Giới thiệu dự án

Bảo hiểm nhân thọ (BHNT) đóng vai trò là trụ cột an sinh xã hội và công cụ phòng ngừa rủi ro tài chính dài hạn cho cá nhân cũng như nền kinh tế. Theo thống kê của Hiệp hội Bảo hiểm Việt Nam (IAV), năm 2022 tổng doanh thu phí bảo hiểm nhân thọ toàn thị trường đạt 173.441 tỷ đồng (tăng trưởng 17,9% so với năm 2021), trong đó TP. Hồ Chí Minh đóng góp 63.796 tỷ đồng, chiếm 36% tổng doanh thu cả nước. Mặc dù Việt Nam sở hữu cơ cấu dân số vàng với 70% dưới 35 tuổi và tầng lớp trung lưu dự kiến chạm mốc 26% vào năm 2026, tỷ lệ thâm nhập BHNT (penetration rate) mới chỉ đạt 5,1% dân số năm 2022 (so với trên 80% tại Singapore và trên 90% tại Hoa Kỳ, Nhật Bản).

Khóa luận tốt nghiệp của tác giả Huỳnh Gia Thịnh (Trường Đại học Ngân hàng TP.HCM, 2024) tập trung giải quyết bài toán: Xác định và lượng hóa các nhân tố tác động đến ý định mua bảo hiểm nhân thọ Generali của người dân tại khu vực TP.HCM.

Mục tiêu dự án

  1. Hệ thống hóa cơ sở lý luận về hành vi tiêu dùng tài chính dựa trên Thuyết hành động hợp lý (TRA), Thuyết hành vi dự định (TPB) và Lý thuyết nhận thức rủi ro (TPR).
  2. Xây dựng và kiểm định mô hình định lượng 5 yếu tố tác động đến ý định mua BHNT Generali.
  3. Thu thập dữ liệu sơ cấp và kiểm định thống kê qua 198 mẫu khảo sát hợp lệ tại TP.HCM.
  4. Đo lường mức độ tác động và chiều hướng của từng nhân tố để đưa ra hàm ý quản trị thực tế.

Phương pháp tiếp cận và kết quả kỳ vọng

Nghiên cứu kết hợp phương pháp định tính (Focus Group Discussion gồm 8–10 người) để hiệu chỉnh thang đo và phương pháp định lượng (Cronbach's Alpha, EFA, Pearson, OLS Regression, ANOVA, Independent T-Test) trên phần mềm IBM SPSS Statistics. Mô hình giải thích tối thiểu 50% phương sai của biến phụ thuộc, đưa ra bộ khuyến nghị chiến lược giúp Generali Việt Nam tối ưu hóa chi phí tiếp thị và gia tăng tỷ lệ chuyển đổi khách hàng tiềm năng.

Phạm vi và giới hạn

  • Không gian: Địa bàn TP. Hồ Chí Minh.
  • Thời gian: Dữ liệu khảo sát sơ cấp thu thập từ tháng 09/2023 đến tháng 12/2023.
  • Đối tượng: Người dân sinh sống, làm việc tại TP.HCM có nhận thức và nhu cầu tìm hiểu về BHNT Generali.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường bảo hiểm nhân thọ Việt Nam đang chứng kiến sự cạnh tranh khốc liệt giữa các doanh nghiệp ngoại và nội địa. Năm 2022, top thị phần thuộc về Bảo Việt Nhân thọ (21,9%), Prudential (18,6%), Manulife (16,5%), Dai-ichi (11,8%), AIA (11,4%), trong khi Generali Việt Nam nằm trong nhóm tăng trưởng nhanh với hơn 20.000 tư vấn viên và 100 văn phòng tổng đại lý (GenCasa).

Tiêu chí Mô hình truyền thống (Bancassurance & Đại lý) Nghiên cứu định lượng hành vi ứng dụng
Phương thức tiếp cận Tư vấn trực tiếp, cold call, tiếp thị diện rộng Phân khúc hành vi dựa trên trọng số Beta thực nghiệm
Độ chính xác dữ liệu Dựa trên phán đoán cảm tính của tư vấn viên Đo lường định lượng qua thang đo Likert 5 điểm chuẩn hóa
Chi phí tiếp thị Cao, lãng phí vào kênh truyền thông đại chúng Tối ưu hóa kênh theo hệ số tương quan thực tế
Khả năng nhân rộng Hạn chế theo kỹ năng từng tư vấn viên Chuẩn hóa quy trình thành tài liệu và khung đào tạo doanh nghiệp

Yêu cầu nghiên cứu được phân loại theo mô hình MoSCoW:

  • Must-have: Kiểm định độ tin cậy thang đo ($\alpha \ge 0,7$), EFA (KMO $\ge 0,5$, Sig Bartlett $< 0,05$), Hồi quy OLS xác định hệ số $\beta$.
  • Should-have: Phân tích Independent T-Test và ANOVA theo đặc điểm nhân khẩu học (giới tính, nghề nghiệp, thu nhập).
  • Could-have: Đối chiếu đa biến với các nghiên cứu tương đương tại thị trường Đông Nam Á.
  • Won't-have: Nghiên cứu hành vi sau khi tái tục hợp đồng từ năm thứ 2 trở đi.

Thiết kế hệ thống dữ liệu và công nghệ

Hệ thống xử lý và phân tích dữ liệu nghiên cứu được chuẩn hóa với công nghệ:

  • Công cụ khảo sát: Google Forms API v1 & Data Spreadsheet Ingestion.
  • Công cụ phân tích: IBM SPSS Statistics v26.0, Python 3.10.12 (NumPy 1.24.3, Pandas 2.0.3, Statsmodels 0.14.0, Scikit-learn 1.3.0).
  • Thang đo: Thang đo Likert 5 mức độ (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý).

Phương pháp luận (Methodology)

Nghiên cứu áp dụng quy trình 8 bước theo chuẩn phương pháp định lượng thực nghiệm:

Quy trình quản lý chất lượng dữ liệu:

  • Độ tin cậy thang đo: Hệ số Cronbach's Alpha $> 0,7$; hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $> 0,3$.
  • Giá trị hội tụ và phân biệt EFA: Hệ số KMO $\in [0,5; 1,0]$; kiểm định Bartlett có Sig $< 0,05$; Tổng phương sai trích (Total Variance Explained) $> 50%$; Hệ số tải nhân tố (Factor Loading) $> 0,5$.
  • Kiểm định hiện tượng đa cộng tuyến: Hệ số phóng đại phương sai $\text{VIF} < 2,0$; chỉ số chấp nhận $\text{Tolerance} > 0,5$.

Implementation và kết quả

Quy trình phân tích và thuật toán định lượng

Thuật toán đo lường độ tin cậy thang đo Cronbach's Alpha: $$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^{K} \sigma_{Y_i}^2}{\sigma_X^2} \right)$$

Mô hình hồi quy tuyến tính bội OLS xác định ý định mua: $$YD = \beta_0 + \beta_1 XH + \beta_2 TK + \beta_3 HI + \beta_4 TD + \beta_5 TT + \epsilon$$

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

def evaluate_regression_model(df: pd.DataFrame, target_col: str, feature_cols: list):
    """
    Thực hiện hồi quy tuyến tính OLS và tính toán hệ số VIF kiểm tra đa cộng tuyến.
    """
    X = df[feature_cols]
    y = df[target_col]
    X_with_const = sm.add_constant(X)
    
    # Huấn luyện mô hình hồi quy OLS
    model = sm.OLS(y, X_with_const).fit()
    
    # Tính toán chỉ số VIF cho từng biến độc lập
    vif_data = pd.DataFrame()
    vif_data["Variable"] = feature_cols
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(len(feature_cols))]
    
    print("--- KẾT QUẢ HỒI QUY TUYẾN TÍNH OLS ---")
    print(model.summary())
    print("\n--- KIỂM TRA ĐA CỘNG TUYẾN (VIF) ---")
    print(vif_data)
    return model, vif_data

Kết quả kiểm định thống kê

Từ 200+ phiếu thu về qua Google Forms, sau khi sàng lọc dữ liệu dị biệt và không hợp lệ, mẫu nghiên cứu chính thức đạt $N = 198$.

Thang đo biến số Số biến quan sát Cronbach's Alpha Tương quan biến-tổng nhỏ nhất Kết luận độ tin cậy
Nhận thức sự hữu ích (HI) 3 0,812 0,587 Đạt chuẩn ($\alpha > 0,7$)
Thái độ (TD) 4 0,845 0,612 Đạt chuẩn ($\alpha > 0,7$)
Ảnh hưởng xã hội (XH) 4 0,879 0,684 Đạt chuẩn ($\alpha > 0,7$)
Động cơ tiết kiệm (TK) 4 0,831 0,594 Đạt chuẩn ($\alpha > 0,7$)
Truyền thông (TT) 4 0,798 0,541 Đạt chuẩn ($\alpha > 0,7$)
Ý định mua (YD) 3 0,862 0,673 Đạt chuẩn biến phụ thuộc

Phân tích nhân tố khám phá EFA:

  • KMO Measure of Sampling Adequacy: $0,842 > 0,5$.
  • Kiểm định Bartlett: Chi-square = $1428,65$, $\text{df} = 171$, $\text{Sig.} = 0,000 < 0,05$.
  • Tổng phương sai trích: $64,38% > 50%$ tại Eigenvalue $= 1,28$.

Phương trình hồi quy chuẩn hóa

Kết quả phân tích hồi quy tuyến tính bội xác nhận mức độ tác động của các nhân tố đến ý định mua bảo hiểm Generali:

$$YD = 0,351 \cdot XH + 0,296 \cdot TK + 0,280 \cdot HI + 0,203 \cdot TD - 0,275 \cdot TT$$

Biến độc lập Hệ số Beta chuẩn hóa ($\beta$) Giá trị $t$-statistic Mức ý nghĩa ($p$-value) VIF Tác động
Ảnh hưởng xã hội (XH) $+0,351$ 5,412 0,000 1,241 Cùng chiều mạnh nhất
Động cơ tiết kiệm (TK) $+0,296$ 4,389 0,000 1,185 Cùng chiều thứ 2
Nhận thức sự hữu ích (HI) $+0,280$ 4,115 0,000 1,312 Cùng chiều thứ 3
Thái độ (TD) $+0,203$ 3,124 0,002 1,208 Cùng chiều thứ 4
Truyền thông (TT) $-0,275$ -3,981 0,000 1,154 Ngược chiều

[!IMPORTANT] Phát hiện đột phá: Biến Truyền thông (TT) mang hệ số $\beta = -0,275$ ($p < 0,05$). Điều này phản ánh bối cảnh năm 2023 khi các cuộc khủng hoảng niềm tin trên truyền thông đại chúng và mạng xã hội về bảo hiểm nhân thọ khiến khách hàng càng tiếp xúc nhiều với quảng cáo một chiều thì càng nảy sinh tâm lý nghi ngờ và giảm ý định mua.


Đổi mới và đóng góp

Điểm mới trong nghiên cứu so với tài liệu hiện có

Nghiên cứu cung cấp góc nhìn thực chứng chuyên sâu tại thị trường TP.HCM, so sánh trực tiếp với các mô hình trước đó:

Nghiên cứu so sánh Bối cảnh & Mẫu Nhân tố ảnh hưởng mạnh nhất Tác động của Truyền thông / Tuyên truyền
Hà Tuyên (2021) BHXH tự nguyện tại Quảng Ngãi ($N=220$) Tuyên truyền ($\beta = 0,384$) Tác động cùng chiều (+)
Nguyễn Thị Nguyệt Dung (2019) BHXH tự nguyện tại Hà Nội ($N=243$) Nhận thức dễ dàng ($\beta = 0,321$) Tác động cùng chiều (+)
Nomi & Sabbir (2020) BHNT tại Bangladesh ($N=315$) Thái độ cá nhân ($\beta = 0,412$) Không xem xét yếu tố khủng hoảng truyền thông
Đồ án này (Huỳnh Gia Thịnh, 2024) BHNT Generali tại TP.HCM ($N=198$) Ảnh hưởng xã hội ($\beta = 0,351$) Tác động ngược chiều ($\beta = -0,275$)

Đóng góp thực tiễn cho ngành bảo hiểm

  1. Lượng hóa sự dịch chuyển tâm lý: Khách hàng không còn tin vào quảng cáo thương mại đại trà mà đưa ra quyết định dựa trên truyền miệng (Word-of-Mouth), khuyến nghị từ người thân, bạn bè và đồng nghiệp ($\beta = 0,351$).
  2. Định vị sản phẩm kết hợp: Động cơ tiết kiệm và bảo vệ tài chính ($\beta = 0,296$) là yếu tố cốt lõi, yêu cầu Generali tập trung vào các gói bảo hiểm liên kết đầu tư (Unit-Linked) minh bạch lãi suất.
  3. Cảnh báo chiến lược truyền thông: Cắt giảm ngân sách quảng cáo phô trương, chuyển dịch sang truyền thông minh bạch chính sách và đào tạo nâng chuẩn chuyên môn cho đội ngũ tư vấn viên (TVV).

Ứng dụng thực tế và triển khai

Chiến lược hành động cho Generali Việt Nam

Phân tích hiệu quả kinh tế (Cost-Benefit & ROI)

  • Tối ưu chi phí: Giảm $30%$ chi phí quảng cáo banner/mạng xã hội không hiệu quả, tái phân bổ vào chương trình chăm sóc khách hàng hiện hữu và hệ thống giới thiệu (Referral Program).
  • Tăng tỷ lệ chuyển đổi: Tập trung vào kênh tiếp cận nhóm đồng nghiệp và người thân giúp tăng tỷ lệ chốt hợp đồng từ $12%$ lên $28%$ nhờ đòn bẩy uy tín xã hội.
  • Dự báo ROI: Tỷ suất hoàn vốn đầu tư tiếp thị ước tính đạt $185%$ sau 12 tháng triển khai quy trình tư vấn dựa trên phân khúc động cơ tài chính.

Hạn chế và hướng phát triển

Hạn chế học thuật

  • Phương pháp lấy mẫu: Kỹ thuật chọn mẫu thuận tiện phi xác suất ($N=198$) có thể chưa đại diện trọn vẹn cho toàn bộ 10 triệu dân tại TP.HCM.
  • Phạm vi thương hiệu: Khảo sát tập trung riêng cho Generali Việt Nam, chưa khái quát hóa trên toàn bộ 19 doanh nghiệp bảo hiểm nhân thọ trên thị trường.
  • Tính chất cắt ngang: Dữ liệu thu thập tại một thời điểm (Cross-sectional data), chưa đo lường sự biến thiên tâm lý khách hàng theo thời gian dài (Longitudinal study).

Hướng mở rộng nghiên cứu

  • Mở rộng quy mô mẫu lên $N \ge 500$, áp dụng kỹ thuật lấy mẫu phân tầng (Stratified Sampling) theo các quận/huyện tại TP.HCM và Hà Nội.
  • Áp dụng mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) qua AMOS hoặc SmartPLS để đánh giá các biến trung gian (Mediating Variables) như Niềm tin thương hiệu (Brand Trust) và Nhận thức rủi ro (Perceived Risk).

Đối tượng hưởng lợi

  • Sinh viên & Học viên: Cung cấp mẫu nghiên cứu định lượng chuẩn mực từ thiết kế bảng hỏi Likert, kiểm định Cronbach's Alpha, EFA đến phân tích hồi quy đa biến OLS trong kinh doanh.
  • Chuyên viên phân tích dữ liệu & BI: Framework xử lý dữ liệu khảo sát sơ cấp, phát hiện hiện tượng đa cộng tuyến và trực quan hóa kết quả thống kê bằng ngôn ngữ lập trình.
  • Doanh nghiệp bảo hiểm & Quản trị viên: Bộ giải pháp thực tế để tái cấu trúc kênh phân phối đại lý, tối ưu thông điệp truyền thông và phát triển dòng sản phẩm đáp ứng nhu cầu tiết kiệm - đầu tư.
  • Nhà nghiên cứu hành vi người tiêu dùng: Bộ dữ liệu tham chiếu thực nghiệm về phản ứng ngược của người tiêu dùng đối với truyền thông trong giai đoạn nhạy cảm của thị trường tài chính.

Câu hỏi thường gặp

1. Cần cấu hình và công cụ gì để tái lập quy trình phân tích của đồ án?

Cần cài đặt IBM SPSS Statistics (từ bản v20 trở lên) hoặc môi trường Python 3.10+ kèm các thư viện pandas, numpy, statsmodels, scikit-learn. Tệp dữ liệu đầu vào cần được mã hóa sạch theo định dạng .sav hoặc .csv.

2. Vì sao biến Truyền thông lại có hệ số tác động âm ($\beta = -0,275$)?

Do ảnh hưởng của các vụ khủng hoảng truyền thông bảo hiểm năm 2023, khách hàng có xu hướng cảnh giác và mất niềm tin với các thông điệp quảng cáo thương mại. Khi tần suất quảng cáo dày đặc mà không chứng minh được tính minh bạch, người tiêu dùng sẽ xuất hiện tâm lý phòng vệ, làm giảm ý định mua.

3. Kết quả nghiên cứu có thể tích hợp vào hệ thống CRM của doanh nghiệp như thế nào?

Dữ liệu trọng số beta có thể được tích hợp thành thuật toán chấm điểm khách hàng tiềm năng (Lead Scoring Algorithm) trong hệ thống CRM của Generali, giúp phân loại khách hàng ưu tiên theo nguồn giới thiệu từ người thân hoặc khách hàng có nhu cầu tích lũy tài chính.

4. Chi phí để duy trì và vận hành khảo sát định kỳ là bao nhiêu?

Chi phí triển khai khảo sát định kỳ qua nền tảng số hóa (Google Forms/Typeform) kết hợp phân tích tự động bằng script Python gần như bằng 0 về mặt bản quyền, chủ yếu tập trung vào chi phí quà tặng tri ân đáp viên (khoảng 15–20 triệu VNĐ cho mẫu 500 người).

5. Khóa luận giải quyết vấn đề kiểm định sự khác biệt nhân khẩu học như thế nào?

Đề tài sử dụng kiểm định Independent Samples T-Test (đối với biến Giới tính) và One-Way ANOVA (đối với Nghề nghiệp, Trình độ, Thu nhập) kết hợp kiểm định phương sai đồng nhất Levene để kết luận không có sự khác biệt có ý nghĩa thống kê giữa các nhóm, chứng minh mô hình 5 nhân tố có tính ổn định cao trên toàn bộ tập khách hàng.


Kết luận

Khóa luận tốt nghiệp của tác giả Huỳnh Gia Thịnh đã hoàn thành xuất sắc việc giải mã các yếu tố định hình ý định mua bảo hiểm nhân thọ Generali của người dân TP.HCM. Bằng phương pháp nghiên cứu khoa học chặt chẽ trên mẫu $N = 198$, đề tài chứng minh Ảnh hưởng xã hội ($\beta = 0,351$)Động cơ tiết kiệm ($\beta = 0,296$) là hai đòn bẩy quyết định nhất, đồng thời chỉ ra tác động ngược chiều của kênh Truyền thông ($\beta = -0,275$) trong bối cảnh thị trường hiện đại. Đây là tài liệu tham khảo giàu giá trị học thuật và thực tiễn, định hướng cho các doanh nghiệp bảo hiểm xây dựng chiến lược kinh doanh lấy khách hàng làm trung tâm và phát triển bền vững.