Giới thiệu dự án
Thị trường hàng tiêu dùng nhanh (FMCG - Fast Moving Consumer Goods) tại Việt Nam, đặc biệt là phân khúc hóa mỹ phẩm nam giới, chứng kiến tốc độ tăng trưởng mạnh mẽ song hành cùng sự phục hồi kinh tế (GDP năm 2015 đạt 6,68%, thu nhập bình quân đầu người xấp xỉ 2.300 USD/năm). Tuy nhiên, thị trường dầu gội dành riêng cho nam giới tại Việt Nam phân hóa rõ rệt: Clear Men (Unilever) chiếm 31% thị phần, X-Men (ICP) giữ 28%, trong khi Romano (Wipro Unza) chiếm 12% (theo số liệu khảo sát từ Q&Me). Tại địa bàn trọng điểm TP. Hải Phòng (quy mô dân số đạt trên 1,95 triệu người), Công ty TNHH Trung Đông – nhà phân phối chính thức dòng sản phẩm Romano – phải đối mặt với áp lực cạnh tranh gay gắt khi doanh thu sản phẩm này chiếm tỷ trọng lớn (23,63% - 24,89% tổng doanh thu giai đoạn 2012–2015) nhưng công tác dự báo kinh doanh trước đây chủ yếu mang tính định tính, thiếu căn cứ lượng hóa khoa học.
Vấn đề cốt lõi đặt ra là sự thiếu hụt mô hình phân tích định lượng làm cơ sở ra quyết định về giá, tồn kho và phân bổ ngân sách xúc tiến bán hàng. Khi giá bán Romano tại đại lý dao động từ 137.000 – 150.000 VNĐ/chai 650g (cao hơn Clear Men từ 1.000 – 2.000 VNĐ/chai), việc không xác định được độ nhạy cảm của người tiêu dùng đối với giá bán và thu nhập dẫn đến nguy cơ mất thị phần cục bộ hoặc ứ đọng vốn lưu động.
Đề tài tập trung giải quyết các mục tiêu nghiên cứu cụ thể:
- Hệ thống hóa cơ sở lý luận về hành vi tiêu dùng, lý thuyết hàm cầu và các phương pháp ước lượng kinh tế lượng (Econometrics).
- Xây dựng và kiểm định mô hình hàm cầu hồi quy đa biến đối với sản phẩm dầu gội đầu Romano của Công ty TNHH Trung Đông dựa trên chuỗi số liệu thứ cấp giai đoạn 2012–2015 và số liệu sơ cấp từ 100 mẫu điều tra thực tế.
- Tính toán chính xác ma trận hệ số co giãn của cầu theo giá riêng ($E_p$), co giãn theo thu nhập ($E_m$), và co giãn chéo theo giá đối thủ cạnh tranh ($E_{xy}$).
- Thiết lập phương trình xu thế chuỗi thời gian (Time-series Trend Model) để dự báo sản lượng tiêu thụ dầu gội Romano theo từng quý đến năm 2020.
- Đề xuất hệ thống giải pháp định giá linh hoạt, tái cơ cấu kênh phân phối và tối ưu hóa chi phí vận hành cho doanh nghiệp.
Phạm vi nghiên cứu được giới hạn đối với dòng sản phẩm dầu gội đầu Romano (quy cách đóng chai 650g) do Công ty TNHH Trung Đông phân phối tại thị trường TP. Hải Phòng trong giai đoạn dữ liệu 2012–2015, định hướng dự báo giai đoạn 2016–2020.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Trước khi ứng dụng mô hình kinh tế lượng, doanh nghiệp sử dụng phương pháp định tính dựa trên kinh nghiệm của bộ phận giám sát bán hàng. Bảng so sánh dưới đây thể hiện sự khác biệt giữa các phương pháp tiếp cận:
| Tiêu chí |
Phương pháp định tính (Kinh nghiệm) |
Phương pháp Trung bình trượt (Moving Average) |
Mô hình Kinh tế lượng OLS & Chuỗi thời gian |
| Độ chính xác dự báo |
Thấp, độ lệch sai số > 25% |
Trung bình (sai số 15% - 20%) |
Cao, $R^2 = 0,9877$, sai số < 5% |
| Khả năng giải thích tương quan |
Không thể lượng hóa |
Không có khả năng giải thích biến ngoại sinh |
Phân tích rõ tác động của giá, thu nhập, dân số, đối thủ |
| Khả năng hoạch định giá |
Cảm tính, rủi ro cao |
Không hỗ trợ tính hệ số co giãn ($E_p$) |
Cung cấp trực tiếp độ co giãn $E_p, E_m, E_{xy}$ |
| Chi phí triển khai |
Thấp |
Thấp |
Cần phần mềm chuyên dụng và chuyên môn phân tích |
Ma trận phân tích đối thủ cạnh tranh tại thị trường Hải Phòng:
+-------------------+--------------------+--------------------+--------------------+
| Tiêu chí | Romano (Trung Đông)| Clear Men | X-Men |
+-------------------+--------------------+--------------------+--------------------+
| Thị phần toàn quốc| 12% | 31% | 28% |
| Mức giá (650g) | 137k - 150k VNĐ | 135k - 143k VNĐ | 136k - 148k VNĐ |
| Định vị hình ảnh | Lịch lãm, đẳng cấp | Trị gàu, năng động | Cá tính, nam tính |
| Kênh mua chính | Tạp hóa (33%), ST (28%)| Phủ kín GT & MT| Phủ kín GT & MT |
+-------------------+--------------------+--------------------+--------------------+
Yêu cầu giải pháp theo mô hình MoSCoW:
- Must have: Hàm hồi quy ước lượng cầu tuyến tính đa biến giải thích được tối thiểu 90% biến thiên sản lượng ($R^2 > 0,9$); phương trình dự báo xu thế chuỗi thời gian có ý nghĩa thống kê ($P\text{-value} < 0,05$).
- Should have: Bảng tính ma trận co giãn ($E_p, E_m, E_{xy}$) tại điểm cân bằng quý IV/2015; phân tích chi tiết dữ liệu khảo sát 100 khách hàng (phân tầng theo nhóm tuổi, tâm lý, kênh mua).
- Could have: Mô hình kịch bản giá tối ưu cho giai đoạn 2016–2020 khi lạm phát và thu nhập biến động.
- Won't have: Mô hình hồi quy phi tuyến bậc cao hoặc mạng nơ-ron học sâu (không phù hợp với cỡ mẫu dữ liệu chuỗi 16 quý).
Thiết kế hệ thống
Quy trình phân tích kinh tế lượng và dự báo nhu cầu được thiết kế theo cấu trúc module dữ liệu chuẩn hóa:
Hệ thống công cụ và công nghệ áp dụng:
- Phần mềm xử lý kinh tế lượng: EViews phiên bản 8.0 (xây dựng phương trình hồi quy, kiểm định F, t, White test, Durbin-Watson).
- Phần mềm thống kê xã hội học: IBM SPSS Statistics phiên bản 20.0 (phân tích bảng tần số, kiểm định chéo Chi-square giữa độ tuổi và thị hiếu sản phẩm).
- Nền tảng xử lý dữ liệu bảng: Microsoft Excel 2016 (làm sạch dữ liệu, chuẩn hóa đơn vị đo lường).
Cấu trúc biến trong mô hình dữ liệu kinh tế lượng:
| Tên biến |
Ký hiệu |
Loại biến |
Đơn vị đo |
Ý nghĩa kinh tế |
Dấu kỳ vọng |
| Sản lượng cầu Romano |
$Q$ |
Phụ thuộc |
Chai (650g) |
Lượng cầu tiêu thụ trong quý |
- |
| Giá bán Romano |
$P$ |
Độc lập |
1.000 VNĐ/chai |
Giá bán lẻ bình quân của sản phẩm |
Âm (-) |
| Thu nhập bình quân |
$M$ |
Độc lập |
1.000 VNĐ/người/quý |
Sức mua của người tiêu dùng Hải Phòng |
Dương (+) |
| Giá Clear Men (thay thế) |
$P_r$ |
Độc lập |
1.000 VNĐ/chai |
Mức giá của đối thủ cạnh tranh trực tiếp |
Dương (+) |
| Dân số Hải Phòng |
$N$ |
Độc lập |
1.000 người |
Quy mô dung lượng thị trường |
Dương (+) |
| Biến thời gian |
$t$ |
Độc lập |
Quý ($t=1 \dots 16$) |
Xu thế tăng trưởng tự nhiên qua thời gian |
Dương (+) |
Methodology
Nghiên cứu kết hợp phương pháp định lượng và định tính:
- Phương pháp thu thập dữ liệu sơ cấp: Điều tra chọn mẫu ngẫu nhiên trực tiếp thông qua bảng câu hỏi có cấu trúc gồm 10 tiêu chí (độ tuổi, kênh tiếp cận, hành vi mua sắm, đánh giá thang đo Likert 1–5 về chất lượng, nguồn gốc và uy tín phân phối của Trung Đông). Cỡ mẫu $N = 100$, thu hồi 100 phiếu hợp lệ, trong đó 88 mẫu đã và đang sử dụng sản phẩm Romano.
- Phương pháp thu thập dữ liệu thứ cấp: Trích xuất từ báo cáo tài chính nội bộ, bảng kê xuất nhập kho của Công ty TNHH Trung Đông (giai đoạn 2012–2015, 16 quan sát theo quý), kết hợp Niên giám thống kê TP. Hải Phòng (Cục Thống kê TP. Hải Phòng) về thu nhập bình quân và quy mô dân số.
- Phương pháp ước lượng OLS (Ordinary Least Squares): Cực tiểu hóa tổng bình phương phần dư $\sum e_i^2 \to \min$ nhằm thu được các ước lượng không chệch, hiệu quả tuyến tính tốt nhất (BLUE).
Kế hoạch triển khai nghiên cứu:
| Giai đoạn |
Nội dung công việc |
Đầu ra (Deliverables) |
| Tuần 1 - 2 |
Thu thập dữ liệu thứ cấp nội bộ và số liệu Cục Thống kê |
Bộ dữ liệu chuỗi thời gian 16 quý (2012–2015) |
| Tuần 3 - 4 |
Thiết kế phiếu khảo sát, phát phiếu tại các quận Hải Phòng |
Dữ liệu thô 100 bảng khảo sát sơ cấp |
| Tuần 5 - 6 |
Làm sạch dữ liệu, nhập liệu vào SPSS 20.0 và EViews 8.0 |
Bảng thống kê mô tả, ma trận tương quan |
| Tuần 7 - 8 |
Ước lượng mô hình hồi quy, kiểm định khuyết tật mô hình |
Phương trình hàm cầu, kết quả kiểm định F, t |
| Tuần 9 - 10 |
Tính toán hệ số co giãn, thiết lập phương trình dự báo 2020 |
Bảng dự báo sản lượng 2016–2020, báo cáo giải pháp |
Implementation và kết quả
Development process
Quá trình xây dựng và kiểm định mô hình được lượng hóa qua 2 phương trình kinh tế lượng độc lập:
-
Phương trình hàm cầu hồi quy OLS đa biến:
$$Q = \hat{a} + \hat{b} \cdot P + \hat{c} \cdot M + \hat{d} \cdot P_r + \hat{e} \cdot N$$
-
Phương trình dự báo xu thế thời gian:
$$Q_t = \hat{\alpha} + \hat{\beta} \cdot t$$
Mã nguồn triển khai ước lượng và kiểm định trên môi trường Python (tái lập thuật toán tương thích kết quả EViews 8.0):
import numpy as np
import pandas as pd
import statsmodels.api as sm
# Dữ liệu 16 quý (2012Q1 - 2015Q4)
# Khởi tạo ma trận biến độc lập X và biến phụ thuộc Y
data = {
'Time': np.arange(1, 17),
'Q': [4200, 4650, 5100, 5600, 6100, 6800, 7300, 7900,
8400, 9100, 9700, 10300, 10800, 11200, 11450, 11570], # Chai
'P': [137.5, 138.0, 139.0, 140.0, 141.0, 142.0, 142.5, 143.0,
143.5, 144.0, 144.5, 145.0, 145.2, 145.5, 145.8, 145.8], # nghin VND
'M': [9600, 9900, 10200, 10600, 11000, 11400, 11800, 12200,
12600, 13000, 13400, 13800, 13900, 14000, 14100, 14180], # nghin VND/nguoi/quy
'Pr': [135.0, 135.5, 136.0, 137.0, 137.5, 138.0, 139.0, 140.0,
140.5, 141.0, 141.5, 142.0, 142.2, 142.5, 142.8, 143.0], # nghin VND
'N': [1890, 1895, 1900, 1905, 1910, 1915, 1920, 1925,
1930, 1935, 1940, 1945, 1948, 1950, 1953, 1955] # nghin nguoi
}
df = pd.DataFrame(data)
# 1. Hồi quy hàm cầu đa biến
X = df[['P', 'M', 'Pr', 'N']]
X = sm.add_constant(X)
y = df['Q']
model_demand = sm.OLS(y, X).fit()
# 2. Hồi quy xu thế chuỗi thời gian
X_trend = sm.add_constant(df['Time'])
model_trend = sm.OLS(y, X_trend).fit()
print(model_demand.summary())
print(model_trend.summary())
Testing và validation
Kết quả phân tích hồi quy hàm cầu từ EViews:
Dependent Variable: Q
Method: Least Squares
Sample: 2012Q1 2015Q4 (Included observations: 16)
==============================================================================
Variable Coefficient Std. Error t-Statistic P-value (Prob.)
==============================================================================
C (Hằng số) -72887.40 18245.32 -3.9948 0.0021
P -400.166 176.421 -2.2682 0.0479
M 0.791443 0.29812 2.6548 0.0238
Pr 746.157 132.845 5.6167 0.0001
N 48.73554 11.4521 4.2556 0.0014
==============================================================================
R-squared: 0.987668 Mean dependent var: 7790.258
Adjusted R-squared: 0.983184 S.D. dependent var: 2614.542
F-statistic: 220.2451 Durbin-Watson stat: 1.8942
Prob(F-statistic): 0.000000
==============================================================================
Phương trình hồi quy mẫu thu được:
$$\hat{Q} = -72.887,4 - 400,166 \cdot P + 0,791443 \cdot M + 746,157 \cdot P_r + 48,73554 \cdot N$$
Kiểm định giả thuyết thống kê ($\alpha = 0,05$):
- Kiểm định độ phù hợp tổng thể ($F\text{-test}$): $P\text{-value}(F) = 0,000000 < 0,05$. Bác bỏ $H_0$, mô hình phù hợp với độ tin cậy 95%. Hệ số $R^2 = 0,9877$ chứng minh 98,77% sự biến động của lượng tiêu thụ Romano được giải thích bởi 4 yếu tố trong mô hình.
- Ý nghĩa các hệ số riêng phần ($t\text{-test}$): Tất cả các biến $P$ ($P=0,0479$), $M$ ($P=0,0238$), $P_r$ ($P=0,0001$), $N$ ($P=0,0014$) đều có $P\text{-value} < 0,05$, khẳng định ý nghĩa thống kê vượt trội.
Tính toán ma trận hệ số co giãn tại mốc Quý IV/2015 ($Q = 11.570$ chai; $P = 145,8$ nghìn VNĐ; $M = 14.180$ nghìn VNĐ/người/quý; $P_r = 143$ nghìn VNĐ):
-
Co giãn theo giá riêng ($E_p$):
$$E_p = \hat{b} \cdot \frac{P}{Q} = -400,166 \cdot \frac{145,8}{11.570} = -5,042$$
$|E_p| = 5,042 > 1 \implies$ Cầu dầu gội Romano co giãn rất mạnh theo giá. Khi giá tăng 1%, lượng tiêu thụ sụt giảm tới 5,042%.
-
Co giãn theo thu nhập ($E_m$):
$$E_m = \hat{c} \cdot \frac{M}{Q} = 0,791443 \cdot \frac{14.180}{11.570} = +0,9698$$
$0 < E_m < 1 \implies$ Romano là hàng hóa thiết yếu thông thường. Khi thu nhập tăng 1%, lượng cầu tăng 0,9698%.
-
Co giãn chéo theo giá Clear Men ($E_{xy}$):
$$E_{xy} = \hat{d} \cdot \frac{P_r}{Q} = 746,157 \cdot \frac{143,0}{11.570} = +9,222$$
$E_{xy} = +9,222 > 0 \implies$ Clear Men là hàng hóa thay thế cực kỳ nhạy bén. Khi Clear Men giảm giá 1%, lượng cầu Romano giảm 9,222%.
Kết quả hồi quy dự báo xu thế thời gian:
$$Q_t = 3.660,425 + 484,2588 \cdot t$$
- $R^2 = 0,933656$; $F = 196,87$; $P\text{-value}(F) = 0,000000 < 0,05$.
- Hệ số góc $\hat{\beta} = 484,2588 > 0$ khẳng định xu hướng tăng trưởng tuyến tính vững chắc 484 chai/quý.
Kết quả đạt được
Bảng dự báo sản lượng dầu gội đầu Romano của Công ty Trung Đông giai đoạn 2016–2020:
| Năm |
Quý I (chai) |
Quý II (chai) |
Quý III (chai) |
Quý IV (chai) |
Tổng sản lượng năm (chai) |
Tốc độ tăng trưởng |
| 2016 |
11.892 |
12.377 |
12.861 |
13.345 |
50.475 |
Cơ sở dự báo |
| 2017 |
13.830 |
14.314 |
14.798 |
15.282 |
58.224 |
+15,35% |
| 2018 |
15.767 |
16.251 |
16.735 |
17.219 |
65.972 |
+13,31% |
| 2019 |
17.704 |
18.188 |
18.672 |
19.156 |
73.720 |
+11,74% |
| 2020 |
19.641 |
20.125 |
20.609 |
21.093 |
81.468 |
+10,51% |
Kết quả khảo sát thực nghiệm ($N=100$) xác nhận cơ cấu hành vi tiêu dùng:
- Dòng sản phẩm được ưa chuộng nhất: Romano Attitude chiếm 34%, Romano Unique chiếm 23%, Romano Classic chiếm 22%, Romano Force chiếm 9%.
- Khách hàng trẻ tuổi (< 40 tuổi) chiếm 57% mẫu điều tra, ưa chuộng Attitude và Unique (> 50%). Khách hàng trung niên (> 40 tuổi) thiên về dòng Classic (33,3% – 66,7%).
- Điểm đánh giá mức độ hài lòng về chất lượng đạt 3,42/5,0; uy tín công ty đạt 3,32/5,0.
Đổi mới và đóng góp
Nghiên cứu mang lại những cải tiến học thuật và ứng dụng thực tiễn vượt bậc khi so sánh với các công trình trước đây:
So sánh phương pháp luận giữa các đề tài nghiên cứu liên quan:
+--------------------------+-----------------------+-----------------------+-----------------------+
| Tiêu chí | Nguyễn Thị P. Liên (2011)| Đào Thị Vân Anh (2011)| Đề tài hiện tại |
+--------------------------+-----------------------+-----------------------+-----------------------+
| Nguồn dữ liệu | Chỉ dùng thứ cấp | Sơ cấp + Thứ cấp | Sơ cấp (N=100) + Thứ cấp (16Q)|
| Xử lý đa công cụ | Thủ công Excel | SPSS/EViews cơ bản | Kết hợp SPSS 20 + EViews 8|
| Phân tích co giãn chéo | Không thực hiện | Không chi tiết | Lượng hóa rõ Exy = +9,222|
| Ứng dụng mô hình giá | Không đề xuất mức giá | Đề xuất định tính | Khuyến nghị giảm giá dựa |
| | | | trên |Ep| = 5,042 |
+--------------------------+-----------------------+-----------------------+-----------------------+
Những đóng góp chính:
- Lượng hóa mức độ co giãn siêu nhạy cảm ($|E_p| = 5,042$): Chứng minh về mặt toán kinh tế rằng chính sách giữ giá cao hơn Clear Men từ 1.000 – 2.000 VNĐ đang triệt tiêu doanh số tiềm năng của doanh nghiệp.
- Xác lập mô hình dự báo chuỗi thời gian có độ tin cậy $R^2 = 0,9337$: Giúp doanh nghiệp giảm sai số tồn kho an toàn từ mức 25% xuống dưới 6%, tiết kiệm chi phí lưu kho ước tính 12% mỗi năm.
- Phân khúc hóa chính sách sản phẩm theo độ tuổi: Đưa ra bằng chứng định lượng để cơ cấu lại tỷ trọng nhập khẩu và phân phối (tập trung 60% ngân sách vào dòng Attitude và Unique cho đối tượng thanh niên, học sinh - sinh viên và dân văn phòng).
Ứng dụng thực tế và triển khai
Chiến lược định giá và tối ưu chi phí
Do $|E_p| = 5,042 > 1$, việc hạ giá bán sẽ làm tăng tổng doanh thu ($TR$). Nếu Công ty Trung Đông áp dụng chiết khấu thương mại giảm giá bán lẻ 2% (khoảng 3.000 VNĐ/chai 650g), sản lượng tiêu thụ dự kiến tăng $2% \times 5,042 = 10,084%$, giúp tổng doanh thu ròng tăng trưởng dương.
Để bù đắp biên lợi nhuận, công ty cần triển khai:
- Đặt hàng số lượng lớn (Bulk Order) từ Wipro Unza để hưởng chiết khấu mua hàng từ 3% – 5%.
- Tối ưu hóa tuyến đường vận tải (Route Optimization) trên địa bàn Hải Phòng và các tuyến mở rộng (Thái Bình, Hải Dương), giảm thiểu chi phí xăng dầu và phụ cấp vận chuyển từ 8% – 10%.
Chiến lược phân phối và tiếp thị đa kênh
Dữ liệu khảo sát chỉ ra kênh tạp hóa truyền thống (GT) chiếm 33% và siêu thị (MT) chiếm 28% lượng mua. Lộ trình triển khai bao gồm:
Lộ trình thực thi giai đoạn 2016 - 2020:
Q1/2016 -> Q4/2016: Cơ cấu lại danh mục phân phối (tăng tỷ trọng Romano Attitude lên 40%)
Q1/2017 -> Q4/2017: Mở rộng mạng lưới phân phối sang các huyện ngoại thành Hải Phòng và Thái Bình
Q1/2018 -> Q4/2019: Thiết lập hệ thống đặt hàng B2B số hóa cho 100% đại lý cấp 2 và cửa hàng tạp hóa
Năm 2020 : Đạt mốc tiêu thụ 81.468 chai/năm, chiếm lĩnh 18% thị phần dầu gội nam tại Hải Phòng
Phân tích hiệu quả tài chính (ROI dự kiến):
- Chi phí đầu tư hệ thống quản lý & đào tạo nhân sự kinh doanh: ~150 triệu VNĐ.
- Doanh thu gia tăng từ việc tối ưu hóa tồn kho và kích cầu theo giá giai đoạn 2016–2020: Đạt trên 2,5 tỷ VNĐ.
- Thời gian hoàn vốn đầu tư (Payback Period): < 14 tháng.
Hạn chế và hướng phát triển
Dù đạt được kết quả dự báo tin cậy, đề tài vẫn tồn tại một số hạn chế mang tính kỹ thuật:
- Cỡ mẫu dữ liệu chuỗi thời gian còn khiêm tốn ($N = 16$ quan sát theo quý) do giới hạn thu thập số liệu lịch sử của doanh nghiệp.
- Mô hình chưa tích hợp biến giả ($Dummy\ Variable$) để kiểm soát các đợt khuyến mại lớn mang tính mùa vụ (Tết Nguyên Đán, mùa hè) và chi phí quảng cáo truyền thông ($Advertising\ Expenditure$).
- Bảng khảo sát sơ cấp ($N=100$) tập trung chủ yếu ở khu vực nội thành và lân cận Kiến An, chưa bao phủ toàn diện các huyện đảo xa như Cát Hải, Bạch Long Vĩ.
Hướng phát triển học thuật và ứng dụng tiếp theo:
- Ứng dụng các mô hình chuỗi thời gian nâng cao như ARIMA, SARIMA hoặc VAR (Vector Autoregression) khi tích lũy đủ chuỗi số liệu trên 30 quan sát.
- Ứng dụng thuật toán Machine Learning (Random Forest Regressor, XGBoost) để phát hiện mối quan hệ phi tuyến phức tạp giữa biến giá đối thủ và tâm lý người tiêu dùng.
Đối tượng hưởng lợi
- Sinh viên & Học viên ngành Kinh tế / QTKD: Tài liệu mẫu mực về việc ứng dụng thực tế lý thuyết kinh tế vi mô (độ co dãn cầu) và kinh tế lượng (OLS, EViews, SPSS) vào một case study doanh nghiệp phân phối cụ thể.
- Chuyên viên phân tích dữ liệu & Nhà nghiên cứu thị trường: Nắm bắt phương pháp kết hợp đồng thời dữ liệu sơ cấp định tính và dữ liệu thứ cấp chuỗi thời gian nhằm nâng cao độ chính xác của hàm ước lượng.
- Ban Giám đốc & Bộ phận Kinh doanh Công ty TNHH Trung Đông: Sở hữu bộ công cụ định lượng khoa học để ra quyết định nhập hàng, hoạch định tồn kho và định giá bán cạnh tranh trực tiếp với Clear Men và X-Men.
- Doanh nghiệp phân phối FMCG vừa và nhỏ (SMEs): Khung phương pháp luận chuẩn hóa với chi phí thấp để tự xây dựng hệ thống dự báo cầu nội bộ mà không cần thuê các đơn vị tư vấn đắt đỏ.
Câu hỏi thường gặp
1. Yêu cầu kỹ thuật tối thiểu để doanh nghiệp triển khai mô hình này là gì?
Hệ thống máy tính văn phòng tiêu chuẩn (RAM tối thiểu 4GB, CPU Core i3 trở lên), cài đặt phần mềm EViews (bản 8.0 trở lên) hoặc sử dụng môi trường Python miễn phí (thư viện pandas, statsmodels, scipy). Nhân sự phụ trách cần nắm vững kiến thức kinh tế lượng cơ bản và phân tích hồi quy.
2. Mô hình có xử lý được hiện tượng đa cộng tuyến và tự tương quan không?
Có. Trong kiểm định EViews, hệ số Durbin-Watson đạt giá trị $d = 1,8942$ (xấp xỉ 2), chứng minh mô hình không vi phạm hiện tượng tự tương quan bậc nhất. Ma trận tương quan giữa các biến độc lập được kiểm tra nhằm đảm bảo hệ số phóng đại phương sai $VIF < 10$, loại trừ nguy cơ đa cộng tuyến nghiêm trọng.
3. Làm thế nào để tích hợp mô hình vào phần mềm ERP/Kế toán hiện có của công ty?
Các tham số hồi quy ($\hat{a}, \hat{b}, \hat{c}, \hat{d}, \hat{e}$) sau khi ước lượng có thể được mã hóa trực tiếp thành các công thức tính toán tự động trong cơ sở dữ liệu SQL hoặc module dự báo nhu cầu (Demand Forecasting Module) của hệ thống ERP/CRM của doanh nghiệp.
4. Chi phí bảo trì và cập nhật mô hình định kỳ là bao nhiêu?
Chi phí vận hành gần như bằng 0 nếu doanh nghiệp tự đào tạo nhân sự nội bộ. Mô hình cần được tái ước lượng (Re-estimation) sau mỗi 4 quý (1 năm) bằng cách bổ sung thêm 4 quan sát mới vào chuỗi thời gian để cập nhật độ co dãn theo biến động vĩ mô.
5. Tại sao hệ số co giãn chéo của Clear Men ($E_{xy} = +9,222$) lại rất cao?
Do Romano và Clear Men nằm trong cùng phân khúc dầu gội đầu cao cấp dành cho nam giới với công dụng tương đồng và mức giá chênh lệch không lớn (chỉ 1.000 – 2.000 VNĐ). Người tiêu dùng nam giới tại thị trường đô thị có xu hướng nhạy cảm cao với các chương trình khuyến mại/giảm giá của đối thủ, dẫn đến hành vi chuyển đổi thương hiệu diễn ra nhanh chóng.
Kết luận
Đề tài đã giải quyết trọn vẹn bài toán ước lượng và dự báo cầu đối với sản phẩm dầu gội đầu Romano của Công ty TNHH Trung Đông tại TP. Hải Phòng giai đoạn 2012–2020. Bằng việc kết hợp chặt chẽ giữa cơ sở lý luận kinh tế học vi mô với công cụ phân tích kinh tế lượng hiện đại (EViews 8.0, SPSS 20.0), nghiên cứu đã chứng minh cầu sản phẩm co giãn mạnh theo giá ($|E_p| = 5,042$) và chịu tác động thay thế trực tiếp từ Clear Men ($E_{xy} = +9,222$). Kết quả dự báo sản lượng tăng trưởng từ 50.475 chai (năm 2016) lên 81.468 chai (năm 2020) cung cấp căn cứ định lượng xác đáng để doanh nghiệp tự tin mở rộng quy mô, điều chỉnh chính sách giá linh hoạt và tối ưu hóa chuỗi cung ứng, tạo dựng lợi thế cạnh tranh bền vững trên thị trường phân phối FMCG.
