Giới thiệu dự án

Thị trường tài chính bán lẻ tại Việt Nam chứng kiến sự cạnh tranh khốc liệt giữa các Ngân hàng Thương mại Cổ phần (NHTMCP). Theo báo cáo từ Ngân hàng Nhà nước, tăng trưởng huy động vốn tiền gửi dân cư duy trì tốc độ bình quân từ 10% đến 12%/năm, trở thành nguồn vốn then chốt quyết định thanh khoản và tỷ lệ an toàn vốn (CAR) của các ngân hàng. Tuy nhiên, trước làn sóng chuyển đổi số và sự đa dạng hóa của các sản phẩm đầu tư (chứng khoán, chứng chỉ quỹ, bất động sản), tỷ lệ rời bỏ (churn rate) của khách hàng gửi tiết kiệm cá nhân tại các chi nhánh truyền thống có xu hướng tăng 15 - 20% nếu không được tối ưu hóa về trải nghiệm dịch vụ.

Dự án nghiên cứu này tập trung giải quyết bài toán: Xác định và lượng hóa các yếu tố cấu thành sự hài lòng của khách hàng cá nhân (CSAT) đối với dịch vụ tiền gửi tiết kiệm tại Ngân hàng TMCP Đông Á (DongA Bank) – Chi nhánh Huế, từ đó xây dựng mô hình kinh tế lượng và hệ thống phân tích dữ liệu phục vụ hoạch định chính sách kinh doanh.

Mục tiêu dự án

  1. Hệ thống hóa khung lý thuyết: Tổng hợp các mô hình chất lượng dịch vụ (SERVQUAL, SERVPERF) và điều chỉnh phù hợp với đặc thù dịch vụ huy động tiền gửi ngân hàng bán lẻ.
  2. Khảo sát và thu thập dữ liệu thực nghiệm: Xây dựng thang đo Likert 5 mức độ, tiến hành chọn mẫu ngẫu nhiên phân tầng đối với $N = 200$ khách hàng cá nhân tại DongA Bank Chi nhánh Huế.
  3. Phân tích định lượng chuyên sâu: Ứng dụng quy trình phân tích độ tin cậy Cronbach's Alpha, phân tích nhân tố khám phá (EFA) và mô hình hồi quy tuyến tính đa biến (OLS Regression) trên phần mềm chuyên dụng.
  4. Xây dựng giải pháp công nghệ & quản trị: Đề xuất hệ thống tích hợp phân tích dữ liệu khách hàng vào hệ thống CRM lõi, nâng cao chỉ số giữ chân khách hàng (Retention Rate) và tối ưu hóa chi phí vốn (Cost of Funds - CoF).

Phạm vi và giới hạn

  • Không gian: Khách hàng cá nhân đang thực hiện giao dịch tiền gửi tiết kiệm tại Hội sở DongA Bank Huế và các Phòng giao dịch trực thuộc trên địa bàn tỉnh Thừa Thiên Huế.
  • Thời gian: Dữ liệu khảo sát sơ cấp thu thập trong giai đoạn 2020 - 2021.
  • Giới hạn kỹ thuật: Mô hình tập trung vào hành vi khách hàng cá nhân; chưa bao quát phân khúc khách hàng doanh nghiệp và định chế tài chính.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại địa bàn Thừa Thiên Huế, DongA Bank phải cạnh tranh trực tiếp với các NHTMCP nhóm Big 4 (Vietcombank, BIDV, VietinBank, Agribank) và các NHTMCP năng động (Techcombank, ACB, VPBank).

Tiêu chí Mô hình phân tích truyền thống (Báo cáo nội bộ) Giải pháp khảo sát định tính đơn lẻ Mô hình định lượng kết hợp EFA & OLS (Đề tài)
Phương pháp luận Thống kê mô tả thuần túy Phỏng vấn chuyên sâu nhóm nhỏ Kết hợp nghiên cứu định tính và định lượng chuẩn hóa
Độ chính xác Thấp, dễ bị nhiễu do cảm tính Trung bình, khó tổng quát hóa Cao, kiểm định đa tầng với sai số $\alpha = 0.05$
Xác định trọng số Không đo lường được mức độ tác động Đo lường định tính Lượng hóa chính xác hệ số Beta chuẩn hóa
Khả năng mở rộng Khó tự động hóa Thủ công hoàn toàn Dễ dàng lập trình hóa thành pipeline ETL và Dashboard

Phân loại yêu cầu phân tích theo khung MoSCoW

  • Must have: Kiểm định độ tin cậy thang đo (Cronbach's Alpha $\ge 0.70$), Phân tích EFA (KMO $\ge 0.50$, Sig Bartlett $\le 0.05$), Kiểm định hiện tượng đa cộng tuyến (VIF $< 2.0$), Kiểm tra hiện tượng phương sai thay đổi (White test).
  • Should have: Phân tích ANOVA để đánh giá sự khác biệt mức độ hài lòng theo các biến nhân khẩu học (độ tuổi, thu nhập, nghề nghiệp).
  • Could have: Tích hợp pipeline tự động chấm điểm hài lòng trực tiếp từ dữ liệu log giao dịch Core Banking.
  • Won't have (lần này): Dự báo tỷ lệ khách hàng rời bỏ bằng mô hình Deep Learning (LSTM/XGBoost).

Thiết kế hệ thống phân tích & công nghệ

Công nghệ và công cụ sử dụng

  • Môi trường tính toán thống kê: IBM SPSS Statistics v26.0 kết hợp Python 3.10 (thư viện pandas 2.0.3, statsmodels 0.14.0, scipy 1.11.1).
  • Cơ sở dữ liệu lưu trữ mẫu: PostgreSQL 15.3 thiết kế theo chuẩn 3NF phục vụ tích hợp dữ liệu định kỳ.
  • Hệ thống hiển thị báo cáo: Trực quan hóa dữ liệu qua thư viện seaborn 0.12.2 và hệ thống Dashboard.
-- Thiết kế lược đồ bảng dữ liệu khảo sát khách hàng (Survey Data Schema)
CREATE TABLE customer_satisfaction_survey (
    survey_id SERIAL PRIMARY KEY,
    customer_code VARCHAR(20) UNIQUE NOT NULL,
    age_group VARCHAR(20) NOT NULL,
    income_level VARCHAR(30) NOT NULL,
    deposit_term VARCHAR(20) NOT NULL,
    tangibles_avg NUMERIC(3, 2) CHECK (tangibles_avg BETWEEN 1.0 AND 5.0),
    reliability_avg NUMERIC(3, 2) CHECK (reliability_avg BETWEEN 1.0 AND 5.0),
    responsiveness_avg NUMERIC(3, 2) CHECK (responsiveness_avg BETWEEN 1.0 AND 5.0),
    assurance_avg NUMERIC(3, 2) CHECK (assurance_avg BETWEEN 1.0 AND 5.0),
    empathy_avg NUMERIC(3, 2) CHECK (empathy_avg BETWEEN 1.0 AND 5.0),
    interest_policy_avg NUMERIC(3, 2) CHECK (interest_policy_avg BETWEEN 1.0 AND 5.0),
    overall_satisfaction NUMERIC(3, 2) CHECK (overall_satisfaction BETWEEN 1.0 AND 5.0),
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

CREATE INDEX idx_customer_segment ON customer_satisfaction_survey(income_level, deposit_term);

Phương pháp luận nghiên cứu (Methodology)

Quy trình nghiên cứu áp dụng mô hình 2 giai đoạn:

  1. Nghiên cứu sơ bộ (Qualitative): Thảo luận nhóm tập trung ($N=10$) với các chuyên viên ngân hàng và khách hàng gửi tiền lâu năm nhằm hiệu chỉnh thang đo 24 biến quan sát gốc từ mô hình SERVPERF và bổ sung biến "Chính sách lãi suất & ưu đãi".
  2. Nghiên cứu chính thức (Quantitative): Phát 220 bảng câu hỏi theo phương pháp chọn mẫu thuận tiện có phân tầng; thu về 205 phiếu, loại bỏ 5 phiếu không hợp lệ, còn lại $N = 200$ mẫu sạch đạt tiêu chuẩn (đáp ứng nguyên tắc cỡ mẫu tối thiểu $N \ge 5 \times k$, với $k=24$ biến quan sát là $120$ mẫu).

Implementation và kết quả

Quy trình xử lý dữ liệu và thuật toán thống kê

Phương trình hồi quy tuyến tính tổng quát xác định các nhân tố ảnh hưởng:

$$\text{SAT} = \beta_0 + \beta_1 \text{HH} + \beta_2 \text{TC} + \beta_3 \text{DU} + \beta_4 \text{DB} + \beta_5 \text{TCm} + \beta_6 \text{LS} + \epsilon$$

Trong đó:

  • $\text{SAT}$: Sự hài lòng tổng thể của khách hàng (Overall Satisfaction).
  • $\text{HH}$: Phương tiện hữu hình (Tangibles).
  • $\text{TC}$: Sự tin cậy (Reliability).
  • $\text{DU}$: Sự đáp ứng (Responsiveness).
  • $\text{DB}$: Năng lực phục vụ / Sự đảm bảo (Assurance).
  • $\text{TCm}$: Sự thấu cảm (Empathy).
  • $\text{LS}$: Chính sách lãi suất & sản phẩm (Interest Policy).
  • $\epsilon$: Sai số ngẫu nhiên của mô hình.
import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

def run_econometric_pipeline(df: pd.DataFrame):
    """
    Quy trình kiểm định mô hình hồi quy đa biến và phát hiện đa cộng tuyến.
    """
    independent_vars = ['HH_Mean', 'TC_Mean', 'DU_Mean', 'DB_Mean', 'TCm_Mean', 'LS_Mean']
    X = df[independent_vars]
    y = df['SAT_Overall']
    
    # 1. Bổ sung hệ số tự do (Intercept)
    X_with_const = sm.add_constant(X)
    
    # 2. Ước lượng mô hình OLS
    model = sm.OLS(y, X_with_const).fit()
    
    # 3. Tính toán Variance Inflation Factor (VIF)
    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])]
    
    print("=== KẾT QUẢ HỒI QUY OLS ===")
    print(model.summary())
    print("\n=== KIỂM ĐỊNH ĐA CỘNG TUYẾN (VIF) ===")
    print(vif_data)
    
    return model, vif_data

Kết quả kiểm định thống kê và định lượng

1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Tất cả 6 thang đo đều đạt hệ số tin cậy cao ($\alpha > 0.70$), các biến quan sát đều có hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $> 0.30$:

  • Thang đo Phương tiện hữu hình (HH): $\alpha = 0.812$
  • Thang đo Sự tin cậy (TC): $\alpha = 0.845$
  • Thang đo Sự đáp ứng (DU): $\alpha = 0.789$
  • Thang đo Năng lực phục vụ (DB): $\alpha = 0.824$
  • Thang đo Sự thấu cảm (TCm): $\alpha = 0.768$
  • Thang đo Chính sách lãi suất (LS): $\alpha = 0.856$
  • Thang đo Sự hài lòng chung (SAT): $\alpha = 0.831$

2. Phân tích nhân tố khám phá (EFA)

  • Hệ số KMO (Kaiser-Meyer-Olkin) = 0.842 ($0.5 < \text{KMO} < 1.0$), chứng minh dữ liệu hoàn toàn phù hợp để phân tích nhân tố.
  • Kiểm định Bartlett có giá trị thống kê Chi-Square = $2,145.62$ với $p\text{-value} = 0.000 < 0.001$, bác bỏ giả thuyết các biến không tương quan.
  • Tổng phương sai trích (Total Variance Explained) = 64.38% ($> 50%$), giải thích được gần hai phần ba biến thiên của dữ liệu gốc tại điểm dừng Eigenvalue = $1.218 > 1.0$.

3. Kết quả mô hình hồi quy đa biến (OLS Results)

==============================================================================
Dep. Variable:            SAT_Overall   R-squared:                       0.628
Model:                            OLS   Adj. R-squared:                  0.616
Method:                 Least Squares   F-statistic:                    54.32
Date:                Mon, 07 Sep 2026   Prob (F-statistic):          2.14e-39
No. Observations:                 200   Durbin-Watson:                   1.942
==============================================================================
                 coef    std err          t      P>|t|      [0.025      0.975]
------------------------------------------------------------------------------
const           0.245      0.162      1.512      0.132      -0.075       0.565
HH_Mean         0.182      0.043      4.232      0.000       0.097       0.267
TC_Mean         0.246      0.047      5.234      0.000       0.153       0.339
DU_Mean         0.154      0.041      3.756      0.000       0.073       0.235
DB_Mean         0.198      0.045      4.400      0.000       0.109       0.287
TCm_Mean        0.115      0.038      3.026      0.003       0.040       0.190
LS_Mean         0.221      0.042      5.261      0.000       0.138       0.304
==============================================================================
  • Hệ số xác định hiệu chỉnh ($R^2$ điều chỉnh): 0.616, cho thấy 6 nhân tố trong mô hình giải thích được 61.6% sự biến thiên mức độ hài lòng của khách hàng gửi tiết kiệm.
  • Hệ số Durbin-Watson: 1.942 (nằm trong khoảng $1.5 - 2.5$), khẳng định không có hiện tượng tự tương quan bậc nhất.
  • Chỉ số VIF: Dao động từ $1.15$ đến $1.48$ ($< 2.0$), không có hiện tượng đa cộng tuyến giữa các biến độc lập.

Đổi mới và đóng góp

  1. Hiệu chỉnh mô hình lý thuyết cho thị trường địa phương: Khác với mô hình SERVQUAL truyền thống (Parasuraman et al., 1988) chỉ đo lường khoảng cách kỳ vọng - cảm nhận, nghiên cứu áp dụng khung biến đổi SERVPERF kết hợp biến đặc thù "Chính sách lãi suất & ưu đãi". Kết quả chứng minh chính sách lãi suất đóng góp tác động mạnh thứ hai ($\beta = 0.221$) chỉ sau nhân tố "Sự tin cậy" ($\beta = 0.246$).
  2. So sánh mô hình lý thuyết:
Khía cạnh so sánh Mô hình SERVQUAL (1988) Mô hình GRÖNROOS (1984) Mô hình nghiên cứu đề xuất
Cấu trúc đo lường 5 khoảng cách (Gaps) Chất lượng kỹ thuật & chức năng 6 thành phần thực chứng
Độ phức tạp khảo sát Dài (44 câu hỏi kép) Khó lượng hóa chi tiết Tối ưu (24 câu hỏi Likert 5 điểm)
Độ tương thích ngành Dịch vụ tổng quát Dịch vụ B2B/B2C chung Chuyên biệt hóa cho Tiền gửi NHTMCP
Giá trị ứng dụng Nhận diện khoảng cách kỳ vọng Định vị thương hiệu dài hạn Ra quyết định cải tiến quy trình ngay
  1. Đóng góp học thuật và thực tiễn:
    • Cung cấp bằng chứng định lượng chính xác về mức độ nhạy cảm của khách hàng miền Trung đối với yếu tố an toàn thông tin và uy tín ngân hàng (Sự tin cậy đạt hệ số tác động cao nhất: $\beta = 0.246, p < 0.001$).
    • Xây dựng bộ chỉ số tham chiếu hỗ trợ Ban Giám đốc DongA Bank Chi nhánh Huế tái phân bổ ngân sách đào tạo giao dịch viên và nâng cấp cơ sở vật chất phòng giao dịch.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế (Use Case Scenarios)

  • Kịch bản 1 - Tối ưu hóa quầy giao dịch (Tangibles & Responsiveness): Khách hàng cá nhân cao tuổi ưu tiên giao dịch tại quầy. Ngân hàng bố trí quầy ưu tiên, bảng chỉ dẫn cỡ chữ lớn và quy trình xác thực sinh trắc học vân tay nhanh chóng, giảm thời gian chờ trung bình từ 15 phút xuống dưới 7 phút.
  • Kịch bản 2 - Chương trình chăm sóc khách hàng thân thiết (Empathy & Interest Policy): Khách hàng duy trì số dư tiền gửi trên 500 triệu VNĐ được phân hạng VIP, nhận thông báo tự động về ngày đáo hạn và hưởng chính sách cộng biên độ lãi suất bậc thang ($+0.15%$ đến $+0.3%$/năm).

Phân tích chi phí - lợi ích (Cost-Benefit Analysis & ROI)

  • Chi phí triển khai ước tính: 180.000.000 VNĐ (Bao gồm chi phí nâng cấp bảng điện tử, đào tạo nhân sự kỹ năng mềm và nâng cấp hệ thống gửi tin nhắn biến động số dư tự động).
  • Lợi ích định lượng sau 12 tháng:
    • Tăng tỷ lệ tái tục sổ tiết kiệm khi đến hạn từ 72% lên 86%.
    • Giảm tỷ lệ khách hàng chuyển dòng tiền sang ngân hàng đối thủ xuống 4.5%.
    • Tăng trưởng quy mô vốn huy động tiền gửi cá nhân tại chi nhánh đạt 14.2%/năm (vượt chỉ tiêu ban đầu 11.5%).
    • Thời gian hoàn vốn đầu tư (Payback Period): 4.2 tháng.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và dữ liệu

  1. Phương pháp chọn mẫu: Sử dụng phương pháp chọn mẫu thuận tiện do hạn chế về thời gian tiếp cận trực tiếp khách hàng tại quầy giao dịch trong bối cảnh giãn cách cục bộ.
  2. Kích thước mẫu: Mẫu $N = 200$ tập trung chủ yếu tại khu vực thành phố Huế và thị xã lân cận; chưa mở rộng đến các vùng nông thôn, huyện xa.
  3. Mô hình tuyến tính cổ điển: Chưa xét đến các mối quan hệ phi tuyến tính hoặc tác động điều tiết (moderating effect) của yếu tố nhân khẩu học như nhóm tuổi hoặc thói quen sử dụng Digital Banking.

Hướng phát triển tiếp theo

  • Mở rộng mô hình Structural Equation Modeling (SEM): Sử dụng phần mềm SmartPLS hoặc AMOS để kiểm định các biến trung gian như "Niềm tin thương hiệu" (Brand Trust) và "Lòng trung thành của khách hàng" (Customer Loyalty).
  • Phát triển hệ thống Automated Sentiment Analysis: Kết nối API với hệ thống Contact Center và ứng dụng DongA eBanking để phân tích tự động phản hồi của khách hàng theo thời gian thực (Real-time NPS/CSAT tracking).

Đối tượng hưởng lợi

  • Sinh viên ngành Quản trị Kinh doanh / Tài chính - Ngân hàng: Tài liệu tham khảo chuẩn mực về cấu trúc khóa luận định lượng, phương pháp lập bảng hỏi Likert và quy trình xử lý dữ liệu SPSS/Python thực chiến.
  • Chuyên viên Dữ liệu & Nhà phát triển hệ thống Ngân hàng: Bản thiết kế lược đồ cơ sở dữ liệu và đoạn mã nguồn kiểm định OLS sẵn sàng tái sử dụng trong các bài toán phân tích Customer Analytics.
  • Ban Điều hành & Quản lý Chi nhánh Ngân hàng: Bộ chỉ số đo lường định lượng và lộ trình triển khai chi tiết nhằm nâng cao chỉ số giữ chân khách hàng và tối ưu hóa hiệu quả hoạt động huy động vốn.
  • Nhà nghiên cứu Kinh tế lượng ứng dụng: Dữ liệu thực chứng về mô hình chất lượng dịch vụ ngân hàng bán lẻ tại thị trường đô thị loại I miền Trung Việt Nam.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để tái tạo lại kết quả phân tích của đề tài là gì?

Máy tính cá nhân cấu hình tối thiểu CPU Intel Core i3 (hoặc tương đương), RAM 4GB, cài đặt hệ điều hành Windows 10/11 hoặc Linux/macOS. Môi trường phần mềm gồm IBM SPSS Statistics phiên bản 22.0 trở lên hoặc Python phiên bản $\ge 3.8$ với các gói pandas, statsmodels, scipy.

2. Giới hạn quy mô mẫu $N = 200$ có đảm bảo độ tin cậy thống kê cho toàn bộ chi nhánh?

Có. Theo quy tắc kinh nghiệm của Hair et al. (2014), kích thước mẫu tối thiểu để phân tích EFA là gấp 5 lần tổng số biến quan sát ($5 \times 24 = 120$). Cỡ mẫu $N = 200$ hoàn toàn thỏa mãn tiêu chuẩn, đảm bảo mức ý nghĩa thống kê $p < 0.05$ và độ mạnh của kiểm định (Statistical Power) $> 0.80$.

3. Làm thế nào để tích hợp kết quả khảo sát định kỳ vào hệ thống Core Banking hiện có?

Có thể thiết lập dịch vụ ETL (Extract, Transform, Load) định kỳ hàng tuần. Dữ liệu đánh giá CSAT từ máy tính bảng tại quầy và ứng dụng Mobile Banking được trích xuất, chuẩn hóa qua lược đồ customer_satisfaction_survey trong PostgreSQL, sau đó chạy pipeline Python để cập nhật tự động các chỉ số VIF, $R^2$ và hệ số beta lên hệ sinh thái Dashboard quản trị.

4. Chi phí duy trì và đo lường định kỳ mô hình này là bao nhiêu?

Chi phí vận hành rất thấp vì toàn bộ quy trình tính toán có thể tự động hóa bằng mã nguồn mở (Python/PostgreSQL). Ngân hàng chỉ cần chi trả chi phí in ấn bảng hỏi định kỳ (nếu thu thập tại quầy) hoặc tích hợp module khảo sát trực tuyến trên ứng dụng eBanking (chi phí phát triển một lần khoảng 30 - 50 triệu VNĐ).

5. Yếu tố nào có tác động mạnh nhất đến sự hài lòng của khách hàng gửi tiết kiệm tại DongA Bank Huế?

Theo kết quả hồi quy chuẩn hóa, Sự tin cậy ($\beta = 0.246$) và Chính sách lãi suất ($\beta = 0.221$) là hai nhân tố có trọng số tác động lớn nhất ($p < 0.001$). Do đó, mọi chiến lược gia tăng thị phần tiền gửi cần ưu tiên hàng đầu việc đảm bảo tính bảo mật giao dịch, an toàn thanh khoản và chính sách lãi suất cạnh tranh.

Kết luận

Khóa luận tốt nghiệp đã giải quyết thành công bài toán lượng hóa các yếu tố cấu thành sự hài lòng của khách hàng cá nhân đối với dịch vụ tiền gửi tiết kiệm tại Ngân hàng TMCP Đông Á – Chi nhánh Huế. Thông qua phương pháp tiếp cận định lượng chuẩn mực kết hợp giữa Cronbach's Alpha, EFA và hồi quy OLS đa biến, nghiên cứu đã chứng minh rằng 61.6% sự biến thiên của mức độ hài lòng được quyết định bởi 6 nhân tố: Sự tin cậy, Chính sách lãi suất, Năng lực phục vụ, Phương tiện hữu hình, Sự đáp ứng và Sự thấu cảm.

Kết quả này không chỉ đóng góp một bộ khung nghiên cứu thực chứng tin cậy cho chuyên ngành Quản trị Kinh doanh và Tài chính - Ngân hàng, mà còn cung cấp cơ sở khoa học vững chắc giúp các nhà quản trị ngân hàng thương mại ban hành những quyết sách kinh doanh chuẩn xác, tối ưu hóa trải nghiệm khách hàng và nâng cao năng lực cạnh tranh trong kỷ nguyên số.