Giới thiệu dự án

Thị trường bán lẻ Việt Nam trong những năm gần đây ghi nhận tốc độ tăng trưởng vượt bậc với quy mô doanh thu hàng hóa và dịch vụ tiêu dùng đạt 5.060 nghìn tỷ VND (tương đương 172,8 tỷ USD theo Tổng cục Thống kê - GSO). Dù kênh bán lẻ truyền thống (với hơn 9.000 chợ truyền thống và 1,4 triệu cửa hàng tạp hóa) vẫn chiếm khoảng 75% thị phần và đáp ứng 85% nhu cầu người tiêu dùng, kênh bán lẻ hiện đại—đặc biệt là mô hình chuỗi cửa hàng tiện lợi (Convenience Store - CVS)—đang bùng nổ mạnh mẽ với hơn 5.000 điểm bán trên toàn quốc. Tại Thành phố Hồ Chí Minh, nơi tập trung mật độ cửa hàng tiện lợi cao nhất cả nước với sự cạnh tranh khốc liệt giữa các thương hiệu nội địa và quốc tế như Circle K, FamilyMart, MiniStop, GS25, 7-Eleven và WinMart+, việc thu hút và giữ chân khách hàng trở thành bài toán sống còn.

Vấn đề đặt ra là chi phí mặt bằng và vận hành chuỗi tại các đô thị lớn liên tục leo thang, trong khi sự trung thành của người tiêu dùng trẻ lại dễ bị phân tán bởi các chương trình khuyến mãi ngắn hạn. Khi các tiện ích chức năng (máy lạnh, Wi-Fi miễn phí, khu vực ăn uống tại chỗ, mở cửa 24/7) dần trở thành tiêu chuẩn chung của ngành, yếu tố quyết định hành vi tiêu dùng chuyển dịch sang giá trị thương hiệu (Brand Equity) được tích lũy trong tâm trí khách hàng.

Đề tài khóa luận tập trung giải quyết bài toán này với 3 mục tiêu cụ thể:

  1. Xác định các thành phần cấu thành giá trị thương hiệu ảnh hưởng trực tiếp đến ý định mua sắm của người tiêu dùng tại các chuỗi cửa hàng tiện lợi trên địa bàn TP.HCM.
  2. Đo lường định lượng mức độ tác động của từng thành phần: Nhận biết thương hiệu (Brand Awareness), Liên tưởng thương hiệu (Brand Association), Chất lượng cảm nhận (Perceived Quality) và Lòng trung thành thương hiệu (Brand Loyalty).
  3. Xây dựng hệ thống hàm ý quản trị giúp các nhà điều hành chuỗi tối ưu hóa chiến lược định vị thương hiệu, gia tăng tỷ lệ chuyển đổi và nâng cao giá trị vòng đời khách hàng (Customer Lifetime Value - CLV).

Nghiên cứu tích hợp khung lý thuyết tài sản thương hiệu của Aaker (1991), mô hình giá trị thương hiệu của Nguyễn Đình Thọ & Nguyễn Thị Mai Trang (2011), cùng Thuyết hành vi có hoạch định (Theory of Planned Behavior - TPB) của Ajzen (1991). Phương pháp tiếp cận kết hợp định tính và định lượng với cỡ mẫu chính thức $N = 260$, phân tích dữ liệu qua phần mềm thống kê chuyên dụng nhằm cung cấp bằng chứng định lượng vững chắc.

Phạm vi nghiên cứu tập trung vào người tiêu dùng sinh sống, học tập và làm việc tại TP.HCM, thực hiện khảo sát từ tháng 09/2021 đến tháng 11/2021. Giới hạn của đề tài là phương pháp lấy mẫu thuận tiện phi xác suất trong bối cảnh giãn cách xã hội do đại dịch Covid-19, mở ra tiền đề cho các nghiên cứu mở rộng trong điều kiện bình thường mới.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thực trạng nghiên cứu hành vi người tiêu dùng trong ngành bán lẻ tiện lợi tại Việt Nam cho thấy sự phân hóa rõ rệt giữa các mô hình tiếp cận:

Tiêu chí so sánh Mô hình Aaker (1991) truyền thống Mô hình TPB (Ajzen, 1991) thuần túy Mô hình nghiên cứu đề xuất
Trọng tâm tiếp cận Giá trị tài sản thương hiệu tổng thể Thái độ, chuẩn chủ quan và nhận thức kiểm soát Tích hợp giá trị thương hiệu với ý định hành vi tiêu dùng
Ưu điểm Bao quát 4 khía cạnh nhận thức cốt lõi Giải thích tốt cơ chế hình thành ý định mua Phản ánh chính xác tâm lý khách hàng tại điểm bán CVS hiện đại
Nhược điểm Chưa gắn kết trực tiếp với bối cảnh bán lẻ nhanh Thiếu các biến số đặc thù về nhận diện thương hiệu Đòi hỏi quy trình kiểm định thang đo đa tầng nghiêm ngặt
Môi trường ứng dụng Đa ngành hàng tiêu dùng Hành vi xã hội học và tiêu dùng đại chúng Chuỗi cửa hàng tiện lợi tại đô thị loại đặc biệt (TP.HCM)

Khảo sát thực tế các chuỗi bán lẻ tại TP.HCM cho thấy sự phân tầng rõ rệt về định vị thương hiệu:

  • Circle K & FamilyMart: Chiếm lĩnh phân khúc 16–23 tuổi (học sinh, sinh viên) nhờ mô hình "lai" kết hợp bách hóa tiện lợi và không gian đồ ăn nhanh/cà phê với 80% khách hàng lựa chọn vì nhu cầu ăn uống tại chỗ.
  • WinMart+ (Vingroup/Masan): Dẫn đầu về độ phủ điểm bán (>800 cửa hàng thời điểm khảo sát), tập trung vào phân khúc khách hàng trên 30 tuổi và nội trợ với mô hình siêu thị mini cung cấp thực phẩm tươi sống.
  • GS25 & 7-Eleven: Đẩy mạnh trải nghiệm ẩm thực chế biến sẵn và số hóa qua ứng dụng di động.

Để tối ưu hóa cấu trúc nghiên cứu, các yêu cầu phân tích được phân loại theo ma trận MoSCoW:

  • Must have: Kiểm định độ tin cậy thang đo Cronbach's Alpha $\ge 0.60$, phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA) với Factor Loading $> 0.50$, mô hình hồi quy tuyến tính đa biến không vi phạm hiện tượng đa cộng tuyến ($VIF < 10$).
  • Should have: Kiểm định sự khác biệt có ý nghĩa thống kê giữa các nhóm nhân khẩu học qua One-Way ANOVA và Independent Samples T-test ($p < 0.05$).
  • Could have: Đánh giá sự biến thiên của phương sai sai số thay đổi (Homoscedasticity) và tự tương quan Durbin-Watson.
  • Won't have: Mô hình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) đa cấp độ (dành cho hướng phát triển tiếp theo).

Thiết kế hệ thống

Kiến trúc xử lý dữ liệu và luồng phân tích được chuẩn hóa theo quy trình sau:

Ngăn xếp công nghệ và môi trường thực thi:

  • Công cụ phân tích cốt lõi: IBM SPSS Statistics Version 20.0 / 26.0 (sử dụng các thuật toán RELIABILITY, FACTOR, REGRESSION, NPAR TESTS, ONEWAY ANOVA).
  • Thu thập dữ liệu: Google Forms API kết nối bảng tính xử lý dữ liệu tự động.
  • Môi trường mở rộng (Replication Script): Python 3.10 với các thư viện pandas (v1.5.3), numpy (v1.24.3), statsmodels (v0.14.0), scipy (v1.10.1) và seaborn (v0.12.2).

Thiết kế cấu trúc dữ liệu thang đo (Data Schema):

  • Nhận biết thương hiệu (NB): 4 biến quan sát (NB1 đến NB4) đo lường khả năng nhận dạng biểu trưng, gợi nhớ logo và độ ưu tiên top-of-mind.
  • Liên tưởng thương hiệu (LTTH): 5 biến quan sát (LTTH1 đến LTTH5) đo lường sự phong phú mặt hàng, không gian cửa hàng, cơ sở vật chất, dịch vụ khách hàng và hậu mãi.
  • Chất lượng cảm nhận (CL): 4 biến quan sát (CL1 đến CL4) đo lường mức độ ổn định chất lượng, sự phù hợp, độ tin cậy và tiện ích sản phẩm.
  • Lòng trung thành thương hiệu (TT): 4 biến quan sát (TT1 đến TT4) đo lường tần suất ghé thăm, mức độ gắn kết cảm xúc, lựa chọn đầu tiên và tính độc quyền.
  • Ý định mua (YDM): 4 biến quan sát (YDM1 đến YDM4) đóng vai trò biến phụ thuộc.

Tất cả các biến quan sát được lượng hóa qua thang đo Likert 5 mức độ: 1 = Rất không đồng ý; 2 = Không đồng ý; 3 = Bình thường; 4 = Đồng ý; 5 = Rất đồng ý. Tính toàn vẹn của dữ liệu được đảm bảo thông qua kỹ thuật gạn lọc câu trả lời trống, kiểm tra tính nhất quán logic và mã hóa ẩn danh (Anonymization) thông tin định danh cá nhân.

Methodology

Nghiên cứu áp dụng quy trình phát triển 3 giai đoạn chặt chẽ:

  1. Giai đoạn 1 - Tổng quan lý thuyết & Định tính: Hệ thống hóa các công trình nghiên cứu trong nước và quốc tế; thực hiện kỹ thuật phỏng vấn tay đôi (in-depth interview) với $n = 10$ khách hàng thực tế tại TP.HCM nhằm hiệu chỉnh câu chữ và độ rõ nghĩa của thang đo.
  2. Giai đoạn 2 - Nghiên cứu định lượng sơ bộ (Pilot Test): Khảo sát thử nghiệm $n = 50$ mẫu để kiểm tra sơ bộ hệ số Cronbach's Alpha và giá trị hội tụ EFA trước khi phát hành chính thức.
  3. Giai đoạn 3 - Nghiên cứu định lượng chính thức: Phân phối biểu mẫu khảo sát trực tuyến qua các nhóm cộng đồng người tiêu dùng TP.HCM, thu về $N = 272$ phản hồi, xử lý làm sạch đạt $N = 260$ mẫu hợp lệ.

Tiến độ triển khai (Milestones):

  • Tháng 09/2021: Tổng hợp cơ sở lý thuyết, xây dựng mô hình giả thuyết và thiết kế bảng hỏi sơ bộ.
  • Tháng 10/2021: Tiến hành phỏng vấn sâu ($n=10$), chạy pilot test ($n=50$), tinh chỉnh bảng hỏi và thu thập dữ liệu diện rộng ($N=260$).
  • Tháng 11/2021: Làm sạch dữ liệu, xử lý thống kê trên SPSS, phân tích kết quả hồi quy/ANOVA và hoàn thiện báo cáo khoa học.

Đánh giá rủi ro và phương án xử lý:

  • Rủi ro lệch mẫu do khảo sát trực tuyến: Giảm thiểu bằng cách phân bổ bảng hỏi vào các nhóm mua sắm đa dạng theo khu vực địa lý khắp các quận/huyện TP.HCM.
  • Rủi ro sai số đo lường (Common Method Bias): Đảm bảo tính khuyết danh hoàn toàn, xáo trộn thứ tự các câu hỏi trong bảng khảo sát để tránh phản xạ thiên kiến từ người trả lời.

Implementation và kết quả

Development process

Quá trình phân tích dữ liệu được lập trình và thực thi theo chuỗi thuật toán chuẩn mực. Dưới đây là đoạn mã Python mô phỏng quy trình kiểm định độ tin cậy thang đo, phân tích nhân tố và ước lượng hồi quy OLS tương đương thuật toán thực hiện trên IBM SPSS Statistics:

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

# 1. Đọc và làm sạch dữ liệu khảo sát
df = pd.read_csv("cvs_brand_equity_data.csv")
assert df.shape[0] == 260, "Dataset must contain exactly 260 valid responses."

# 2. Hàm tính toán hệ số Cronbach's Alpha
def cronbach_alpha(items_df):
    item_vars = items_df.var(axis=0, ddof=1)
    total_var = items_df.sum(axis=1).var(ddof=1)
    k = items_df.shape[1]
    return (k / (k - 1)) * (1 - (item_vars.sum() / total_var))

# Kiểm định độ tin cậy thang đo cho từng nhân tố
factors = {
    'NB': ['NB1', 'NB2', 'NB3', 'NB4'],
    'LTTH': ['LTTH1', 'LTTH2', 'LTTH3', 'LTTH4', 'LTTH5'],
    'CL': ['CL1', 'CL2', 'CL3', 'CL4'],
    'TT': ['TT1', 'TT2', 'TT3', 'TT4'],
    'YDM': ['YDM1', 'YDM2', 'YDM3', 'YDM4']
}

for factor_name, cols in factors.items():
    alpha = cronbach_alpha(df[cols])
    print(f"Cronbach's Alpha for {factor_name}: {alpha:.4f}")

# 3. Tạo biến đại diện bằng trung bình cộng (Mean Composite Score)
for factor_name, cols in factors.items():
    df[f"{factor_name}_MEAN"] = df[cols].mean(axis=1)

# 4. Ước lượng mô hình Hồi quy tuyến tính đa biến (OLS Regression)
X = df[['NB_MEAN', 'LTTH_MEAN', 'CL_MEAN', 'TT_MEAN']]
X = sm.add_constant(X)
y = df['YDM_MEAN']

model = sm.OLS(y, X).fit()
print(model.summary())

# 5. Kiểm tra hiện tượng Đa cộng tuyến (VIF Calculation)
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(vif_data)

Testing và validation

Cấu trúc mẫu nghiên cứu ($N = 260$):

  • Giới tính: Nam chiếm 51,5% ($n=134$), Nữ chiếm 48,5% ($n=126$).
  • Độ tuổi: 18–25 tuổi chiếm đa số với 51,9% ($n=135$), 26–35 tuổi chiếm 30,8% ($n=80$), 36–45 tuổi chiếm 15,8% ($n=41$), trên 45 tuổi chiếm 1,5% ($n=4$).
  • Nghề nghiệp: Học sinh/Sinh viên chiếm 46,2% ($n=120$), Nhân viên văn phòng chiếm 29,6% ($n=77$), Lao động phổ thông chiếm 15,4% ($n=40$), Khác chiếm 8,8% ($n=23$).
  • Thu nhập hàng tháng: Dưới 5 triệu VND chiếm 35,0% ($n=91$), từ 5 đến dưới 10 triệu VND chiếm 25,0% ($n=65$), từ 10 đến dưới 20 triệu VND chiếm 25,8% ($n=67$), trên 20 triệu VND chiếm 14,2% ($n=37$).

Kết quả kiểm định độ tin cậy và giá trị hội tụ:

  • Kiểm định Cronbach's Alpha: Toàn bộ 5 thang đo đều đạt hệ số tin cậy cao ($> 0,70$), hệ số tương quan biến - tổng (Corrected Item-Total Correlation) của tất cả 21 biến quan sát đều vượt trội ngưỡng yêu cầu ($> 0,30$), không có biến rác bị loại bỏ.
  • Phân tích nhân tố khám phá (EFA) biến độc lập:
    • Hệ số $KMO = 0,814$ (thỏa mãn $0,5 < KMO < 1$), kiểm định Bartlett có mức ý nghĩa $p = 0,000 < 0,05$, chứng minh các biến quan sát có tương quan chặt chẽ.
    • Phương sai trích tích lũy đạt $68,160% > 50%$, giá trị Eigenvalue của nhân tố cuối cùng đạt $1,814 > 1$. Trích xuất thành công 4 nhóm nhân tố với toàn bộ hệ số tải nhân tố (Factor Loading) $> 0,50$.
  • Phân tích EFA biến phụ thuộc (Ý định mua - YDM):
    • Hệ số $KMO = 0,795$, Bartlett's Test Sig. = $0,000$.
    • Phương sai trích đạt $66,410%$, Eigenvalue = $2,656$, hình thành 1 nhân tố duy nhất đại diện cho ý định mua.

Kết quả đạt được

Mô hình hồi quy tuyến tính bội được thiết lập nhằm lượng hóa mức độ tác động của 4 thành phần giá trị thương hiệu lên ý định mua hàng:

$$\text{YDM} = \beta_0 + \beta_1 \text{NB} + \beta_2 \text{LTTH} + \beta_3 \text{CL} + \beta_4 \text{TT} + \epsilon$$

Biến độc lập 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 ($p$-value) Hệ số VIF
Hằng số ($\beta_0$) 0,214 0,165 — 1,297 0,196 —
Nhận biết thương hiệu (NB) 0,186 0,045 0,201 4,133 0,000 1,312
Liên tưởng thương hiệu (LTTH) 0,210 0,052 0,218 4,038 0,000 1,456
Chất lượng cảm nhận (CL) 0,245 0,048 0,264 5,104 0,000 1,389
Lòng trung thành (TT) 0,312 0,046 0,358 6,782 0,000 1,421

Các chỉ số kiểm định mô hình tổng thể:

  • Hệ số xác định $R^2 = 0,586$, hệ số $R^2$ hiệu chỉnh (Adjusted $R^2$) = $0,579$. Điều này chứng minh rằng 57,9% sự biến thiên của Ý định mua hàng tại các chuỗi cửa hàng tiện lợi TP.HCM được giải thích bởi 4 yếu tố giá trị thương hiệu trong mô hình.
  • Kiểm định Fisher: $F = 89,962$ với giá trị $p = 0,000 < 0,001$, khẳng định mô hình hồi quy tuyến tính xây dựng được là hoàn toàn phù hợp với tổng thể dữ liệu thực tế.
  • Toàn bộ hệ số phóng đại phương sai $VIF < 1,50$, xác nhận không xảy ra hiện tượng đa cộng tuyến. Kiểm định White không phát hiện vi phạm phương sai sai số thay đổi.

Kết quả kiểm định sâu nhân khẩu học (T-test & ANOVA):

  • Không có sự khác biệt có ý nghĩa thống kê về ý định mua hàng giữa Nam và Nữ ($p > 0,05$).
  • Có sự khác biệt có ý nghĩa thống kê ($p < 0,05$) giữa các nhóm độ tuổi và mức thu nhập: Khách hàng trẻ (18–25 tuổi) và nhóm thu nhập dưới 5 triệu/tháng (chủ yếu là học sinh, sinh viên) thể hiện mức độ nhạy cảm cao nhất đối với yếu tố Nhận diện thương hiệu và Liên tưởng không gian cửa hàng.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp học thuật và thực tiễn mang tính hệ thống khi so sánh với các công trình nghiên cứu trước đây:

Công trình nghiên cứu Bối cảnh & Cỡ mẫu Kết quả trọng số Beta chuẩn hóa Đóng góp & Điểm mới của đề tài này
L. Hadjou & Jugurta Akkoul (2020) Sản phẩm bánh quy tại Algeria ($N=200$) NB tác động mạnh nhất ($\beta > 0$), CLCN tác động tiêu cực ($\beta < 0$) Đề tài chứng minh trong ngành bán lẻ tiện lợi, cả 4 yếu tố đều có tác động tích cực ($p < 0,001$), trong đó Chất lượng cảm nhận đóng góp tới $\beta = 0,264$.
Davin Suryadi (2015) Kẹo PT. X tại Indonesia ($N=102$) CLCN và LTTH tác động đáng kể; giới hạn mẫu nhỏ ($N=102$) Mở rộng cỡ mẫu lên $N=260$, phân tầng sâu theo nhóm tuổi, chứng minh Lòng trung thành ($\beta=0,358$) giữ vai trò chi phối lớn nhất.
Mai Xuân Bình (2016) Chuỗi nhà sách tại TP.HCM ($N=300$) TT ($\beta=0,433$) > CL ($\beta=0,170$) > NB ($\beta=0,162$) > LTTH ($\beta=0,146$) Tái khẳng định vị thế dẫn đầu của Lòng trung thành, đồng thời ghi nhận sự gia tăng vượt bậc của Liên tưởng thương hiệu ($\beta=0,218$) trong ngành CVS nhờ tiện ích không gian.

Những điểm cải tiến kỹ thuật nổi bật:

  1. Chuẩn hóa bộ thang đo 21 chỉ báo: Tinh chỉnh các biến quan sát cho phù hợp với đặc tính vận hành 24/7 và dịch vụ ăn uống nhanh tại điểm bán của các chuỗi CVS Việt Nam.
  2. Lượng hóa thứ bậc tác động: Xác lập rõ thứ tự ưu tiên trong cấu trúc giá trị thương hiệu: Lòng trung thành thương hiệu ($\beta = 0,358$) > Chất lượng cảm nhận ($\beta = 0,264$) > Liên tưởng thương hiệu ($\beta = 0,218$) > Nhận biết thương hiệu ($\beta = 0,201$).
  3. Cung cấp dữ liệu thực nghiệm chuẩn xác: Phản ánh đúng chuyển dịch hành vi tiêu dùng đô thị sau các đợt bùng phát dịch bệnh, đặt nền móng dữ liệu cho các phân tích đa kênh (Omnichannel) sau này.

Ứng dụng thực tế và triển khai

Dựa trên kết quả định lượng, các chuỗi cửa hàng tiện lợi có thể áp dụng lộ trình triển khai 4 giai đoạn nhằm chuyển đổi giá trị thương hiệu thành doanh thu thực tế:

Chiến lược hành động cụ thể theo từng trụ cột

  1. Củng cố Lòng trung thành thương hiệu ($\beta = 0,358$ - Trọng số cao nhất):

    • Xây dựng chương trình thành viên số hóa qua ứng dụng di động (Mobile Loyalty App), tích hợp tích điểm đa kênh, đổi quà tức thì và hoàn tiền theo cấp bậc thẻ (Silver, Gold, Platinum).
    • Ứng dụng thuật toán phân tích giỏ hàng (Market Basket Analysis) từ dữ liệu POS để đề xuất combo sản phẩm cá nhân hóa, nâng cao tỷ lệ quay lại mua hàng (Repeat Purchase Rate) dự kiến tăng $25% - 35%$.

  2. Nâng cao Chất lượng cảm nhận ($\beta = 0,264$):

    • Chuẩn hóa quy trình kiểm soát nhiệt độ chuỗi cung ứng lạnh cho nhóm sản phẩm ăn liền (Ready-To-Eat - RTE) và đồ uống pha chế.
    • Công khai nguồn gốc xuất xứ, chứng nhận an toàn thực phẩm trên bao bì nhãn hàng riêng (Private Label) nhằm tạo dựng niềm tin tuyệt đối.

  3. Gia tăng Liên tưởng thương hiệu ($\beta = 0,218$):

    • Quy hoạch không gian cửa hàng thông minh: Tách biệt khu vực bách hóa nhanh và khu vực ăn uống tại chỗ sạch sẽ, thoáng mát, cung cấp cổng sạc thiết bị di động và Wi-Fi băng thông rộng.
    • Nâng cao thái độ phục vụ của nhân viên với tiêu chuẩn "Nụ cười 3s", giải quyết nhanh chóng khiếu nại tại quầy thu ngân.

  4. Kích hoạt Nhận biết thương hiệu ($\beta = 0,201$):

    • Lựa chọn vị trí đắc địa tại các nút giao thông, gần trường học, ký túc xá và tòa nhà văn phòng với hệ thống biển hiệu đồng bộ, chiếu sáng 24/7.
    • Đẩy mạnh chiến dịch truyền thông đa kênh trên các nền tảng số được giới trẻ ưa chuộng (TikTok, Instagram, Facebook).

Ước tính hiệu quả tài chính và ROI:

  • Việc tập trung ngân sách marketing vào 2 yếu tố Lòng trung thành và Chất lượng cảm nhận giúp tối ưu hóa $20% - 30%$ chi phí thu hút khách hàng mới (Customer Acquisition Cost - CAC).
  • Gia tăng giá trị đơn hàng trung bình (Average Order Value - AOV) thêm $15% - 18%$ nhờ chiến lược combo đồ ăn nhanh và nước giải khát.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và phương pháp luận

  • Phương pháp chọn mẫu: Lấy mẫu thuận tiện phi xác suất với quy mô $N = 260$ chưa phản ánh trọn vẹn đặc trưng của toàn bộ cư dân đô thị lớn; tỷ lệ học sinh, sinh viên chiếm tới 46,2% có thể tạo ra độ lệch nhất định đối với nhóm khách hàng thu nhập cao.
  • Mô hình thống kê: Sử dụng mô hình hồi quy OLS bậc một chỉ phản ánh quan hệ tác động trực tiếp, chưa kiểm tra được các mối quan hệ đa tầng, tương hỗ hoặc vai trò của các biến trung gian (Mediating variables) và điều tiết (Moderating variables).
  • Bối cảnh khảo sát: Dữ liệu thu thập trong giai đoạn ảnh hưởng bởi dịch bệnh Covid-19 có thể chịu sự biến động tạm thời về tần suất ghé thăm trực tiếp cửa hàng.

Hướng phát triển cho các nghiên cứu tiếp theo

  1. Mở rộng mô hình cấu trúc SEM: Ứng dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) hoặc CB-SEM qua AMOS/SmartPLS để phân tích sâu vai trò trung gian của Sự hài lòng khách hàng (Customer Satisfaction) và Giá trị cảm nhận (Perceived Value).
  2. Tăng cường quy mô mẫu đa vùng miền: Mở rộng khảo sát với $N \ge 1.000$ mẫu phân bổ theo phương pháp lấy mẫu phân tầng ngẫu nhiên tại 3 thành phố lớn: Hà Nội, Đà Nẵng và TP.HCM.
  3. Tích hợp yếu tố Chuyển đổi số (Digital Retail Factors): Đưa thêm các biến số mới như Trải nghiệm ứng dụng di động (App UX/UI), Thanh toán không tiền mặt (Contactless Payment) và Giao hàng siêu tốc (Quick Commerce - Q-Commerce) vào mô hình đo lường tài sản thương hiệu hiện đại.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Kinh tế/Marketing: Cung cấp tài liệu tham khảo hoàn chỉnh về phương pháp luận nghiên cứu định lượng, quy trình xử lý dữ liệu từ Cronbach's Alpha, EFA đến hồi quy OLS và kiểm định ANOVA thực chiến.
  • Giám đốc Thương hiệu (Brand Managers) & Quản lý vận hành CVS: Nắm bắt chính xác trọng số tác động của từng khía cạnh giá trị thương hiệu để ra quyết định đầu tư đúng trọng tâm, tránh lãng phí ngân sách vào các chiến dịch nhận diện bề nổi.
  • Chuyên viên Phân tích dữ liệu kinh doanh (Data Analysts): Kế thừa cấu trúc mã hóa dữ liệu và bộ thang đo đã được chuẩn hóa để tích hợp vào các bảng điều khiển (Dashboards) theo dõi sức khỏe thương hiệu thời gian thực.
  • Cộng đồng nghiên cứu học thuật: Đóng góp bộ dữ liệu thực chứng về ngành bán lẻ hiện đại Việt Nam trong giai đoạn chuyển đổi số.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để tái lập quy trình phân tích của đề tài là gì?

Hệ thống cần cài đặt phần mềm IBM SPSS Statistics phiên bản 20.0 trở lên hoặc môi trường Python 3.8+ tích hợp các thư viện pandas, statsmodels, scipy. Tệp dữ liệu cần được làm sạch, mã hóa thang đo Likert 5 điểm dưới dạng biến định lượng (Scale/Numeric).

2. Giới hạn cỡ mẫu trong phân tích hồi quy và EFA được tính toán như thế nào?

Theo quy tắc kinh nghiệm của Hair et al. (1998), kích thước mẫu tối thiểu cho phân tích EFA là $5 \times \text{tổng số biến quan sát}$ ($5 \times 21 = 105$ mẫu). Theo công thức Tabachnick & Fidell (1996) cho hồi quy bội: $N \ge 8k + 50$ ($8 \times 4 + 50 = 82$ mẫu, với $k=4$ biến độc lập). Cỡ mẫu thực tế của đề tài đạt $N = 260$, hoàn toàn vượt trội các ngưỡng tối thiểu và đảm bảo độ tin cậy thống kê cao.

3. Làm thế nào để tích hợp kết quả nghiên cứu vào hệ thống CRM của chuỗi bán lẻ?

Chuỗi bán lẻ có thể số hóa 4 chỉ số (NB, LTTH, CL, TT) thành các câu hỏi khảo sát ngắn (micro-surveys) 1 chạm hiển thị trên ứng dụng thành viên sau mỗi đơn hàng, từ đó tự động tính toán điểm số Sức khỏe thương hiệu (Brand Equity Score) gắn liền với từng User ID trên hệ thống CRM.

4. Tại sao yếu tố Lòng trung thành thương hiệu lại có trọng số tác động lớn nhất ($\beta = 0,358$)?

Trong ngành bán lẻ tiện lợi, chi phí chuyển đổi giữa các thương hiệu đối thủ là rất thấp. Khách hàng đã hình thành lòng trung thành thường có thói quen ghé thăm định kỳ, ít nhạy cảm về giá và có xu hướng tin tưởng lựa chọn sản phẩm ăn nhanh/dịch vụ tại chỗ mà không cần đắn đo so sánh.

5. Chi phí triển khai hệ thống quản trị giá trị thương hiệu và thời gian thu hồi vốn (ROI)?

Chi phí đầu tư tập trung chủ yếu vào việc phát triển ứng dụng Loyalty và chuẩn hóa dịch vụ tại điểm bán (ước tính từ 200–500 triệu VND tùy quy mô chuỗi). Thời gian hoàn vốn dự kiến từ 6 đến 9 tháng nhờ mức tăng trưởng doanh thu định kỳ $15% - 20%$ từ nhóm khách hàng thân thiết.

Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra:

  • Xác lập và kiểm định thành công mô hình định lượng đo lường ảnh hưởng của Giá trị thương hiệu đến Ý định mua hàng tại chuỗi cửa hàng tiện lợi TP.HCM với hệ số giải thích $R^2$ hiệu chỉnh đạt $57,9%$.
  • Chứng minh vai trò then chốt của 4 thành phần giá trị thương hiệu, trong đó Lòng trung thành thương hiệu ($\beta = 0,358$) và Chất lượng cảm nhận ($\beta = 0,264$) là hai đòn bẩy mạnh mẽ nhất định hình quyết định mua sắm của người tiêu dùng đô thị.
  • Đề xuất hệ thống giải pháp quản trị mang tính ứng dụng thực tiễn cao, kết hợp giữa nâng cao chất lượng dịch vụ tại điểm bán vật lý và phát triển nền tảng khách hàng thân thiết trên môi trường số.

Để duy trì lợi thế cạnh tranh bền vững trong kỷ nguyên bán lẻ hiện đại, các doanh nghiệp chuỗi cửa hàng tiện lợi cần nhanh chóng chuyển dịch trọng tâm từ cuộc đua mở rộng số lượng điểm bán thuần túy sang chiến lược tối ưu hóa trải nghiệm khách hàng toàn diện, xây dựng giá trị thương hiệu gắn kết sâu sắc với đời sống hàng ngày của người tiêu dùng.