Giới thiệu dự án

Ngành du lịch và khách sạn đóng vai trò then chốt trong tăng trưởng kinh tế toàn cầu cũng như tại Việt Nam. Theo báo cáo của Hội đồng Du lịch và Lữ hành Thế giới (WTTC), ngành du lịch toàn cầu đã đóng góp hơn 2.364,7 tỷ USD trực tiếp vào GDP và tạo ra trên 105,4 triệu việc làm. Tại Việt Nam, ngành du lịch ghi nhận mức đóng góp trực tiếp đạt tương đương 8.593,9 tỷ USD, với tốc độ tăng trưởng chi tiêu của khách nội địa duy trì ở mức 7,4%/năm và lượng khách quốc tế vượt mốc 7,87 triệu lượt. Thành phố Đà Nẵng – trung tâm du lịch trọng điểm miền Trung sở hữu bãi biển Mỹ Khê lọt top 6 bãi biển đẹp nhất hành tinh (Forbes bình chọn) – đã chứng kiến sự bùng nổ mạnh mẽ về cơ sở hạ tầng lưu trú. Tuy nhiên, sự gia tăng nhanh chóng của các khách sạn từ 3 đến 5 sao đã tạo nên áp lực cạnh tranh gay gắt về thị phần, giá bán và công suất phòng (Occupancy Rate).

Khách sạn La Beach (thuộc Công ty TNHH MTV Danafarm, tọa lạc tại 22 Lê Bình, Phường An Hải Bắc, Quận Sơn Trà, TP. Đà Nẵng) chính thức đi vào hoạt động từ tháng 8/2019 với quy mô 31 phòng tiêu chuẩn 3 sao và 1 căn hộ cao cấp. Là một cơ sở lưu trú mới, La Beach đối mặt với nhiều rào cản vận hành: mức độ nhận diện thương hiệu thấp, tỷ trọng doanh thu phụ thuộc lớn vào khách quốc tế trung gian (chiếm hơn 80% qua tour đoàn truyền thống và đại lý lữ hành như Việt Đà Travel, Vinatravel), trong khi kênh trực tuyến (Online Travel Agent - OTA) và phân khúc khách hàng nội địa chỉ chiếm lần lượt 12% - 34% và dưới 10% tổng lượng phòng bán. Vấn đề cốt lõi đặt ra là: Làm thế nào để xây dựng và hoàn thiện chiến lược Marketing Mix 7P một cách khoa học, dựa trên dữ liệu định lượng nhằm tối ưu hóa khả năng thu hút khách nội địa và nâng cao hiệu quả kinh doanh cho khách sạn La Beach?

                           MỤC TIÊU NGHIÊN CỨU DỰ ÁN
┌─────────────────────────────────────────────────────────────────────────────┐
│ 1. Hệ thống hóa cơ sở lý luận Marketing Mix 7P cho ngành dịch vụ lưu trú.   │
│ 2. Thu thập, làm sạch và phân tích thực trạng dữ liệu khảo sát (N = 150).   │
│ 3. Kiểm định thang đo Cronbach's Alpha và One-Sample T-Test bằng SPSS 20.0. │
│ 4. Hoàn thiện ma trận giải pháp 7P định lượng nhằm tăng trưởng doanh thu.   │
└─────────────────────────────────────────────────────────────────────────────┘

Phương pháp tiếp cận của đề tài kết hợp chặt chẽ giữa nghiên cứu định tính (phỏng vấn sâu chuyên gia, nhân sự vận hành) và nghiên cứu định lượng thông qua bảng hỏi khảo sát khách hàng nội địa với thang đo Likert 5 mức độ. Dữ liệu được xử lý bằng phần mềm thống kê chuyên dụng nhằm cung cấp các căn cứ xác thực cho việc ra quyết định marketing. Đề tài giới hạn phạm vi nghiên cứu tại thị trường khách du lịch nội địa lưu trú tại Khách sạn La Beach từ tháng 12/2019 đến tháng 04/2020.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Khách sạn La Beach vận hành trong khu vực tập trung mật độ cao các cơ sở lưu trú tại quận Sơn Trà. Phân tích hiện trạng vận hành và phân phối phòng cho thấy các ưu và nhược điểm rõ rệt giữa các mô hình tiếp cận khách hàng:

Tiêu chí Bán phòng truyền thống (Walk-in / Direct Call) Hợp tác Lữ hành truyền thống (TA Offline) Đặt phòng qua OTA (Booking, Agoda, Traveloka) Mô hình Marketing Mix 7P Tích hợp
Chi phí kênh Thấp (0% hoa hồng) Trung bình (Chiết khấu 15% - 25%) Cao (Hoa hồng 15% - 20%/đơn) Tối ưu hóa phân bổ đa kênh
Độ phủ thị trường Hẹp, phụ thuộc vị trí mặt tiền Khá, phụ thuộc mạng lưới đối tác Rất rộng, tiếp cận toàn cầu Rộng, nhắm mục tiêu chính xác
Kiểm soát giá Toàn quyền kiểm soát Ràng buộc bởi hợp đồng khung Phụ thuộc thuật toán & khuyến mãi Linh hoạt theo thời gian thực (Dynamic)
Trải nghiệm khách hàng Thiếu tính nhất quán Do bên thứ ba điều phối Giới hạn qua giao diện ứng dụng Đồng bộ từ tiếp thị đến hậu mãi

Khung ưu tiên yêu cầu triển khai theo mô hình MoSCoW:

  • Must have (Bắt buộc): Chuẩn hóa hệ thống nhận diện số trên Google Maps/OTAs; tái cấu trúc chính sách giá theo mùa vụ (Yield Management); xây dựng quy trình tiếp nhận phản hồi tại sảnh.
  • Should have (Nên có): Tích hợp công cụ quản lý kênh phân phối tự động (Channel Manager); phát triển các gói sản phẩm combo lưu trú kết hợp tour tham quan Bà Nà Hills/Cù Lao Chàm.
  • Could have (Có thể có): Ứng dụng mã QR tra cứu menu và dịch vụ phòng; triển khai chương trình khách hàng thân thiết liên kết doanh nghiệp địa phương.
  • Won't have (Chưa thực hiện): Đầu tư hạ tầng phòng gym/hồ bơi vô cực quy mô lớn trong ngắn hạn do giới hạn diện tích vật lý.

Thiết kế hệ thống

Mô hình nghiên cứu và luồng xử lý dữ liệu Marketing Mix 7P được kiến trúc hóa theo sơ đồ logic sau:

graph TD
    A["Tập dữ liệu sơ cấp (Bảng hỏi N=150)"] --> B["Tiền xử lý & Mã hóa biến số"]
    B --> C{"Kiểm định độ tin cậy thang đo (Cronbach's Alpha >= 0.6)"}
    C -- "Không đạt (r < 0.4)" --> D["Loại biến quan sát rác"]
    C -- "Đạt chuẩn" --> E["Kiểm định giá trị trung bình (One-Sample T-Test)"]
    E --> F["Đối chiếu chỉ số kiểm định (Test Value = 3.0, Sig <= 0.05)"]
    F --> G["Ma trận phân tích SWOT & Khoảng trống 7P"]
    G --> H["Kiến trúc giải pháp 7P tối ưu"]
    H --> I["Product: Gói dịch vụ & Tiện ích"]
    H --> J["Price: Ma trận giá động linh hoạt"]
    H --> K["Place: Tích hợp kênh số & OTA"]
    H --> L["Promotion: Đa kênh truyền thông"]
    H --> M["People: Chuẩn hóa đào tạo SOP"]
    H --> N["Process: Tối ưu 4 giai đoạn phục vụ"]
    H --> O["Physical Evidence: Nhận diện vật lý"]

Hệ sinh thái công nghệ và công cụ định lượng sử dụng trong đề tài:

  • Nền tảng phân tích thống kê: IBM SPSS Statistics phiên bản 20.0 (Core Engine cho phân tích độ tin cậy và kiểm định tham số).
  • Ngôn ngữ bổ trợ tiền xử lý dữ liệu: Python 3.9 (Thư viện pandas, scipy.stats cho kiểm tra chéo độ lệch chuẩn và phân phối chuẩn).
  • Hệ thống cấu trúc biến quan sát (Data Schema): 7 nhóm nhân tố chính gồm Sản phẩm ($SP_1 - SP_4$), Giá cả ($GIA_1 - GIA_4$), Phân phối ($PP_1 - PP_4$), Con người ($N_1 - N_4$), Quy trình ($QT_1 - QT_4$), Chứng cứ hữu hình ($CC_1 - CC_5$), Xúc tiến ($XT_1 - XT_5$).

Methodology

Nghiên cứu áp dụng quy trình thực nghiệm chuẩn theo 5 cột mốc:

[Khung lý thuyết 7P] ➔ [Thiết kế bảng hỏi] ➔ [Pilot Test (N=15)] ➔ [Khảo sát chính thức (N=150)] ➔ [Xử lý SPSS & Đề xuất]

Kích thước mẫu tối thiểu được xác định theo quy tắc thực nghiệm của Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008):

$$N_{min} = k \times 5 = 30 \times 5 = 150$$

Trong đó $k = 30$ là tổng số biến quan sát thuộc 7 thành phần của mô hình. Phương pháp chọn mẫu thuận tiện được tiến hành trực tiếp tại đại sảnh khách sạn La Beach trong thời gian 20 ngày đối với khách nội địa sau khi hoàn tất thủ tục trả phòng (Check-out).

Implementation và kết quả

Development process

Quá trình xử lý dữ liệu tập trung vào hai thuật toán thống kê nền tảng:

  1. Hệ số tin cậy Cronbach's Alpha ($\alpha$): Đánh giá tính nhất quán nội tại của thang đo:

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

Tiêu chuẩn nghiệm thu: $\alpha \ge 0.6$ và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $r_{it} \ge 0.4$.

  1. Kiểm định giả thuyết One-Sample T-Test: Đánh giá mức độ hài lòng thực tế so với mức trung bình lý thuyết ($\mu_0 = 3.0$ trên thang đo Likert 5 điểm):

$$t = \frac{\bar{X} - \mu_0}{\frac{s}{\sqrt{n}}}, \quad df = n - 1$$

Đoạn mã kịch bản tự động hóa kiểm định và phân tích độ tin cậy:

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

def cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số Cronbach's Alpha cho một nhóm biến quan sát."""
    item_vars = df_items.var(axis=0, ddof=1)
    total_var = df_items.sum(axis=1).var(ddof=1)
    k = df_items.shape[1]
    return float((k / (k - 1)) * (1 - item_vars.sum() / total_var))

def one_sample_ttest(data_vector: np.ndarray, test_value: float = 3.0):
    """Thực hiện kiểm định One-Sample T-Test với mức ý nghĩa alpha = 0.05."""
    t_stat, p_val = stats.ttest_1samp(data_vector, popmean=test_value)
    mean_val = np.mean(data_vector)
    std_err = stats.sem(data_vector)
    return {
        "Mean": round(mean_val, 4),
        "t_statistic": round(t_stat, 4),
        "p_value": round(p_val, 6),
        "Significant": p_val < 0.05
    }

# Minh họa cấu trúc dữ liệu mô phỏng cho nhóm biến Sản phẩm (SP)
np.random.seed(42)
mock_sp_data = pd.DataFrame({
    'SP1_CoSoVatChat': np.random.choice([3, 4, 5], size=150, p=[0.15, 0.55, 0.30]),
    'SP2_TienNghi': np.random.choice([3, 4, 5], size=150, p=[0.10, 0.60, 0.30]),
    'SP3_DichVuKem': np.random.choice([2, 3, 4, 5], size=150, p=[0.05, 0.20, 0.50, 0.25]),
    'SP4_VeSinh': np.random.choice([4, 5], size=150, p=[0.40, 0.60])
})

alpha_score = cronbach_alpha(mock_sp_data)
ttest_result = one_sample_ttest(mock_sp_data['SP1_CoSoVatChat'].values, test_value=3.0)

print(f"[METRIC] Cronbach's Alpha (SP): {alpha_score:.4f}")
print(f"[METRIC] T-Test SP1: t={ttest_result['t_statistic']}, p={ttest_result['p_value']}")

Testing và validation

Kết quả kiểm định độ tin cậy thang đo trên bộ dữ liệu $N = 150$ phiếu hợp lệ:

Thành phần 7P Số biến quan sát Cronbach's Alpha ($\alpha$) Tương quan biến-tổng nhỏ nhất ($r_{it-min}$) Đánh giá kỹ thuật
Sản phẩm (SP) 4 0.812 0.485 Thang đo lường rất tốt
Giá cả (GIA) 4 0.765 0.432 Thang đo lường tốt
Phân phối (PP) 4 0.789 0.456 Thang đo lường tốt
Con người (N) 4 0.845 0.562 Thang đo lường rất tốt
Quy trình (QT) 4 0.803 0.501 Thang đo lường rất tốt
Chứng cứ hữu hình (CC) 5 0.828 0.478 Thang đo lường rất tốt
Xúc tiến (XT) 5 0.742 0.415 Thang đo lường tốt

Kiểm định One-Sample T-Test (với Test Value = 3.0, $\alpha = 0.05$) cho thấy toàn bộ các biến quan sát đều có mức ý nghĩa $Sig. (2-tailed) = 0.000 < 0.05$, giá trị $t > 0$, chứng minh khách hàng đánh giá chất lượng dịch vụ vượt mức trung bình kỳ vọng.

                           KẾT QUẢ ĐÁNH GIÁ ĐIỂM TRUNG BÌNH 7P
┌─────────────────────────────────────────────────────────────────────────────┐
│ Con người (N)             : 4.21/5.00  [Thái độ, nghiệp vụ chuyên nghiệp]   │
│ Chứng cứ hữu hình (CC)    : 4.15/5.00  [Kiến trúc hiện đại, sạch sẽ]        │
│ Quy trình phục vụ (QT)    : 4.08/5.00  [Check-in/Check-out nhanh chóng]     │
│ Sản phẩm (SP)             : 3.96/5.00  [Phòng ốc đạt chuẩn 3 sao]           │
│ Giá cả (GIA)              : 3.74/5.00  [Chưa linh hoạt theo mùa vụ]         │
│ Phân phối (PP)            : 3.62/5.00  [Kênh online nội địa còn nghèo nàn]  │
│ Xúc tiến (XT)             : 3.38/5.00  [Nhận diện thương hiệu số còn yếu]   │
└─────────────────────────────────────────────────────────────────────────────┘

Kết quả đạt được

Nghiên cứu đã chỉ ra điểm nghẽn nghiêm trọng nhất của Khách sạn La Beach nằm ở chính sách Xúc tiến (XT: 3.38) và Phân phối (PP: 3.62):

  • Hơn 58% khách hàng biết đến khách sạn qua lời giới thiệu của bạn bè/người thân thay vì chiến dịch tiếp thị số.
  • Đặt phòng qua OTA chỉ chiếm 18% trong cơ cấu kênh trực tuyến, trong khi lượng khách đặt phòng trực tiếp không qua trung gian bị phân tán do thiếu website đặt phòng tích hợp cổng thanh toán trực tiếp.
  • Bảng cân đối tài khoản (đến ngày 15/11/2019) phản ánh doanh thu thuần đạt 9.125 triệu đồng, giá vốn hàng bán 6.053 triệu đồng và chi phí quản trị ở mức 2.744 triệu đồng, đặt ra yêu cầu bức thiết phải gia tăng biên lợi nhuận ròng thông qua việc cắt giảm phí hoa hồng đại lý trung gian.

Đổi mới và đóng góp

  1. Chuyển dịch từ mô hình Marketing 4P truyền thống sang 7P mở rộng cho dịch vụ: Khắc phục tính vô hình và đồng thời của dịch vụ khách sạn bằng cách lượng hóa tác động của Con người (People), Quy trình (Process) và Chứng cứ hữu hình (Physical Evidence).
  2. Hệ thống hóa giải pháp Dynamic Pricing: Xây dựng ma trận giá phân tầng theo 3 kịch bản công suất phòng (Occupancy Rate): Dưới 40% (Giảm giá kích cầu 15% kèm voucher ẩm thực), 40% - 75% (Áp dụng giá chuẩn kèm dịch vụ gia tăng), Trên 75% (Tối ưu hóa giá bán phân khúc cao cấp).
  3. Mô hình hóa chiến lược Omnichannel Hospitality: Giảm tỷ trọng kênh trung gian truyền thống từ 83% xuống 60%, nâng tỷ trọng kênh trực tuyến (OTA + Direct Website) lên 40%.
Chỉ số đo lường Giải pháp cũ (Thực trạng 2019) Giải pháp mới đề xuất Mức độ cải thiện dự kiến
Chi phí hoa hồng trung gian 18% - 22% doanh thu phòng 10% - 12% tổng chi phí kênh Giảm 35% - 45% chi phí trung gian
Tỷ lệ lấp đầy mùa thấp điểm 35% - 42% 55% - 65% Tăng 20% công suất phòng
Điểm hài lòng thương hiệu 3.38/5.00 (Về xúc tiến) $\ge 4.20/5.00$ Tăng 24.2% chỉ số hài lòng
Thời gian xử lý Check-in 7 - 10 phút/lượt 3 - 5 phút/lượt Rút ngắn 50% thời gian chờ

Ứng dụng thực tế và triển khai

Kịch bản vận hành thực tế

Khách hàng gia đình hoặc cặp đôi trẻ từ Hà Nội/TP.HCM lên kế hoạch du lịch Đà Nẵng:

  • Giai đoạn trước lưu trú (Pre-stay): Tiếp cận quảng cáo nhắm mục tiêu theo vị trí địa lý trên mạng xã hội $\rightarrow$ Điều hướng về Landing Page của La Beach $\rightarrow$ Nhận ưu đãi "Combo 3N2Đ Phòng Deluxe Sea View + Đưa đón sân bay miễn phí" với giá ưu đãi.
  • Giai đoạn lưu trú (In-stay): Quy trình tiếp đón chuẩn hóa trong vòng 3 phút $\rightarrow$ Hướng dẫn trải nghiệm ẩm thực tầng 2 và hỗ trợ book tour Cù Lao Chàm giá gốc ngay tại quầy thông tin $\rightarrow$ Nhân viên buồng phòng dọn dẹp theo Checklist chuẩn 3 sao.
  • Giai đoạn sau lưu trú (Post-stay): Hệ thống gửi email cảm ơn tự động kèm mã giảm giá 10% cho lần lưu trú tiếp theo và đề xuất đánh giá trên Google Reviews / TripAdvisor.
                            LỘ TRÌNH TRIỂN KHAI GIẢI PHÁP 7P
┌─────────────────────────────────────────────────────────────────────────────┐
│ Giai đoạn 1: Chuẩn hóa vận hành & Hiện diện số (Tháng 1 - Tháng 2)          │
│ ➔ Hoàn thiện hình ảnh 360/VR, tối ưu SEO hồ sơ Agoda, Booking, Traveloka.  │
│ ➔ Thiết lập quy chuẩn SOP tiếp đón và chăm sóc khách hàng nội địa.          │
├─────────────────────────────────────────────────────────────────────────────┤
│ Giai đoạn 2: Kích hoạt truyền thông & Tối ưu giá (Tháng 3 - Tháng 4)        │
│ ➔ Triển khai Dynamic Pricing và gói combo kích cầu du lịch hè/lễ hội.      │
│ ➔ Chạy chiến dịch Performance Marketing trên Meta Ads & Google Search Ads.  │
├─────────────────────────────────────────────────────────────────────────────┤
│ Giai đoạn 3: Tự động hóa & Tích hợp CRM (Tháng 5 - Tháng 6)                 │
│ ➔ Xây dựng cơ sở dữ liệu khách hàng trung thành, tự động hóa Remarketing.   │
│ ➔ Đo lường định kỳ chỉ số NPS (Net Promoter Score) và công suất phòng.      │
└─────────────────────────────────────────────────────────────────────────────┘

Hạn chế và hướng phát triển

  • Hạn chế dữ liệu: Kích thước mẫu khảo sát $N = 150$ tại một cơ sở lưu trú đơn lẻ, áp dụng phương pháp lấy mẫu thuận tiện nên tính tổng quát hóa cho toàn bộ phân khúc khách sạn 3 sao tại Đà Nẵng cần được thẩm định thêm.
  • Tác động ngoại cảnh: Nghiên cứu hoàn thành trong giai đoạn đầu năm 2020 khi đại dịch COVID-19 bắt đầu xuất hiện, gây biến động cục bộ đến hành vi tiêu dùng và lưu lượng khách du lịch.
  • Hướng nghiên cứu tương lai: Ứng dụng mô hình Phương trình Cấu trúc Tuyến tính (Structural Equation Modeling - SEM) hoặc PLS-SEM để lượng hóa mức độ tác động trực tiếp và gián tiếp của từng thành phần 7P lên Ý định quay lại (Revisit Intention) và Sự trung thành của khách hàng (Customer Loyalty).

Đối tượng hưởng lợi

  • Sinh viên & Học viên: Cung cấp tài liệu tham khảo hoàn chỉnh về quy trình nghiên cứu ứng dụng mô hình 7P và phương pháp phân tích định lượng SPSS trong kinh doanh dịch vụ du lịch.
  • Nhà quản trị & Chủ khách sạn quy mô vừa và nhỏ (Boutique Hotels): Cung cấp khung chiến lược 7P thực chiến, giúp cân bằng cơ cấu khách hàng nội địa - quốc tế và tối ưu hóa lợi nhuận ròng.
  • Chuyên viên Marketing & Vận hành: Nắm bắt quy trình thiết lập bảng hỏi, kiểm định độ tin cậy thang đo và xây dựng chính sách giá động.
  • Các nhà nghiên cứu kinh tế: Cung cấp dữ liệu thực nghiệm về thị trường khách sạn Đà Nẵng làm tiền đề so sánh cho các nghiên cứu giai đoạn phục hồi du lịch.

Câu hỏi thường gặp

1. Tại sao nghiên cứu lựa chọn mô hình Marketing 7P thay vì mô hình 4P truyền thống?

Mô hình 4P (Product, Price, Place, Promotion) phù hợp với sản phẩm vật chất hữu hình. Trong ngành dịch vụ khách sạn, sản phẩm có tính vô hình, không thể lưu kho và quá trình sản xuất diễn ra đồng thời với tiêu dùng. Do đó, việc bổ sung 3 yếu tố People (Con người), Process (Quy trình) và Physical Evidence (Chứng cứ hữu hình) là bắt buộc để kiểm soát toàn diện chất lượng dịch vụ.

2. Tiêu chuẩn nào để một biến quan sát được chấp nhận trong kiểm định Cronbach's Alpha?

Một thang đo đạt độ tin cậy thống kê khi hệ số tổng thể Cronbach's Alpha $\alpha \ge 0.60$ và tất cả các biến quan sát thành phần phải có hệ số tương quan biến - tổng hiệu chỉnh (Corrected Item-Total Correlation) $r \ge 0.40$ (theo tiêu chuẩn nghiêm ngặt) hoặc $r \ge 0.30$ (theo chuẩn thông thường của Nunnally & Bernstein).

3. Khách sạn quy mô nhỏ (dưới 40 phòng) có nên phụ thuộc hoàn toàn vào kênh OTA?

Không. OTA mang lại độ phủ thương hiệu ban đầu nhanh nhưng lấy phí hoa hồng cao (15% - 25%). Chiến lược tối ưu là sử dụng OTA như một kênh thu hút khách hàng mới (Customer Acquisition), sau đó chuyển đổi họ thành khách hàng đặt trực tiếp (Direct Booking) trong những lần lưu trú tiếp theo thông qua dịch vụ cá nhân hóa và chính sách giá ưu đãi độc quyền.

4. Giải pháp nào để cải thiện điểm số thấp ở chính sách Xúc tiến (Promotion)?

Khách sạn cần đa dạng hóa nội dung số: xây dựng video ngắn trải nghiệm thực tế vị trí gần biển Mỹ Khê, thiết lập chương trình hợp tác chéo (Cross-promotion) với các điểm tham quan như Bà Nà Hills, Bán đảo Sơn Trà, đồng thời triển khai kênh đặt phòng trực tiếp trên mạng xã hội với phản hồi tự động 24/7.

5. Chi phí dự kiến để triển khai toàn bộ gói giải pháp 7P là bao nhiêu?

Ngân sách dự kiến dao động từ 30 đến 50 triệu đồng cho giai đoạn thiết lập ban đầu (chụp ảnh media chuẩn 3 sao, nâng cấp website, đào tạo nội bộ SOP) và chi phí tiếp thị định kỳ chiếm khoảng 3% - 5% tổng doanh thu hàng tháng.

Kết luận

Đề tài "Hoàn thiện chính sách Marketing Mix để thu hút khách hàng tại khách sạn La Beach" đã hoàn thành toàn diện các mục tiêu nghiên cứu khoa học và ứng dụng thực tiễn. Thông qua việc phân tích dữ liệu khảo sát 150 khách hàng nội địa trên nền tảng SPSS 20.0, nghiên cứu đã chứng minh tính hợp lệ của thang đo 7P, nhận diện chính xác các ưu thế vượt trội về nhân sự, cơ sở vật chất cũng như các khoảng trống cần khắc phục trong chính sách xúc tiến và phân phối trực tuyến. Bộ giải pháp 7P đề xuất cung cấp một lộ trình thực thi khả thi, giúp Khách sạn La Beach chủ động gia tăng công suất phòng, đa dạng hóa nguồn khách và tối ưu hóa hiệu quả tài chính bền vững trong bối cảnh thị trường du lịch đầy cạnh tranh.