Giới thiệu dự án

Thị trường bảo hiểm nhân thọ tại Việt Nam đang trải qua giai đoạn chuyển mình mạnh mẽ sau những biến động kinh tế - xã hội. Theo số liệu từ Cục Quản lý, Giám sát Bảo hiểm (Bộ Tài chính), tổng doanh thu phí bảo hiểm toàn thị trường năm 2020 đạt 184.662 tỷ đồng (tăng trưởng 19% so với năm 2019), trong đó khối bảo hiểm nhân thọ chiếm ưu thế với 127.560 tỷ đồng, được vận hành bởi 18 doanh nghiệp bảo hiểm được cấp phép (như Prudential, Bảo Việt Nhân thọ, Manulife, Dai-ichi Life, AIA). Tuy nhiên, tỷ lệ dân số tham gia bảo hiểm nhân thọ tại Việt Nam vẫn còn khiêm tốn so với các quốc gia phát triển trong khu vực.

Tại Thành phố Huế – trung tâm kinh tế, giáo dục, văn hóa của tỉnh Thừa Thiên Huế với quy mô dân số trên 1,1 triệu dân – thị trường bảo hiểm nhân thọ đối mặt với rào cản hành vi đặc thù: đại bộ phận người tiêu dùng vẫn duy trì thói quen tích lũy tài sản truyền thống như giữ tiền mặt, mua vàng hoặc gửi tiết kiệm ngân hàng. Tâm lý e ngại rủi ro pháp lý và sự phức tạp của sản phẩm bảo hiểm khiến tỷ lệ chuyển đổi quyết định mua còn thấp so với tiềm năng.

Đề tài "Phân tích các yếu tố ảnh hưởng đến quyết định mua bảo hiểm nhân thọ Prudential của khách hàng tại Thành phố Huế" được thực hiện nhằm giải quyết các bài toán sau:

  1. Đánh giá thực trạng hành vi tiêu dùng và quyết định tham gia sản phẩm bảo hiểm nhân thọ Prudential của khách hàng trên địa bàn Thành phố Huế.
  2. Lượng hóa mức độ ảnh hưởng của các nhóm nhân tố tác động đến quyết định mua thông qua mô hình phân tích định lượng chuẩn tắc.
  3. Xây dựng hệ thống hàm ý quản trị và giải pháp marketing - kinh doanh dựa trên bằng chứng thực nghiệm (empirical evidence) nhằm tối ưu hóa chiến lược khai thác thị trường cho Công ty TNHH Bảo hiểm Nhân thọ Prudential Việt Nam - Chi nhánh Huế.

Dự án áp dụng phương pháp tiếp cận kết hợp (mixed-method approach): nghiên cứu định tính (phỏng vấn sâu chuyên gia $n=5$ và khách hàng $n=5$) kết hợp nghiên cứu định lượng ($N=130$ mẫu khảo sát chuẩn). Nghiên cứu giới hạn phạm vi khảo sát đối với nhóm khách hàng trong độ tuổi từ 25 đến 55 tuổi có thu nhập ổn định tại khu vực nội - ngoại thành TP. Huế trong khung thời gian 2021 – 2022.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tổng quan các mô hình hành vi người tiêu dùng và chất lượng dịch vụ bảo hiểm nhân thọ cho thấy nhiều góc nhìn tiếp cận đa dạng:

Công trình nghiên cứu Mô hình / Lý thuyết nền tảng Nhân tố tác động chính Hạn chế / Điểm nghẽn
Phạm Thị Định & Nguyễn Thành Vinh (2015) Mô hình SERVQUAL (Parasuraman) Hình ảnh công ty, năng lực nhân viên, giải pháp tài chính, tiếp cận dịch vụ Tập trung chủ yếu vào chất lượng dịch vụ sau bán tại Hà Nội, chưa lượng hóa ý định mua sơ cấp.
Phạm Thị Loan & Phan Thị Dung (2015) Mô hình hành vi Sheth, Mittal & Newman (2001) Sự kiện cuộc sống, động cơ mua, ý kiến người thân, uy tín công ty Phạm vi nghiên cứu chỉ áp dụng cho Manulife tại Khánh Hòa, chưa kiểm soát biến kiểm soát nhân khẩu học.
Đỗ Hoàng Anh & Phạm Hồng Mạnh (2018) Mô hình Sheth et al. (2001) & EFA Nhận thức giá trị, kênh phân phối, uy tín, kỳ vọng khách hàng Cỡ mẫu hạn chế, chưa phân tích phương sai ANOVA đa nhóm theo phân khúc thu nhập.
Nguyễn Thị Bình Minh và cs (2020) Kết hợp Kotler & Keller (2012) và Sheth et al. (1999) Nhận thức giá trị, rào cản, động cơ, tư vấn viên, thương hiệu Khảo sát tại đô thị đặc biệt (TP.HCM), độ nhạy cảm giá và tâm lý xã hội khác biệt vùng miền Trung.

Dựa trên phân tích khoảng trống nghiên cứu (gap analysis), đề tài xác lập mô hình khảo sát phù hợp với thị trường TP. Huế, phân loại các yêu cầu nghiên cứu theo ma trận MoSCoW:

  • Must-have: Đo lường tác động của 5 biến tiềm ẩn (Latent Constructs): Nhận thức giá trị sản phẩm ($NTGT$), Thương hiệu công ty ($THCT$), Ý kiến người thân ($YKNT$), Rào cản mua bảo hiểm ($RC$), Động cơ mua bảo hiểm ($DC$).
  • Should-have: Kiểm định phương sai One-Way ANOVA để phát hiện sự khác biệt giữa các biến nhân khẩu học (Độ tuổi, Tình trạng hôn nhân, Học vấn, Thu nhập).
  • Could-have: So sánh tương quan giữa các sản phẩm chính và sản phẩm bổ trợ gia tăng quyền lợi.
  • Won't-have: Nghiên cứu phân khúc khách hàng doanh nghiệp (B2B corporate plans).

Thiết kế hệ thống

Khung nghiên cứu được tích hợp từ Thuyết Hành động Hợp lý (TRA - Fishbein & Ajzen, 1975), Thuyết Hành vi có Kế hoạch (TPB - Ajzen, 1991) và Mô hình 5 giai đoạn quyết định mua của Philip Kotler (2001).

Technology & Analytic Stack:

  • Software: IBM SPSS Statistics Version 20.0, Microsoft Excel Data Analysis Toolpak.
  • Formulas & Algorithms:
    • Xác định kích thước mẫu tối thiểu theo Hair et al. (1998): $$n = m \times 5 = 24 \times 5 = 120 \text{ mẫu}$$ (Trong đó $m = 24$ là tổng số biến quan sát thuộc thang đo Likert 5 mức độ). Cỡ mẫu thực tế thu thập đạt $N = 130$ mẫu hợp lệ.
    • Mô hình hồi quy tuyến tính đa biến (Multivariable Linear Regression): $$Y = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \beta_3 X_3 + \beta_4 X_4 + \beta_5 X_5 + \epsilon$$

Methodology

Quy trình nghiên cứu triển khai theo 2 giai đoạn kế tiếp:

  1. Nghiên cứu sơ bộ (Định tính): Phỏng vấn bán cấu trúc 5 Trưởng nhóm kinh doanh (Sales Unit Managers) và 5 khách hàng hiện hữu của Prudential Huế nhằm sàng lọc, hiệu chỉnh thang đo gốc 24 biến quan sát.
  2. Nghiên cứu chính thức (Định lượng): Khảo sát bằng bảng câu hỏi cấu trúc theo thang đo khoảng cách Likert 5 điểm (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý) thông qua hình thức phỏng vấn trực tiếp và trực tuyến.

Implementation và kết quả

Development process

Quy trình phân tích dữ liệu được lập trình và xử lý tuần tự qua các bước: Làm sạch dữ liệu $\rightarrow$ Thống kê mô tả $\rightarrow$ Kiểm định Cronbach's Alpha $\rightarrow$ Phân tích nhân tố khám phá EFA $\rightarrow$ Kiểm định tương quan Pearson $\rightarrow$ Phân tích Hồi quy đa biến $\rightarrow$ Kiểm định giả định hồi quy & Phân tích phương sai One-Way ANOVA.

Dưới đây là tập lệnh phân tích tương đương trên cú pháp SPSS / Python statsmodels để xử lý pipeline thống kê của đề tài:

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

# 1. Load và chuẩn bị dữ liệu khảo sát (N = 130)
df = pd.read_csv("prudential_hue_survey_data.csv")

# 2. Kiểm tra hệ số tin cậy Cronbach's Alpha nội tại cho thang đo
def cronbach_alpha(items):
    item_scores = df[items]
    item_variances = item_scores.var(axis=0, ddof=1)
    total_score = item_scores.sum(axis=1)
    total_variance = total_score.var(ddof=1)
    k = item_scores.shape[1]
    return (k / (k - 1)) * (1 - item_variances.sum() / total_variance)

# 3. Chạy Hồi quy Tuyến tính Đa biến (OLS Regression)
X = df[['NTGT_Mean', 'THCT_Mean', 'YKNT_Mean', 'RC_Mean', 'DC_Mean']]
y = df['QD_Mean']
X_with_const = sm.add_constant(X)

ols_model = sm.OLS(y, X_with_const).fit()
print(ols_model.summary())

# 4. Kiểm định ANOVA kiểm tra khác biệt theo nhóm thu nhập
groups = [group["QD_Mean"].values for _, group in df.groupby("Income_Level")]
f_val, p_val = stats.f_oneway(*groups)
print(f"ANOVA Test by Income: F = {f_val:.3f}, p-value = {p_val:.4f}")

Testing và validation

1. Đánh giá độ tin cậy thang đo (Reliability Analysis)

Thang đo đạt yêu cầu khi hệ số Cronbach's Alpha $\ge 0,60$ và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0,30$.

  • Thang đo biến độc lập: Toàn bộ 5 nhóm nhân tố với 20 biến quan sát đều có hệ số $\alpha \in [0,724; 0,865]$, không có biến rác bị loại bỏ.
  • Thang đo biến phụ thuộc (Quyết định mua - $QD$): 4 biến quan sát đạt Cronbach's Alpha $= 0,812 > 0,60$.

2. Phân tích nhân tố khám phá (EFA)

Sử dụng phương pháp trích Principal Axis Factoring với phép xoay Varimax:

  • Biến độc lập: Chỉ số $KMO = 0,814$ (thỏa mãn $0,5 \le KMO \le 1,0$); Kiểm định Bartlett có giá trị thống kê $Sig. = 0,000 < 0,05$. Tổng phương sai trích (Total Variance Explained) đạt $62,45% > 50%$, điểm dừng Eigenvalue $= 1,218 > 1,0$. Hệ số tải nhân tố (Factor Loading) của tất cả 20 biến đều $\ge 0,55$.
  • Biến phụ thuộc: $KMO = 0,762$, $Sig. = 0,000$, phương sai trích đạt $58,92%$, trích thành 1 nhân tố duy nhất.

3. Kiểm định phương sai One-Way ANOVA & Levene Test

  • Kiểm định Levene: Các phép thử đồng nhất phương sai đều có $Sig. > 0,05$, khẳng định phương sai giữa các nhóm mẫu là đồng nhất, thỏa mãn điều kiện chạy One-Way ANOVA.
  • Kết quả One-Way ANOVA:
    • Độ tuổi: $F = 4,128; Sig. = 0,008 < 0,05 \rightarrow$ Có sự khác biệt có ý nghĩa thống kê về quyết định mua giữa các nhóm tuổi (nhóm 36 - 45 tuổi có xu hướng quyết định mua cao nhất).
    • Thu nhập: $F = 5,632; Sig. = 0,001 < 0,05 \rightarrow$ Nhóm thu nhập trên 15 triệu VNĐ/tháng có tỷ lệ tham gia sản phẩm bảo hiểm cao vượt trội.
    • Trình độ học vấn & Tình trạng hôn nhân: $Sig. < 0,05 \rightarrow$ Người đã kết hôn và có trình độ đại học trở lên có nhận thức bảo vệ tài chính gia đình rõ rệt hơn.

Kết quả đạt được

Hệ thống phương trình hồi quy tuyến tính chuẩn hóa thu được từ phân tích thực nghiệm:

$$QD = 0,382 \times NTGT + 0,274 \times THCT + 0,195 \times YKNT + 0,148 \times RC + 0,112 \times DC$$

Nhân tố Mã hóa Hệ số $\beta$ chuẩn hóa Giá trị $t$ Mức ý nghĩa ($Sig.$) Mức độ tác động
Nhận thức giá trị sản phẩm $NTGT$ 0,382 4,892 0,000 Cao nhất (Thứ 1)
Thương hiệu công ty $THCT$ 0,274 3,615 0,000 Thứ 2
Ý kiến của người thân $YKNT$ 0,195 2,784 0,006 Thứ 3
Rào cản mua bảo hiểm $RC$ 0,148 2,105 0,037 Thứ 4
Động cơ mua bảo hiểm $DC$ 0,112 1,986 0,049 Thứ 5
  • Hệ số xác định mô hình: $R^2 = 0,542$, $R^2$ hiệu chỉnh $= 0,523$, cho thấy 5 nhân tố giải thích được $52,3%$ sự biến thiên trong quyết định mua bảo hiểm nhân thọ Prudential của khách hàng tại TP. Huế.
  • Kiểm định F của ANOVA hồi quy: $F = 29,341$ với $Sig. = 0,000 < 0,001$, khẳng định mô hình hồi quy tuyến tính xây dựng là hoàn toàn phù hợp với tổng thể dữ liệu thực tế.

Đổi mới và đóng góp

  1. Hiệu chỉnh mô hình lý thuyết cho thị trường địa phương: Tích hợp mô hình lý thuyết hành vi người tiêu dùng kinh điển (Kotler, TRA, TPB) vào bối cảnh văn hóa chi tiêu đặc trưng của miền Trung (tính cẩn trọng, ưu tiên an toàn tài chính và chịu ảnh hưởng sâu sắc từ nhóm tham khảo gia đình).
  2. Lượng hóa vai trò của nhận thức giá trị: Chứng minh bằng định lượng rằng Nhận thức giá trị sản phẩm ($\beta = 0,382$) có sức nặng vượt trội hơn hẳn so với chỉ đơn thuần quảng bá Thương hiệu công ty ($\beta = 0,274$), thay đổi tư duy tiếp thị bảo hiểm từ "bán sự sợ hãi" sang "thiết kế giải pháp gia tăng tài chính".
  3. Phát hiện tương quan tích cực giữa xử lý rào cản và hành vi: Khác với các nghiên cứu trước đây chỉ xem rào cản là yếu tố kìm hãm tiêu cực, nghiên cứu này chứng minh khi doanh nghiệp chủ động cung cấp thông tin minh bạch để giải tỏa rào cản (về thủ tục thanh toán, điều khoản hợp đồng), quyết định mua của khách hàng tăng trưởng $14,8%$.

Ứng dụng thực tế và triển khai

Dựa trên kết quả định lượng, Prudential Việt Nam - Chi nhánh Huế có thể áp dụng lộ trình triển khai 4 giai đoạn:

Chiến lược cụ thể theo nhóm nhân tố:

  • Giải pháp Nhận thức Giá trị ($\beta = 0,382$): Thiết kế gói giải pháp tài chính linh hoạt kết hợp giữa bảo vệ y tế và đầu tư sinh lời (dòng sản phẩm bảo hiểm liên kết đơn vị), minh bạch bảng minh họa dòng tiền tích lũy.
  • Giải pháp Thương hiệu Công ty ($\beta = 0,274$): Tăng cường nhận diện thương hiệu thông qua các hoạt động tài trợ cộng đồng, y tế, giáo dục tại Thừa Thiên Huế; đẩy mạnh ứng dụng tư vấn 24/7 PRUbot và đặt lịch hẹn tư vấn Matchbook.
  • Giải pháp Tác động Nhóm Tham khảo ($\beta = 0,195$): Xây dựng chính sách ưu đãi hợp đồng theo gói gia đình (Family Package), khuyến khích khách hàng hiện hữu trở thành đại sứ lan tỏa thông tin tích cực.
  • Giải tỏa Rào cản ($\beta = 0,148$): Số hóa 100% quy trình nộp hồ sơ yêu cầu bồi thường bảo hiểm qua ứng dụng di động, rút ngắn thời gian chi trả quyền lợi xuống dưới 24 giờ làm việc.

Hạn chế và hướng phát triển

Hạn chế học thuật

  • Phương pháp lấy mẫu: Kỹ thuật chọn mẫu thuận tiện (Convenience Sampling) với kích thước $N=130$ tập trung tại khu vực đô thị TP. Huế có thể giới hạn tính đại diện tổng quát cho toàn bộ địa bàn các huyện thị lân cận.
  • Phương pháp phân tích: Mô hình hồi quy OLS đa biến chỉ kiểm tra quan hệ tuyến tính một chiều, chưa khảo sát các biến trung gian (Mediating variables) hay điều tiết phức hợp (Moderating effects).

Hướng phát triển tiếp theo

  • Mở rộng quy mô mẫu lên $N \ge 300 - 500$ trên phạm vi toàn tỉnh Thừa Thiên Huế và khu vực Bắc Trung Bộ.
  • Ứng dụng mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) hoặc PLS-SEM để phân tích sâu mối quan hệ giữa Niềm tin thương hiệu $\rightarrow$ Thái độ $\rightarrow$ Ý định $\rightarrow$ Hành vi duy trì hợp đồng tái tục.

Đối tượng hưởng lợi

  • Sinh viên & Giảng viên khối ngành Kinh tế / Quản trị Kinh doanh: Bộ tài liệu tham khảo chuẩn tắc về phương pháp luận nghiên cứu thị trường, quy trình phân tích EFA - ANOVA - Hồi quy đa biến trên dữ liệu thực.
  • Doanh nghiệp & Ban Giám đốc Chi nhánh Bảo hiểm: Cơ sở thực chứng để phân bổ ngân sách marketing, tối ưu hóa danh mục sản phẩm và nâng cao năng lực cạnh tranh địa bàn.
  • Đội ngũ Đại lý & Tư vấn viên Tài chính: Thấu hiểu insight tâm lý người tiêu dùng, cải tiến kỹ năng tư vấn tập trung vào giá trị cốt lõi thay vì áp đặt doanh số.
  • Khách hàng & Người tiêu dùng: Tiếp cận thông tin bảo hiểm đa chiều, minh bạch, bảo vệ quyền lợi tài chính dài hạn trước các biến cố rủi ro.

Câu hỏi thường gặp

1. Kích thước mẫu N = 130 có đảm bảo độ tin cậy thống kê cho phân tích EFA và Hồi quy không?

Theo tiêu chuẩn thực hành thống kê của Hair et al. (1998), kích thước mẫu tối thiểu cần đạt tỷ lệ 5 quan sát cho 1 biến đo lường ($5:1$). Bảng khảo sát gồm 24 biến quan sát ($24 \times 5 = 120$). Cỡ mẫu thực tế thu thập là 130 mẫu hợp lệ, hoàn toàn đáp ứng ngưỡng kiểm định, đảm bảo hệ số $KMO = 0,814 > 0,50$ và phương sai trích $> 50%$.

2. Làm thế nào để kiểm soát hiện tượng đa cộng tuyến (Multicollinearity) trong mô hình hồi quy?

Trong quá trình xử lý SPSS, kiểm định hệ số phóng đại phương sai VIF (Variance Inflation Factor) và hệ số chấp nhận Tolerance cần được kích hoạt. Mô hình đạt chuẩn khi toàn bộ hệ số $VIF < 2,0$ (thấp hơn nhiều so với ngưỡng cảnh báo vi phạm $VIF \ge 10$), khẳng định không xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập.

3. Tại sao biến "Rào cản mua bảo hiểm" lại có tác động cùng chiều trong mô hình này?

Trong thiết kế thang đo của đề tài, các biến thuộc nhóm "Rào cản" được lượng hóa theo mức độ tháo gỡ khó khăn: khi doanh nghiệp cung cấp giải pháp minh bạch về quy trình, thủ tục đơn giản và giải tỏa nỗi lo bị chiếm dụng vốn, khách hàng sẽ có xu hướng đưa ra quyết định mua nhanh hơn.

4. Kết quả nghiên cứu có thể áp dụng cho các hãng bảo hiểm nhân thọ khác như Manulife hay Bảo Việt không?

Có. Mặc dù dữ liệu thực nghiệm khảo sát trên nhóm khách hàng của Prudential, khung mô hình 5 nhân tố ($NTGT, THCT, YKNT, RC, DC$) và quy trình kiểm định nhân khẩu học hoàn toàn có thể chuyển giao để nghiên cứu hành vi khách hàng của các công ty bảo hiểm nhân thọ khác trên thị trường Việt Nam.

5. Yếu tố nhân khẩu học nào ảnh hưởng mạnh nhất đến quyết định mua bảo hiểm tại Huế?

Phân tích One-Way ANOVA khẳng định hai yếu tố có biến thiên khác biệt lớn nhất là Độ tuổi (nhóm 36 - 45 tuổi) và Mức thu nhập (trên 15 triệu đồng/tháng), do đây là giai đoạn cá nhân tích lũy tài sản vững chắc và gánh vác trách nhiệm tài chính trụ cột gia đình cao nhất.

Kết luận

Khóa luận tốt nghiệp của tác giả Võ Văn Thạnh đã hệ thống hóa thành công bức tranh toàn diện về các nhân tố chi phối quyết định mua bảo hiểm nhân thọ Prudential tại Thành phố Huế. Thông qua phương pháp kiểm định thống kê chuẩn tắc, đề tài đã chỉ rõ thứ tự ưu tiên tác động: Nhận thức giá trị sản phẩm ($\beta = 0,382$) $\rightarrow$ Thương hiệu công ty ($\beta = 0,274$) $\rightarrow$ Ý kiến người thân ($\beta = 0,195$) $\rightarrow$ Rào cản mua bảo hiểm ($\beta = 0,148$) $\rightarrow$ Động cơ mua bảo hiểm ($\beta = 0,112$). Đây là luận cứ thực nghiệm có giá trị thực tiễn cao, giúp các nhà quản trị bảo hiểm xây dựng chiến lược kinh doanh nhân văn, lấy khách hàng làm trọng tâm và thúc đẩy sự phát triển bền vững của thị trường tài chính - bảo hiểm tại Việt Nam.