách sạn từ ngày 10/02/2020 đến 10/03/2020.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Kênh phân phối trực tuyến Ưu điểm (Pros) Nhược điểm (Cons) Thị phần tại ÊMM Huế
Hệ thống OTA Quốc tế (Booking.com, Agoda, Expedia) Tiếp cận tệp khách toàn cầu (Hàn Quốc, Pháp, Mỹ); hệ thống thanh toán quốc tế đa dạng. Phí hoa hồng cao (15-22%); khách sạn không sở hữu dữ liệu người dùng cuối. ~55% tổng lượng đặt phòng trực tuyến
OTA Nội địa & App du lịch (Traveloka, VNTrip, iVIVU) Thân thiện với khách nội địa; hỗ trợ thanh toán QR Code/Ví điện tử tức thì. Cạnh tranh gay gắt về giá; tỷ lệ hủy phòng cận ngày cao. ~25% tổng lượng đặt phòng trực tuyến
Website Direct Booking Engine Giữ trọn 100% doanh thu; thu thập dữ liệu định danh khách hàng (First-party Data). Tỷ lệ chuyển đổi thấp do giao diện chưa tối ưu đa ngôn ngữ; tốc độ tải trang chậm. ~15% tổng lượng đặt phòng trực tuyến
Kênh Mạng xã hội & Chatbot (Facebook, Zalo Direct) Tương tác thời gian thực; linh hoạt xây dựng gói ưu đãi cá nhân hóa. Chưa đồng bộ tồn kho phòng tự động (Real-time Inventory) với PMS; quá tải ngoài giờ hành chính. ~5% tổng lượng đặt phòng trực tuyến

Phân loại yêu cầu giải pháp theo ma trận MoSCoW

  • Must have: Chuẩn hóa hệ thống hình ảnh phòng thực tế (360 độ/HD); công khai minh bạch chính sách giá, phụ phí và xác thực đặt phòng tự động qua SMS/Email qua API.
  • Should have: Tích hợp module thanh toán đa cổng bảo mật SSL/TLS 256-bit; chuẩn hóa quy trình phản hồi đa kênh trong vòng dưới 15 phút.
  • Could have: Xây dựng hệ sinh thái đặt phòng trực tiếp tích hợp chương trình khách hàng thân thiết (Loyalty Program API).
  • Won't have (lần này): Triển khai ứng dụng di động riêng (Native App) do chi phí phát triển và duy trì không tối ưu cho quy mô 72 phòng.

Thiết kế hệ thống nghiên cứu và phân tích

Mô hình nghiên cứu định lượng kế thừa từ mô hình chất lượng dịch vụ của Lee et al. (2005) kết hợp khung phân tích hành vi người tiêu dùng (TAM/TRA), đo lường mối quan hệ nhân quả giữa 5 biến độc lập và 1 biến phụ thuộc:

$$\text{YDDP} = \beta_0 + \beta_1 \cdot \text{ND} + \beta_2 \cdot \text{HA} + \beta_3 \cdot \text{TT} + \beta_4 \cdot \text{TC} + \beta_5 \cdot \text{TDTC} + \varepsilon$$

Phương pháp luận (Methodology)

Nghiên cứu áp dụng quy trình hỗn hợp định tính kết hợp định lượng:

  1. Nghiên cứu định tính: Phỏng vấn sâu lãnh đạo khách sạn và khảo sát thử nghiệm 15 khách lưu trú nhằm hiệu chỉnh thang đo Likert 5 mức độ (1: Rất không đồng ý -> 5: Rất đồng ý).
  2. Kích thước mẫu: Xác định theo công thức ước lượng kích thước mẫu trung bình với độ tin cậy 95% ($z = 1{,}96$), độ lệch chuẩn ước lượng $\sigma = 0{,}28$ và sai số cho phép $e = 0{,}05$:

$$n = \frac{z^2 \cdot \sigma^2}{e^2} = \frac{(1{,}96)^2 \cdot (0{,}28)^2}{(0{,}05)^2} = \frac{3{,}8416 \cdot 0{,}0784}{0{,}0025} \approx 120{,}49 \Rightarrow n = 120$$

  1. Phương pháp lấy mẫu: Lấy mẫu ngẫu nhiên hệ thống (Systematic Random Sampling) tại quầy lễ tân ÊMM Huế theo bước nhảy $k = 2$ (cứ 2 khách làm thủ tục check-in/check-out thì chọn 1 khách khảo sát).

Implementation và kết quả

Quy trình xử lý dữ liệu và thuật toán phân tích

Quy trình phân tích dữ liệu được thực hiện trên phần mềm IBM SPSS Statistics v26.0 kết hợp các script kiểm định tự động:

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

# Khởi tạo mô phỏng kiểm định hệ số hồi quy đa biến OLS
def run_regression_analysis(df, independent_vars, dependent_var):
    X = df[independent_vars]
    y = df[dependent_var]
    X_with_const = sm.add_constant(X)
    
    # Ước lượng OLS
    model = sm.OLS(y, X_with_const).fit()
    
    # Tính toán hệ số VIF (Kiểm tra đa cộng tuyến)
    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])]
    
    return model.summary(), vif_data

print("SPSS Analysis Pipeline Initialized: Cronbach's Alpha -> EFA -> OLS Regression")

Testing và kiểm định độ tin cậy thang đo

1. Kiểm định Cronbach's Alpha

Thang đo đạt yêu cầu khi hệ số Cronbach's Alpha $\ge 0{,}6$ và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $> 0{,}3$:

  • Nhóm biến Nội dung bán hàng (ND) (4 biến quan sát): $\alpha = 0{,}782$ (Tất cả biến có tương quan biến - tổng $> 0{,}45$).
  • Nhóm biến Hình ảnh bán hàng (HA) (4 biến quan sát): $\alpha = 0{,}814$ (Thang đo tốt, biến tổng $> 0{,}52$).
  • Nhóm biến Tương tác bán hàng (TT) (4 biến quan sát): $\alpha = 0{,}765$.
  • Nhóm biến Tính tin cậy (TC) (5 biến quan sát): $\alpha = 0{,}849$ (Độ tin cậy rất cao).
  • Nhóm biến Tính dễ tiếp cận (TDTC) (5 biến quan sát): $\alpha = 0{,}801$.
  • Biến phụ thuộc Ý định đặt phòng (YDDP) (4 biến quan sát): $\alpha = 0{,}836$.

2. Phân tích nhân tố khám phá (EFA)

  • Kiểm định KMO and Bartlett's Test:
    • Hệ số $KMO = 0{,}812$ ($0{,}5 < KMO < 1{,}0$), chứng minh dữ liệu hoàn toàn phù hợp để phân tích nhân tố.
    • Kiểm định Bartlett: Giá trị $\text{Sig.} = 0{,}000 < 0{,}05$, chứng minh các biến quan sát có tương quan tuyến tính với nhau trong tổng thể.
  • Phương pháp trích nhân tố: Principal Axis Factoring với phép xoay Varimax (Orthogonal Rotation).
    • Tổng phương sai trích (Cumulative Variance Explained) $= 63{,}48% > 50%$.
    • Điểm dừng Eigenvalue $= 1{,}245 > 1{,}0$.
    • Toàn bộ các hệ số tải nhân tố (Factor Loading) của 22 biến độc lập đều đạt giá trị $> 0{,}58$, vượt xa ngưỡng chuẩn tối thiểu $0{,}55$ cho kích thước mẫu $N = 120$.

Kết quả phân tích hồi quy tuyến tính

Phương trình hồi quy chuẩn hóa thu được từ kết quả xử lý SPSS phản ánh mức độ tác động của từng yếu tố đến Ý định đặt phòng tại Khách sạn ÊMM Huế:

$$\text{YDDP} = 0{,}342 \cdot \text{TC} + 0{,}268 \cdot \text{ND} + 0{,}215 \cdot \text{TT} + 0{,}184 \cdot \text{TDTC} + 0{,}141 \cdot \text{HA}$$

Biến độc lập Hệ số hồi quy chưa chuẩn hóa ($B$) Sai số chuẩn (Std. Error) Hệ số chuẩn hóa ($\beta$) Giá trị $t$-test Mức ý nghĩa ($p$-value) Hệ số phóng đại phương sai (VIF)
Hằng số ($\beta_0$) 0,214 0,085 - 2,517 0,013 -
Tính tin cậy (TC) 0,338 0,052 0,342 6,500 0,000 1,241
Nội dung bán hàng (ND) 0,261 0,049 0,268 5,326 0,000 1,315
Tương tác bán hàng (TT) 0,209 0,046 0,215 4,543 0,000 1,189
Tính dễ tiếp cận (TDTC) 0,178 0,044 0,184 4,045 0,001 1,273
Hình ảnh bán hàng (HA) 0,135 0,042 0,141 3,214 0,002 1,156
  • Kiểm định độ phù hợp mô hình: Hệ số $R^2 = 0{,}612$, $R^2$ hiệu chỉnh $= 0{,}595$. Mô hình giải thích được 59,5% sự biến thiên của ý định đặt phòng trực tuyến.
  • Kiểm định ANOVA: Giá trị $F = 35{,}94$ với giá trị $\text{Sig.} = 0{,}000 < 0{,}05$, chứng minh mô hình hồi quy tuyến tính xây dựng được là hoàn toàn phù hợp với dữ liệu thực tế.
  • Hiện tượng đa cộng tuyến: Tất cả các hệ số $VIF$ đều dao động từ $1{,}156$ đến $1{,}315$ (nhỏ hơn rất nhiều so với ngưỡng 2,0), khẳng định không xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập.

Hiệu quả kinh doanh và công suất buồng phòng đạt được (2017 – 2019)

Chỉ tiêu kinh doanh Đơn vị tính Năm 2017 Năm 2018 Năm 2019 Tăng trưởng 2019/2017
Tổng số phòng khai thác Phòng 72 72 72 -
Tổng lượt khách lưu trú Lượt người 3.716 4.312 4.620 +24,33% (+904)
- Khách nội địa Lượt người 2.315 2.650 2.866 +23,80% (+551)
- Khách quốc tế Lượt người 1.401 1.662 1.754 +25,20% (+353)
Tổng lượt khách nhà hàng Lượt người 4.517 5.120 5.549 +22,85% (+1.032)
Công suất sử dụng phòng % 97,3% 110,5% 101,9% +4,6%

Đổi mới và đóng góp

  1. Xác lập thứ bậc tác động định lượng vào quyết định đặt phòng: Khác với các nghiên cứu chung chung, đề tài lượng hóa chính xác rằng Tính tin cậy ($\beta = 0{,}342$)Nội dung bán hàng ($\beta = 0{,}268$) là hai yếu tố chi phối mạnh nhất đến quyết định của khách du lịch tại phân khúc khách sạn 4 sao.
  2. Khắc phục hạn chế của các mô hình lý thuyết trước đó:
    • So với mô hình của Lee et al. (2005) (vốn tập trung vào thương mại điện tử hàng hóa nói chung), mô hình này được điều chỉnh chuyên biệt cho sản phẩm khách sạn – dịch vụ vô hình chỉ có thể cảm nhận sau khi sử dụng.
    • So với nghiên cứu của Nguyễn Phú Quý và cộng sự (2012) (tập trung vào sinh viên với ưu tiên hàng đầu là giá cả), nghiên cứu tại ÊMM Huế chỉ ra rằng đối với du khách lưu trú 4 sao, tính xác thực của thông tin và bảo mật thanh toán quan trọng hơn giá rẻ.
  3. Đóng góp kinh tế thực tiễn: Cung cấp cơ sở dữ liệu định lượng giúp ban giám đốc ÊMM Huế chuyển hướng ngân sách từ chạy quảng cáo đại trà sang tối ưu hóa chất lượng trải nghiệm số, duy trì công suất buồng phòng vượt ngưỡng 100% trong 2 năm liên tiếp 2018 và 2019.

Ứng dụng thực tế và triển khai

Giải pháp kỹ thuật và quy trình chi tiết

1. Nâng cao tính tin cậy (Ưu tiên số 1 - $\beta = 0{,}342$)

  • Bảo mật giao dịch: Cài đặt chứng chỉ số SSL/TLS 1.3 mở rộng (EV SSL) cho booking engine trên website. Áp dụng chuẩn bảo mật dữ liệu thẻ thanh toán PCI DSS thông qua cổng liên kết (OnePay/VNPay/Stripe).
  • Cơ chế xác nhận tức thì (Instant Confirmation Engine): Thiết lập webhook tự động đẩy tin nhắn SMS Brandname và Email xác nhận kèm mã QR Check-in ngay khi thanh toán hoàn tất.

2. Chuẩn hóa nội dung bán hàng ($\beta = 0{,}268$)

  • Bản địa hóa ngôn ngữ: Hoàn thiện nội dung trên hệ thống Direct Booking và OTA bằng 4 ngôn ngữ: Tiếng Việt, Tiếng Anh, Tiếng Pháp (thị trường truyền thống chiếm 9%) và Tiếng Hàn (thị trường tăng trưởng nhanh chiếm 29,3%).
  • Minh bạch thông tin dịch vụ: Mô tả chi tiết diện tích phòng ($m^2$), hướng nhìn (City view / Pool view), thực đơn nhà hàng Yến và quầy bar Chào, chính sách giường phụ và dịch vụ đưa đón sân bay Phú Bài.

3. Tối ưu hóa tương tác đa kênh ($\beta = 0{,}215$)

  • Cam kết thời gian phản hồi (SLA): Quy định nhân viên bộ phận Marketing và Lễ tân trực chat phản hồi thắc mắc của khách hàng trong thời gian dưới 15 phút trên fanpage và các nền tảng OTA.
  • Cơ chế giá và khuyến mãi động (Dynamic Promotions): Xây dựng các gói Combo "Phòng nghỉ + Ăn tối tại Nhà hàng Yến + Vé tham quan Đại Nội" độc quyền cho khách đặt trực tiếp.

Phân tích chi phí - lợi ích và tỷ suất hoàn vốn (ROI)

  • Chi phí đầu tư ước tính: ~85.000.000 VNĐ (Bao gồm: Nâng cấp giao diện website chuẩn di động, chụp ảnh studio/quay video 360 độ phòng ốc, chuẩn hóa chứng chỉ bảo mật và đào tạo nhân sự trực kênh số).
  • Hiệu quả kinh tế dự kiến:
    • Tăng tỷ trọng đặt phòng trực tiếp qua Website từ 15% lên 28% trong 12 tháng.
    • Giảm chi phí hoa hồng trả cho OTA trung bình 120.000.000 VNĐ/năm.
    • Tỷ suất sinh lời ước tính $ROI = \frac{120.000.000 - 85.000.000}{85.000.000} \times 100% = 41{,}17%$ ngay trong năm đầu tiên.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và phạm vi

  • Không gian mẫu: Khảo sát được thực hiện trên mẫu $N = 120$ tại một cơ sở lưu trú đơn lẻ (Khách sạn ÊMM Huế), chưa mở rộng so sánh chéo với các chuỗi khách sạn 4-5 sao khác trên địa bàn miền Trung.
  • Thời điểm thu thập dữ liệu: Giai đoạn khảo sát (tháng 2 - tháng 3/2020) bắt đầu chịu tác động ban đầu của dịch bệnh Covid-19, ảnh hưởng phần nào đến tâm lý du lịch của du khách quốc tế.

Hướng nghiên cứu và phát triển tiếp theo

  • Tích hợp Trí tuệ nhân tạo (AI Engine): Nghiên cứu xây dựng thuật toán định giá động (Dynamic Pricing Algorithm) dựa trên Machine Learning, tự động điều chỉnh giá phòng theo thời gian thực dựa trên nhu cầu thị trường, thời tiết và công suất phòng thực tế.
  • Hệ thống Chatbot AI đa ngôn ngữ: Triển khai trợ lý ảo ứng dụng mô hình ngôn ngữ lớn (LLM) hỗ trợ tư vấn và chốt phòng tự động 24/7 trên đa kênh (Web, Messenger, WhatsApp).

Đối tượng hưởng lợi

  • Sinh viên chuyên ngành Quản trị Kinh doanh, Du lịch, E-Commerce: Nắm bắt phương pháp luận nghiên cứu định lượng thực chiến, cách sử dụng SPSS để giải quyết bài toán kinh doanh cụ thể từ kiểm định thang đo đến hồi quy đa biến.
  • Kỹ sư công nghệ & Lập trình viên Web/PMS: Hiểu rõ luồng nghiệp vụ kết nối giữa hệ thống quản lý buồng phòng khách sạn (PMS), Channel Manager và cổng thanh toán trực tuyến.
  • Nhà quản lý & Chủ doanh nghiệp khách sạn: Có được bộ giải pháp ứng dụng ngay để tái cấu trúc kênh phân phối, giảm phụ thuộc vào OTA và tăng biên lợi nhuận ròng.
  • Nhà nghiên cứu kinh tế ứng dụng: Tài liệu tham khảo có giá trị về hành vi tiêu dùng trực tuyến tại các đô thị di sản văn hóa đặc thù của Việt Nam.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật cốt lõi để khách sạn vận hành cổng Direct Booking thành công là gì?

Hệ thống cần có: Tên miền bảo mật HTTPS (chứng chỉ TLS 1.3), giao diện chuẩn Mobile Responsive có tốc độ tải trang dưới 2 giây, Booking Engine kết nối 2 chiều (Two-way XML API) với hệ thống PMS để cập nhật phòng trống tức thời, và tích hợp cổng thanh toán trực tuyến hỗ trợ 3D-Secure.

2. Vì sao biến "Tính tin cậy" lại có tác động lớn nhất ($\beta = 0{,}342$)?

Dịch vụ khách sạn là sản phẩm trải nghiệm không thể hoàn trả hoặc xem trước trực tiếp. Khách hàng phải thanh toán trước một khoản tiền lớn qua mạng nên rủi ro cảm nhận (Perceived Risk) rất cao. Khi khách sạn đảm bảo được tính an toàn thông tin và cam kết phòng đúng như mô tả, rào cản tâm lý sẽ bị triệt tiêu, dẫn đến quyết định đặt phòng nhanh chóng.

3. Làm thế nào để giải quyết xung đột giá giữa kênh Direct Booking và các kênh OTA?

Áp dụng quy tắc "Bảo đảm giá tốt nhất" (Rate Parity) theo hợp đồng OTA, nhưng gia tăng giá trị thặng dư cho kênh trực tiếp (Value-add Strategy) như: tặng voucher đồ uống tại quầy bar Chào, miễn phí nhận phòng sớm / trả phòng muộn (tùy tình trạng phòng), hoặc miễn phí bữa sáng cao cấp.

4. Chi phí duy trì hệ thống kênh bán hàng trực tuyến định kỳ gồm những gì?

Bao gồm: Phí lưu trữ máy chủ/Cloud Hosting, phí duy trì tên miền và chứng chỉ SSL hàng năm (~3-5 triệu VNĐ/năm), phí thuê bao phần mềm Channel Manager kết nối OTA (~1-2 triệu VNĐ/tháng), và ngân sách chạy quảng cáo từ khóa Google Ads / Meta Ads theo mùa vụ du lịch.

5. Khách sạn quy mô nhỏ (dưới 30 phòng) có nên áp dụng toàn bộ mô hình này không?

Có thể áp dụng linh hoạt. Đối với quy mô nhỏ, nên tập trung cao nhất vào 2 nhân tố có trọng số lớn nhất là Tính tin cậy (chuẩn hóa fanpage, xác nhận booking rõ ràng) và Nội dung/Hình ảnh (hình ảnh chụp sắc nét, thông tin minh bạch), đồng thời tận dụng các nền tảng OTA lớn trước khi đầu tư sâu vào hệ thống Direct Booking riêng biệt.


Kết luận

Đề tài "Nâng cao hiệu quả thu hút khách hàng thông qua các kênh bán hàng trực tuyến tại Khách sạn ÊMM Huế" đã giải quyết trọn vẹn từ cơ sở lý luận đến thực tiễn thực nghiệm bài toán phân phối phòng thời đại số. Nghiên cứu đã chứng minh bằng số liệu thống kê chặt chẽ ($R^2 = 0{,}612$, $p < 0{,}05$) vai trò quyết định của 5 nhân tố: Tính tin cậy ($\beta = 0{,}342$), Nội dung bán hàng ($\beta = 0{,}268$), Tương tác bán hàng ($\beta = 0{,}215$), Tính dễ tiếp cận ($\beta = 0{,}184$) và Hình ảnh bán hàng ($\beta = 0{,}141$).

Kết quả thực tiễn cho thấy chiến lược chuyển đổi kênh số đã giúp Khách sạn ÊMM Huế duy trì công suất sử dụng buồng phòng ấn tượng từ 97,3% (năm 2017) lên 101,9% (năm 2019), đồng thời gia tăng lượng khách quốc tế thêm 25,2%. Đây là minh chứng rõ ràng cho thấy việc áp dụng các công cụ phân tích kinh tế lượng vào quản trị du lịch không chỉ nâng cao hiệu quả vận hành mà còn tạo ra lợi thế cạnh tranh bền vững cho các doanh nghiệp khách sạn trong kỷ nguyên số.