Giới thiệu dự án

Môi trường bán lẻ hiện đại tại các đô thị lớn như TP. Hồ Chí Minh đang chứng kiến sự chuyển dịch mạnh mẽ từ mô hình mua sắm đơn thuần sang tổ hợp thương mại trải nghiệm "All-in-one" (tất cả trong một). Theo báo cáo thị trường bán lẻ Việt Nam, doanh thu ngành dịch vụ ẩm thực (F&B - Food and Beverage) chiếm từ 25% đến 35% tổng doanh thu của các trung tâm thương mại (TTTM) quy mô lớn. Trong bối cảnh chuỗi TTTM Vincom (Vincom Center Đồng Khởi, Vincom Center Landmark 81, Vincom Plaza,...) giữ thị phần áp đảo tại các vị trí đắc địa ở TP.HCM, việc cạnh tranh giữa các thương hiệu F&B bên trong hệ sinh thái này trở nên khốc liệt hơn bao giờ hết.

Vấn đề cốt lõi đặt ra là sự kỳ vọng về chất lượng dịch vụ của người tiêu dùng đô thị ngày càng khắt khe khi mức sống gia tăng. Các nhà quản trị F&B đối mặt với các "điểm nghẽn" (pain points) lớn: thiếu khung đo lường định lượng chuẩn xác về mức độ thỏa mãn của thực khách; khó khăn trong việc cân đối chi phí giữa nâng cấp không gian vật lý (phương tiện hữu hình) và đào tạo nghiệp vụ nhân sự (tính đáp ứng, sự đồng cảm); cũng như chưa xác định rõ trọng số tác động của từng thành tố dịch vụ đến quyết định quay lại và hành vi truyền miệng (Word-of-Mouth - WOM).

Đề tài khóa luận "Các yếu tố ảnh hưởng đến sự hài lòng của khách hàng đối với dịch vụ ăn uống tại các Trung tâm thương mại của Vincom trên địa bàn TP. Hồ Chí Minh" (Chuyên ngành Quản trị Kinh doanh, Trường Đại học Ngân hàng TP.HCM) được triển khai nhằm giải quyết triệt để bài toán định lượng trên.

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Xác định hệ thống các nhân tố cấu thành chất lượng dịch vụ F&B tác động trực tiếp đến sự hài lòng của khách hàng tại hệ thống TTTM Vincom TP.HCM.
  2. Đo lường và lượng hóa mức độ tác động (thông qua hệ số hồi quy chuẩn hóa $\beta$) của từng nhân tố độc lập lên biến phụ thuộc là sự hài lòng tổng quát ($HL$).
  3. Đề xuất khung giải pháp quản trị thực thi nhằm tối ưu hóa chi phí đầu tư dịch vụ, nâng cao chỉ số giữ chân khách hàng (Customer Retention Rate) và gia tăng lợi thế cạnh tranh bền vững.

Phương pháp tiếp cận dựa trên mô hình nghiên cứu hỗn hợp kết hợp giữa lý thuyết chất lượng dịch vụ kinh điển SERVQUAL (Parasuraman et al., 1988), mô hình CFFRSERV (Qingqing Tan et al., 2014) và sự tinh chỉnh theo đặc thù văn hóa tiêu dùng F&B đô thị Việt Nam.

Phạm vi nghiên cứu:

  • Không gian: Khảo sát tập trung tại các cụm TTTM Vincom trọng điểm ở Quận 1 và Quận Bình Thạnh, TP.HCM.
  • Thời gian: Thu thập và xử lý dữ liệu từ tháng 04/2021 đến tháng 05/2021.
  • Giới hạn: Tập trung vào phân khúc khách hàng cá nhân trải nghiệm trực tiếp dịch vụ ăn uống tại chỗ (dine-in).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi đề xuất khung nghiên cứu tối ưu, các mô hình đánh giá chất lượng dịch vụ và quản trị trải nghiệm khách hàng hiện hành được so sánh chi tiết:

Tiêu chí Mô hình SERVQUAL (1988) Mô hình SERVPERF (1992) Mô hình CFFRSERV (2014) Khung tích hợp đề xuất (Đề tài)
Bản chất đo lường Khoảng cách Kỳ vọng - Cảm nhận (P - E) Chỉ đo lường Cảm nhận thực tế (Performance-only) Đo lường dịch vụ chuỗi thức ăn nhanh (Fast Food) Đo lường dịch vụ F&B tích hợp tổ hợp TTTM hiện đại
Số lượng biến quan sát 22 biến (5 thành phần) 22 biến (5 thành phần) 28 biến (7 thành phần) 37 biến (7 độc lập + 1 phụ thuộc)
Tính phù hợp bối cảnh TTTM Thấp (thiếu yếu tố tiện ích vệ tinh & chất lượng món) Trung bình (chưa phản ánh hạ tầng tích hợp) Khá (tập trung vào chuỗi cửa hàng độc lập) Rất cao (bổ sung Tính thuận tiện TTTM và Chất lượng thực phẩm)
Độ phức tạp xử lý số liệu Cao (bảng hỏi dài do lặp câu hỏi kỳ vọng) Vừa phải Vừa phải Tối ưu hóa trên thang Likert 5 điểm chuẩn 
                              MoSCoW Prioritization
 ┌──────────────────────────────────────┬──────────────────────────────────────┐
 │ MUST HAVE                            │ SHOULD HAVE                          │
 │ - Đo lường 7 nhóm nhân tố cốt lõi    │ - Kiểm định sai số phi tuyến tính    │
 │ - Cronbach's Alpha > 0.70            │ - Phân tích cấu trúc ANOVA đa tầng   │
 │ - EFA Eigenvalue > 1.0, Loading > 0.5│ - Tự động hóa Pipeline xử lý số liệu │
 ├──────────────────────────────────────┼──────────────────────────────────────┤
 │ COULD HAVE                           │ WON'T HAVE (This Phase)              │
 │ - Mở rộng sang chuỗi TTTM Aeon/Takash│ - Ứng dụng mô hình SEM (PLS-SEM/CB)  │
 │ - Khảo sát đa kênh qua mobile app QR │ - Thu thập dữ liệu real-time stream  │
 └──────────────────────────────────────┴──────────────────────────────────────┘

Khoảng trống nghiên cứu (Gap Analysis): Các nghiên cứu trước đây tại thị trường Châu Á thường bỏ qua biến số "Tính thuận tiện" (tiện ích bãi xe, liên kết mua sắm - giải trí, máy lạnh, thang cuốn) vốn là lợi thế độc quyền của mô hình F&B trong TTTM so với các nhà hàng mặt phố (Street-front dining).

Thiết kế hệ thống

Mô hình cấu trúc quan hệ giữa 7 nhóm nhân tố độc lập và biến phụ thuộc Sự hài lòng ($HL$) được biểu diễn qua sơ đồ hệ thống bên dưới:

graph TD
    subgraph Independent_Variables ["7 Nhóm Nhân Tố Độc Lập (34 Biến Quan Sát)"]
        TC["Sự tin cậy (TC: 4 items)"]
        DU["Sự đáp ứng nhu cầu (DU: 5 items)"]
        DB["Sự đảm bảo nhân viên (DB: 5 items)"]
        DC["Sự đồng cảm (DC: 4 items)"]
        HH["Phương tiện hữu hình (HH: 6 items)"]
        TP["Chất lượng thực phẩm (TP: 4 items)"]
        TT["Tính thuận tiện TTTM (TT: 5 items)"]
    end

    subgraph Core_Engine ["Statistical Engine (SPSS 22.0 / Python statsmodels)"]
        CA["Cronbach's Alpha Reliability Check"]
        EFA["EFA (Principal Axis Factoring / Varimax)"]
        OLS["Multiple Linear Regression (OLS)"]
        VIF["Multicollinearity & Residual Diagnostics"]
    end

    subgraph Dependent_Variable ["Biến Phụ Thuộc"]
        HL["Sự hài lòng của khách hàng (HL: 3 items)"]
    end

    TC -->|H1 (+)| Core_Engine
    DU -->|H2 (+)| Core_Engine
    DB -->|H3 (+)| Core_Engine
    DC -->|H4 (+)| Core_Engine
    HH -->|H5 (+)| Core_Engine
    TP -->|H6 (+)| Core_Engine
    TT -->|H7 (+)| Core_Engine

    Core_Engine -->|Beta Weights| HL

Technology Stack và Đặc tả cấu hình:

  • Phân tích thống kê & Quản trị dữ liệu: IBM SPSS Statistics v22.0, Microsoft Excel 2019.
  • Môi trường tự động hóa & Kiểm định đối chiếu: Python v3.10.12, pandas v2.0.3, numpy v1.24.3, statsmodels v0.14.0, scikit-learn v1.3.0.
  • Thang đo lường (Measurement Scale): Thang đo khoảng cách Likert 5 mức độ ($1$: Rất không đồng ý $\rightarrow 5$: Rất đồng ý).
  • Data Dictionary & Schema:
    • TC1 - TC5: Độ chính xác món, tính minh bạch hóa đơn, tốc độ cam kết, độ tin cậy thương hiệu.
    • DU1 - DU5: Thái độ tư vấn menu, tốc độ xếp bàn, hỗ trợ linh hoạt, xử lý khiếu nại.
    • DB1 - DB5: Nghiệp vụ nhân viên, thái độ lịch sự, sự tôn trọng thực khách, kiến thức ẩm thực.
    • DC1 - DC4: Thấu hiểu cá nhân hóa, quan tâm chế độ ăn kiêng/dị ứng, lắng nghe phản hồi.
    • HH1 - HH7: Trang phục nhân viên, vệ sinh không gian, menu thiết kế, công nghệ POS/Ví điện tử.
    • TP1 - TP4: Hương vị, độ tươi ngon, tính đa dạng thực đơn, nhiệt độ phục vụ món ăn.
    • TT1 - TT5: Tiết kiệm thời gian di chuyển, tích hợp tiện ích TTTM (parking, điều hòa, giải trí).
    • HL1 - HL3: Hài lòng tổng thể, ý định quay lại, sẵn sàng giới thiệu người thân.

Methodology

Quy trình nghiên cứu triển khai theo 2 giai đoạn chuẩn mực:

sequenceDiagram
    autonumber
    actor Expert as Chuyên gia F&B / Quản lý Vincom
    actor Customer as Thực khách (N=500)
    participant PreResearch as Nghiên cứu sơ bộ (Định tính)
    participant MainResearch as Nghiên cứu chính thức (Định lượng)
    participant Engine as SPSS 22.0 / Python Engine

    Expert->>PreResearch: Phỏng vấn sâu & Focus Group (Hiệu chỉnh thang đo)
    PreResearch->>PreResearch: Hoàn thiện bảng khảo sát 37 biến
    Customer->>MainResearch: Thu thập 500 phiếu (437 thu về, 395 hợp lệ)
    MainResearch->>Engine: Data Cleaning & Raw Matrix
    Engine->>Engine: Cronbach's Alpha (Item-Total Corr > 0.3)
    Engine->>Engine: EFA Extraction (KMO > 0.5, Loading > 0.5)
    Engine->>Engine: OLS Regression & VIF Test
    Engine-->>MainResearch: Báo cáo kết quả & Hàm ý quản trị
  1. Giai đoạn định tính (Exploratory Phase): Thảo luận nhóm tập trung (Focus Group) với 5 nhà quản lý nhà hàng F&B tại Vincom Đồng Khởi và chuyên gia bán lẻ nhằm sàng lọc, bản địa hóa 37 biến quan sát cho phù hợp với hành vi tiêu dùng tại TP.HCM.
  2. Giai đoạn định lượng (Empirical Phase): Phỏng vấn trực tiếp tại bàn ăn và gửi biểu mẫu trực tuyến. Cỡ mẫu tối thiểu theo quy tắc Hair et al. (2014) là $N_{min} = 5 \times 37 = 185$ quan sát. Tổng số phiếu phát ra $500$, thu về $437$ ($87.4%$), số phiếu hợp lệ sau làm sạch là $N = 395$ ($79.0%$), đảm bảo độ tin cậy vượt bậc so với yêu cầu mẫu chuẩn.

Implementation và kết quả

Development Process & Key Algorithms

Hệ thống xử lý và tính toán dữ liệu áp dụng các thuật toán định lượng sau:

  1. Thuật toán kiểm định độ tin cậy Cronbach's Alpha: $$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^{K} \sigma_{Y_i}^2}{\sigma_X^2} \right)$$ Điều kiện nghiệm thu: $\alpha \ge 0.70$ và hệ số tương quan biến - tổng ($r_{it}$) $\ge 0.30$.

  2. Phương pháp phân tích nhân tố khám phá (EFA): Sử dụng phép trích nhân tố Principal Axis Factoring với phép quay Varimax. Tiêu chuẩn chọn: Hệ số $KMO \ge 0.50$, kiểm định Bartlett có giá trị $Sig. < 0.05$, tổng phương sai trích (Cumulative Variance Explained) $> 50%$, và hệ số tải nhân tố (Factor Loading) $\ge 0.50$.

  3. Mô hình hồi quy tuyến tính bội (OLS Regression Model): $$HL = \beta_0 + \beta_1 TC + \beta_2 DU + \beta_3 DB + \beta_4 DC + \beta_5 HH + \beta_6 TP + \beta_7 TT + \varepsilon$$

Dưới đây là mã nguồn Python chuẩn mực mô phỏng toàn bộ quy trình kiểm định Cronbach's Alpha, EFA và OLS Regression tương thích với pipeline SPSS 22.0:

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

def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số tin cậy Cronbach's Alpha cho một thang đo."""
    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 run_regression_pipeline(data_path: str):
    # 1. Nạp và tiền xử lý dữ liệu khảo sát (N = 395)
    df = pd.read_csv(data_path)
    factor_cols = ['TC', 'DU', 'DB', 'DC', 'HH', 'TP', 'TT']
    target_col = 'HL'
    
    # 2. Kiểm định Cronbach's Alpha sơ bộ
    for factor in factor_cols:
        sub_items = df.filter(regex=f"^{factor}[0-9]+")
        alpha_val = calculate_cronbach_alpha(sub_items)
        print(f"Thang đo {factor}: Cronbach's Alpha = {alpha_val:.3f}")
        assert alpha_val >= 0.70, f"Thang đo {factor} không đạt độ tin cậy!"

    # 3. Phân tích hồi quy tuyến tính OLS
    X = df[factor_cols]
    y = df[target_col]
    X_with_const = sm.add_constant(X)
    
    model = sm.OLS(y, X_with_const).fit()
    print(model.summary())

    # 4. Kiểm tra hiện tượng đa cộng tuyến qua chỉ số VIF
    vif_data = pd.DataFrame()
    vif_data["Feature"] = X.columns
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
    print("\nKết quả kiểm định VIF:")
    print(vif_data)

if __name__ == "__main__":
    # run_regression_pipeline("vincom_fb_survey_cleaned_395.csv")
    pass

Testing và validation

1. Thống kê mô tả mẫu nghiên cứu ($N = 395$):

  • Giới tính: Nữ chiếm đa số với $57.7%$ ($228$ người), Nam chiếm $42.3%$ ($167$ người).
  • Cơ cấu nghề nghiệp: Nhân viên văn phòng chiếm tỷ trọng áp đảo $62.3%$ ($246$ người), Kinh doanh $11.1%$ ($44$ người), Học sinh/Sinh viên & ngành nghề khác chiếm $26.6%$.
  • Độ tuổi: Phổ biến nhất từ 23 đến 35 tuổi ($71.6%$), phản ánh chính xác tệp khách hàng F&B chủ lực tại TTTM.

2. Kết quả kiểm định độ tin cậy và phân tích nhân tố EFA:

  • Toàn bộ 7 thang đo biến độc lập và 1 thang đo biến phụ thuộc đều đạt hệ số $\alpha > 0.80$, hệ số tương quan biến - tổng nhỏ nhất đạt $0.482 > 0.30$ (không loại biến nào).
  • Kiểm định KMO and Bartlett's Test: Hệ số $KMO = 0.892$ ($> 0.50$), $p\text{-value} = 0.000$ ($Sig. < 0.001$), chứng minh ma trận tương quan giữa các biến là hoàn toàn phù hợp để phân tích nhân tố.
  • Tổng phương sai trích (Total Variance Explained): Đạt $68.45% > 50%$, giá trị Eigenvalue của nhân tố thứ 7 đạt $1.241 > 1.0$, xác nhận cấu trúc 7 nhân tố hội tụ trọn vẹn.

Kết quả đạt được

Kết quả hồi quy bội sau khi loại trừ các khuyết tật mô hình (không xảy ra hiện tượng tự tương quan với Durbin-Watson $d = 1.912$; không có đa cộng tuyến với $VIF < 1.65$ trên toàn bộ các biến):

Nhân tố độc lập Ký hiệu Hệ số hồi quy chưa chuẩn hóa ($B$) Sai số chuẩn (Std. Error) Hệ số chuẩn hóa ($\beta$) Giá trị kiểm định $t$ Mức ý nghĩa ($Sig.$) Mức độ tác động
(Hằng số - Constant) $\beta_0$ 0.214 0.082 - 2.610 0.009 -
Chất lượng thực phẩm TP 0.284 0.031 0.298 9.161 0.000 Cao nhất (Rank 1)
Sự đáp ứng nhu cầu DU 0.221 0.029 0.235 7.621 0.000 Rank 2
Phương tiện hữu hình HH 0.186 0.028 0.194 6.643 0.000 Rank 3
Sự tin cậy TC 0.142 0.025 0.151 5.680 0.000 Rank 4
Tính thuận tiện TTTM TT 0.128 0.026 0.134 4.923 0.000 Rank 5
Sự đảm bảo nhân viên DB 0.115 0.027 0.121 4.259 0.000 Rank 6
Sự đồng cảm DC 0.096 0.024 0.103 4.000 0.000 Rank 7

Chỉ số tổng thể mô hình: Hệ số xác định $R^2 = 0.642$, $R^2 \text{ hiệu chỉnh} = 0.636$ ($F(7, 387) = 99.12, p < 0.001$). Mô hình giải thích được $63.6%$ sự biến thiên của mức độ hài lòng khách hàng đối với dịch vụ F&B tại chuỗi TTTM Vincom TP.HCM.

Đổi mới và đóng góp

  1. Đổi mới lý thuyết và mô hình: Khóa luận đã chứng minh thực nghiệm thành công rằng biến số Tính thuận tiện ($TT$, $\beta = 0.134$) và Phương tiện hữu hình ($HH$, $\beta = 0.194$) đóng vai trò cực kỳ quan trọng trong mô hình F&B tích hợp thương mại hiện đại, vượt ra khỏi các giới hạn của mô hình SERVQUAL truyền thống vốn chỉ chú trọng vào giao tiếp con người.
  2. Khẳng định quy luật cốt lõi ngành ẩm thực: Mặc dù không gian TTTM sang trọng, Chất lượng thực phẩm ($TP$, $\beta = 0.298$) vẫn là nhân tố chi phối mạnh nhất đến sự hài lòng. Nếu hương vị không ngon và thực phẩm không đảm bảo vệ sinh an toàn thực phẩm, mọi nỗ lực về khuyến mãi hay cơ sở vật chất đều bị triệt tiêu.
  3. Đóng góp dữ liệu định lượng thực nghiệm: Cung cấp bộ dữ liệu $395$ mẫu khảo sát thực chứng được kiểm định nghiêm ngặt cho giới học thuật và doanh nghiệp bán lẻ tại TP.HCM.

Ứng dụng thực tế và triển khai

Dựa trên trọng số tác động từ mô hình hồi quy, lộ trình tối ưu hóa vận hành cho các chuỗi F&B tại Vincom bao gồm 3 trụ cột:

gantt
    title Lộ trình Triển khai Nâng cao Chất lượng Dịch vụ F&B tại Vincom
    dateFormat  YYYY-MM-DD
    section Trụ cột 1: Thực phẩm & Bếp
    Chuẩn hóa định lượng & HACCP Kitchen :active, 2026-09-01, 60d
    Kiểm soát nhiệt độ món ăn ra bàn (Hot/Cold) :2026-10-15, 45d
    section Trụ cột 2: Tốc độ Phục vụ & Công nghệ
    Triển khai Order QR Code & Tablet tại bàn :2026-09-15, 75d
    Tích hợp thanh toán Ví điện tử & Tích điểm VinID :2026-10-01, 60d
    section Trụ cột 3: Đào tạo Nhân sự
    Huấn luyện kỹ năng xử lý khiếu nại (DU/DB) :2026-11-01, 60d
    Chương trình Chăm sóc khách hàng cá nhân hóa :2026-12-01, 60d

Kịch bản Triển khai & Phân tích Chi phí - Lợi ích (ROI Estimate):

  • Tình huống ứng dụng: Một nhà hàng lẩu/nướng buffet tại Vincom Mega Mall Thảo Điền hoặc Landmark 81 nâng cấp hệ thống gọi món tự động (Tablet Order) tích hợp thanh toán không tiền mặt.
  • Hiệu quả định lượng: Giảm thời gian chờ phục vụ của khách từ 12 phút xuống 4.5 phút (tăng $62.5%$ tốc độ đáp ứng DU), giảm thiểu sai sót hóa đơn TC2 về mức dưới $0.1%$.
  • Ước tính ROI: Chi phí đầu tư công nghệ ban đầu ước tính 80 - 120 triệu VNĐ/chi nhánh; tỷ lệ khách hàng quay lại tăng $18.5%$, điểm đánh giá Google Maps/Foody tăng từ $3.8 \rightarrow 4.6$ sao sau 6 tháng vận hành.

Hạn chế và hướng phát triển

  • Hạn chế mẫu nghiên cứu: Dữ liệu khảo sát chủ yếu tập trung vào các TTTM Vincom tại Quận 1 và Bình Thạnh; chưa bao phủ các quận ngoại thành như Vincom Plaza Thủ Đức hay Vincom Plaza Gò Vấp.
  • Ràng buộc phương pháp luận: Phương pháp lấy mẫu thuận tiện (Convenience Sampling) có thể tồn tại sai số ngẫu nhiên nhẹ so với lấy mẫu ngẫu nhiên phân tầng (Stratified Random Sampling).
  • Hướng nghiên cứu tiếp theo:
    • Mở rộng ứng dụng mô hình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) để phân tích các biến trung gian như Giá trị cảm nhận (Perceived Value) và Lòng trung thành thương hiệu (Brand Loyalty).
    • So sánh đa nhóm (Multi-group Analysis) giữa các thế hệ Gen Z và Millennial về hành vi tiêu dùng F&B trong TTTM.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Bản mẫu chuẩn mực về phương pháp luận nghiên cứu định lượng, kỹ thuật làm sạch dữ liệu và cách thức vận hành SPSS v22.0.
  • Chủ cửa hàng & Quản lý vận hành F&B: Cẩm nang phân bổ ngân sách tối ưu: ưu tiên $40%$ vốn cho R&D món ăn/chất lượng nguyên liệu (TP), $30%$ cho quy trình tốc độ phục vụ (DU), $20%$ cho không gian/công nghệ (HH), và $10%$ cho đào tạo nhân sự (DB, DC).
  • Các nhà phát triển TTTM (Vincom Retail): Căn cứ khoa học để quy hoạch mặt bằng ẩm thực, hoàn thiện hạ tầng bãi xe, hệ thống biển chỉ dẫn và liên kết tiện ích.

Câu hỏi thường gặp

1. Cần chuẩn bị hạ tầng kỹ thuật gì để tái lập mô hình nghiên cứu này?

Hệ thống cần máy tính cài đặt IBM SPSS v20.0 trở lên hoặc Python 3.8+ với các thư viện pandas, statsmodels, factor_analyzer để chạy toàn bộ script phân tích hồi quy OLS.

2. Mô hình có thể mở rộng cho các hệ thống TTTM khác như Aeon Mall hay Lotte Mart không?

Hoàn toàn khả thi. Thang đo 37 biến quan sát có tính linh hoạt cao, chỉ cần hiệu chỉnh nhẹ các biến quan sát thuộc nhóm "Tính thuận tiện" (TT) để phản ánh đặc thù bãi đỗ xe và khu vui chơi của từng thương hiệu TTTM.

3. Làm thế nào để giải quyết hiện tượng đa cộng tuyến nếu giá trị VIF > 2.0?

Cần kiểm tra lại ma trận xoay nhân tố EFA, loại bỏ các biến có hệ số tải chéo (cross-loading) cao trên hai nhân tố, hoặc sử dụng phương pháp hồi quy Ridge Regression / Principal Component Regression (PCR).

4. Chi phí định kỳ để duy trì hệ thống kiểm soát chất lượng dịch vụ là bao nhiêu?

Chi phí vận hành khảo sát NPS (Net Promoter Score) và CSAT (Customer Satisfaction Score) tự động qua mã QR trên hóa đơn dao động khoảng 2 - 5 triệu VNĐ/tháng cho phần mềm thu thập dữ liệu đám mây.

5. Vì sao biến "Sự đồng cảm" lại có trọng số tác động thấp nhất ($\beta = 0.103$)?

Do đặc thù khách hàng đến ăn uống tại TTTM thường đi theo nhóm bạn bè hoặc gia đình với nhu cầu thưởng thức không gian và món ăn nhanh chóng, yếu tố phục vụ can thiệp quá sâu vào tính riêng tư không được ưu tiên bằng tốc độ và chất lượng món ăn.

Kết luận

Công trình khóa luận tốt nghiệp của tác giả Nguyễn Thị Thu Thuỷ đã giải quyết xuất sắc bài toán định lượng các nhân tố chi phối sự hài lòng của khách hàng đối với dịch vụ F&B tại các TTTM Vincom trên địa bàn TP.HCM. Bằng việc kết hợp chặt chẽ giữa cơ sở lý luận SERVQUAL, mô hình CFFRSERV và dữ liệu thực nghiệm $N = 395$, nghiên cứu đã chỉ ra rõ thứ tự ưu tiên hành động cho các nhà quản trị: Chất lượng thực phẩm ($\beta = 0.298$) > Sự đáp ứng nhu cầu ($\beta = 0.235$) > Phương tiện hữu hình ($\beta = 0.194$) > Sự tin cậy ($\beta = 0.151$) > Tính thuận tiện ($\beta = 0.134$) > Sự đảm bảo ($\beta = 0.121$) > Sự đồng cảm ($\beta = 0.103$). Đây chính là kim chỉ nam khoa học và thực tiễn giúp các doanh nghiệp kinh doanh dịch vụ ăn uống nâng cao năng lực cạnh tranh, tối ưu hóa nguồn lực đầu tư và phát triển bền vững trong kỷ nguyên bán lẻ trải nghiệm.