Giới thiệu dự án

Hoạt động huy động vốn thông qua tiền gửi tiết kiệm (TGTK) từ khách hàng cá nhân (KHCN) đóng vai trò là "xương sống" thanh khoản và quyết định năng lực mở rộng tín dụng của các ngân hàng thương mại (NHTM). Tại thị trường trọng điểm TP. Hồ Chí Minh, thống kê giai đoạn 2017 – 2020 cho thấy quy mô TGTK bằng đồng nội tệ sụt giảm nghiêm trọng từ 5.210 tỷ đồng xuống còn 3.920 tỷ đồng; trong đó, TGTK khu vực hộ dân cư giảm từ 2.516 tỷ đồng xuống 1.639 tỷ đồng (Bùi Nhất Vương và cộng sự, 2020). Sang giai đoạn 2022 – nửa đầu 2023, dù mặt bằng lãi suất huy động được đẩy lên trên ngưỡng 9%/năm, sự dịch chuyển dòng tiền sang tiền gửi không kỳ hạn và áp lực cạnh tranh khốc liệt giữa các khối NHTM cổ phần tư nhân (Techcombank, VPBank, HDBank...) vẫn gây ra hiện tượng phân hóa thị phần rõ nét.

Vấn đề cốt lõi (Problem Statement) nằm ở sự suy giảm độ trung thành của khách hàng cá nhân và tính thiếu hiệu quả trong chiến lược giữ chân dòng vốn nhàn rỗi khi các ngân hàng phụ thuộc quá mức vào cuộc đua lãi suất thuần túy. Khách hàng đối mặt với các rào cản:

  • Quy trình thủ tục giấy tờ tại quầy rườm rà, tiêu tốn thời gian.
  • Rủi ro an toàn thông tin và bảo mật tài khoản số chưa được giải quyết triệt để.
  • Sự thiếu hụt các giải pháp tư vấn cá nhân hóa và năng lực đồng cảm từ đội ngũ giao dịch viên.

Khóa luận tốt nghiệp xây dựng phương pháp tiếp cận đa chiều (mixed-method research), kết hợp giữa nghiên cứu định tính (thảo luận nhóm chuyên gia) và nghiên cứu định lượng (khảo sát thực chứng, phân tích độ tin cậy thang đo, phân tích nhân tố khám phá EFA và hồi quy OLS) trên nền tảng tích hợp Mô hình Hộp đen tiêu dùng (Kotler, 2001), Lý thuyết yếu tố thúc đẩy (Sproles & Kendall, 1986) cùng sự kế thừa mô hình của Tehulu & Wondmagegn (2014) và Bùi Nhất Vương và cộng sự (2020).

[Kích thích Marketing & Môi trường] 
[Hộp đen ý thức KHCN: 7 Nhân tố Thúc đẩy]
 (LSTG, CNHD, THNH, STL, CTKM, CLDV, DNNV)
[Quyết định Lựa chọn NHTM để GTTK (QDLC)]

Mục tiêu nghiên cứu

  1. Xác định hệ thống 7 nhóm yếu tố cấu thành tác động đến quyết định gửi tiền tiết kiệm của KHCN tại TP.HCM.
  2. Lượng hóa mức độ và chiều hướng tác động của từng nhân tố thông qua mô hình kinh tế lượng đa biến.
  3. Kiểm định các khuyết tật mô hình (đa cộng tuyến, tự tương quan, phương sai sai số thay đổi) để đảm bảo tính vững của ước lượng.
  4. Đề xuất hệ thống hàm ý quản trị có tính khả thi cao nhằm gia tăng nguồn vốn huy động bán lẻ cho các NHTM.

Kết quả kỳ vọng và phạm vi

  • Chỉ số đo lường: Xác thực mô hình hồi quy đạt hệ số xác định hiệu chỉnh $R^2_{adj} > 0.50$, giá trị kiểm định $F$ có ý nghĩa thống kê ($p < 0.001$), các hệ số phóng đại phương sai $\text{VIF} < 2.0$.
  • Phạm vi khảo sát: Địa bàn TP. Hồ Chí Minh trong khung thời gian từ tháng 07/2023 đến tháng 08/2023, tập trung vào đối tượng KHCN đã và đang mở tài khoản TGTK.
  • Giới hạn đề tài: Khảo sát tập trung vào các NHTM hoạt động tại vùng đô thị TP.HCM theo phương pháp chọn mẫu thuận tiện; chưa bao quát hành vi nhóm khách hàng tổ chức và doanh nghiệp.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu hành vi gửi tiền tiết kiệm truyền thống thường chỉ xoay quanh biến số lợi ích tài chính (lãi suất) và danh tiếng thương hiệu, bỏ qua sự biến chuyển mạnh mẽ của công nghệ ngân hàng số và chất lượng tương tác trực tiếp.

Tiêu chí so sánh Mô hình truyền thống (Hoàng Thị Anh Thư, 2017) Mô hình đa kênh (Bùi Nhất Vương và CS, 2020) Mô hình mở rộng của Đề tài (2023)
Nhân tố Công nghệ Không xem xét Tích hợp gián tiếp qua kênh đa dạng Tách thành biến độc lập chuyên sâu (CNHD)
Nhân tố Nhân viên Không đánh giá Có đánh giá kiến thức/đồng cảm Tích hợp đánh giá kỹ năng số & tư vấn tối ưu
Bối cảnh số hóa Giao dịch tại quầy truyền thống Bước đầu chuyển đổi số Số hóa toàn diện, ATM đa năng, App/Web 24/7
Mức độ giải thích ($R^2$) Trung bình (~42% - 48%) Khá (~55%) Cao vượt trội (> 60% dữ liệu thực nghiệm)

Phân loại yêu cầu giải pháp theo mô hình MoSCoW

  • Must-have (Bắt buộc): Minh bạch lãi suất niêm yết theo Thông tư 48/2018/TT-NHNN; hệ thống bảo mật xác thực giao dịch đa tầng (Smart OTP, sinh trắc học); mạng lưới phòng giao dịch chuẩn hóa.
  • Should-have (Nên có): Quy trình lưu trữ tự động dữ liệu e-KYC giúp giảm 70% thời gian thao tác tại quầy; hệ thống CRM hỗ trợ chăm sóc khách hàng theo ngày sinh nhật, ngày lễ.
  • Could-have (Có thể có): Mở sổ tiết kiệm tích lũy trực tuyến liên kết hệ sinh thái tiêu dùng đối tác (voucher, điểm thưởng).
  • Won't-have (Chưa ưu tiên): Tự động hóa hoàn toàn 100% không cần nhân viên hỗ trợ tại phòng giao dịch truyền thống.

Thiết kế hệ thống

Mô hình nghiên cứu được xây dựng dưới dạng mô hình hồi quy tuyến tính bội đa biến OLS (Ordinary Least Squares) với cấu trúc các biến đo lường như sau:

$$\mathbf{QDLC} = \beta_0 + \beta_1 \mathbf{THNH} + \beta_2 \mathbf{LSTG} + \beta_3 \mathbf{STL} + \beta_4 \mathbf{CLDV} + \beta_5 \mathbf{CTKM} + \beta_6 \mathbf{CNHD} + \beta_7 \mathbf{DNNV} + \varepsilon_i$$

Bảng đặc tả cơ sở dữ liệu khảo sát (Survey Schema)

-- Cấu trúc lưu trữ dữ liệu khảo sát khách hàng cá nhân (SPSS Data Structure)
CREATE TABLE survey_responses (
    respondent_id INT PRIMARY KEY AUTO_INCREMENT,
    gender VARCHAR(10),                 -- Giới tính (Nam, Nữ)
    age_group VARCHAR(20),              -- Nhóm tuổi (<25, 25-35, 36-50, >50)
    income_level VARCHAR(30),           -- Thu nhập (<10tr, 10-20tr, >20tr VNĐ)
    deposit_tenor VARCHAR(20),          -- Kỳ hạn ưa thích (Không kỳ hạn, <12T, >=12T)
    -- Thang đo Likert 1-5 (1: Rất không đồng ý -> 5: Hoàn toàn đồng ý)
    THNH1 TINYINT, THNH2 TINYINT, THNH3 TINYINT, THNH4 TINYINT, THNH5 TINYINT,
    LSTG1 TINYINT, LSTG2 TINYINT, LSTG3 TINYINT, LSTG4 TINYINT, LSTG5 TINYINT,
    STL1 TINYINT, STL2 TINYINT, STL3 TINYINT, STL4 TINYINT,
    CLDV1 TINYINT, CLDV2 TINYINT, CLDV3 TINYINT, CLDV4 TINYINT, CLDV5 TINYINT,
    CTKM1 TINYINT, CTKM2 TINYINT, CTKM3 TINYINT, CTKM4 TINYINT,
    CNHD1 TINYINT, CNHD2 TINYINT, CNHD3 TINYINT, CNHD4 TINYINT,
    DNNV1 TINYINT, DNNV2 TINYINT, DNNV3 TINYINT, DNNV4 TINYINT, DNNV5 TINYINT,
    QDLC1 TINYINT, QDLC2 TINYINT, QDLC3 TINYINT,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

Methodology

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

  1. Nghiên cứu định tính: Tổng quan tài liệu, kế thừa thang đo chuẩn quốc tế và trong nước; tổ chức phỏng vấn chuyên sâu nhóm (Focus Group) gồm các nhà quản trị chi nhánh và chuyên viên khách hàng cá nhân tại TP.HCM nhằm điều chỉnh nội dung 35 biến quan sát cho sát với thực tế vận hành.
  2. Nghiên cứu định lượng: Khảo sát diện rộng thông qua biểu mẫu trực tuyến và phát phiếu trực tiếp tại các quầy giao dịch; làm sạch dữ liệu và xử lý trên nền tảng IBM SPSS Statistics 22.0.

Xác định cỡ mẫu tối thiểu

Dựa trên quy tắc kiểm định phân tích nhân tố EFA của Hair và cộng sự (2014) cùng khuyến nghị của Nguyễn Đình Thọ (2013), tỷ lệ kích thước mẫu trên số lượng biến quan sát tối thiểu là $5:1$:

$$N_{\text{min}} = 5 \times k = 5 \times 35 = 175 \text{ quan sát}$$

Để tăng cường độ chính xác thống kê và bù trừ hao hụt phiếu không hợp lệ, tổng số 400 phiếu khảo sát đã được phát ra; thu về 379 phiếu, sau khi sàng lọc loại bỏ 52 phiếu không hợp lệ (do chọn một đáp án duy nhất hoặc thiếu thông tin), mẫu nghiên cứu chính thức đạt $N = 327$ quan sát (đáp ứng $186.8%$ cỡ mẫu tối thiểu).


Implementation và kết quả

Development process

Quá trình thu thập, tiền xử lý và kiểm định thống kê được mô hình hóa bằng thuật toán phân tích trắc lượng tâm lý (Psychometric Testing) và kinh tế lượng:

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

def psychometric_and_ols_pipeline(df, indep_vars, dep_var):
    """
    Quy trình kiểm định độ tin cậy thang đo, ma trận tương quan và hồi quy OLS
    """
    # 1. Tính toán tương quan Pearson
    corr_matrix = df[indep_vars + [dep_var]].corr()
    
    # 2. Xây dựng mô hình OLS
    X = sm.add_constant(df[indep_vars])
    y = df[dep_var]
    model = sm.OLS(y, X).fit()
    
    # 3. Kiểm định Đa cộng tuyến (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])]
    
    return corr_matrix, model.summary(), vif_data

# Danh sách biến độc lập chuẩn hóa
independent_factors = ['LSTG', 'CNHD', 'THNH', 'STL', 'CTKM', 'CLDV', 'DNNV']

Testing và validation

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

Tất cả 8 thang đo (7 biến độc lập + 1 biến phụ thuộc) đều vượt qua các tiêu chuẩn khắt khe: hệ số Cronbach's Alpha $> 0.70$ và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $> 0.30$. Không có biến quan sát nào bị loại bỏ khỏi mô hình.

Thang đo Số lượng biến quan sát Hệ số Cronbach's Alpha Hệ số tương quan biến - tổng nhỏ nhất
Thương hiệu ngân hàng (THNH) 5 0.842 0.584
Lãi suất tiền gửi (LSTG) 5 0.887 0.642
Sự tiện lợi (STL) 4 0.815 0.531
Chất lượng dịch vụ (CLDV) 5 0.856 0.598
Chiêu thị và khuyến mãi (CTKM) 4 0.829 0.567
Công nghệ hiện đại (CNHD) 4 0.871 0.623
Đội ngũ nhân viên (DNNV) 5 0.863 0.611
Quyết định lựa chọn (QDLC) 3 0.835 0.635

Phân tích nhân tố khám phá (EFA)

  • Biến độc lập: 32 biến quan sát được đưa vào trích xuất nhân tố bằng phương pháp Principal Axis Factoring cùng phép xoay Varimax. Kết quả hệ số $\text{KMO} = 0.892$ ($0.5 < \text{KMO} < 1.0$), kiểm định Bartlett có giá trị Sig. $= 0.000 < 0.05$. Tổng phương sai trích đạt $63.48% > 50%$, giá trị Eigenvalue dừng ở mức $1.241 > 1.0$, ma trận xoay hội tụ chính xác vào 7 nhóm nhân tố với hệ số Factor Loading đều $> 0.55$.
  • Biến phụ thuộc: 3 biến quan sát trích xuất 1 nhân tố duy nhất, $\text{KMO} = 0.714$, Sig. Bartlett $= 0.000$, phương sai trích đạt $67.12%$.

Kết quả đạt được

Kết quả ước lượng tham số mô hình hồi quy đa biến OLS ghi nhận:

$$\mathbf{QDLC} = \beta_0 + 0.312 \mathbf{LSTG} + 0.245 \mathbf{CNHD} + 0.198 \mathbf{THNH} + 0.162 \mathbf{STL} + 0.134 \mathbf{CTKM} + 0.115 \mathbf{CLDV} + 0.098 \mathbf{DNNV}$$

Mức độ tác động chuẩn hóa (Standardized Beta Weights):
LSTG  ████████████████████ (Beta = 0.312)
CNHD  ███████████████▌ (Beta = 0.245)
THNH  ████████████▋ (Beta = 0.198)
STL   ██████████▍ (Beta = 0.162)
CTKM  ████████▌ (Beta = 0.134)
CLDV  ███████▍ (Beta = 0.115)
DNNV  ██████▎ (Beta = 0.098)

Bảng kết quả hồi quy và kiểm định giả thuyết thống kê

Biến độc lập Ký hiệu Hệ số Beta chuẩn hóa Giá trị t-statistic Mức ý nghĩa (Sig.) Hệ số VIF Kết luận giả thuyết
Lãi suất tiền gửi LSTG 0.312 6.842 0.000 1.245 Chấp nhận $H_2$
Công nghệ hiện đại CNHD 0.245 5.321 0.000 1.318 Chấp nhận $H_6$
Thương hiệu ngân hàng THNH 0.198 4.215 0.000 1.196 Chấp nhận $H_1$
Sự tiện lợi STL 0.162 3.567 0.001 1.284 Chấp nhận $H_3$
Chiêu thị & khuyến mãi CTKM 0.134 2.981 0.003 1.152 Chấp nhận $H_5$
Chất lượng dịch vụ CLDV 0.115 2.543 0.011 1.362 Chấp nhận $H_4$
Đội ngũ nhân viên DNNV 0.098 2.184 0.029 1.210 Chấp nhận $H_7$

Kiểm định độ phù hợp và an toàn mô hình

  • Hệ số xác định $R^2 = 0.628$; hệ số hiệu chỉnh $R^2_{\text{adj}} = 0.620$ (các biến độc lập giải thích $62.0%$ sự biến thiên của quyết định lựa chọn).
  • Giá trị kiểm định $F = 76.84$ với Sig. $= 0.000$, chứng minh mô hình hồi quy tuyến tính phù hợp cao với tổng thể.
  • Hệ số Durbin-Watson đạt $1.892$ (nằm trong khoảng an toàn $1.5 < d < 2.5$), bác bỏ giả thuyết có tự tương quan bậc nhất.
  • Tất cả các giá trị $\text{VIF} < 1.40$, khẳng định mô hình hoàn toàn không gặp hiện tượng đa cộng tuyến. Đồ thị phân tán phần dư (Scatter Plot) phân bổ ngẫu nhiên quanh trục 0, xác nhận phương sai sai số không đổi.

Đổi mới và đóng góp

  1. Khẳng định vai trò độc lập của biến Công nghệ hiện đại (CNHD): Trái với các nghiên cứu trước đây chỉ xem công nghệ là một phần nhỏ của chất lượng dịch vụ, nghiên cứu này chứng minh thực nghiệm rằng CNHD vươn lên vị trí thứ 2 ($\beta = 0.245$), chỉ sau lãi suất. Điều này phản ánh xu hướng chuyển dịch mạnh mẽ của cư dân đô thị TP.HCM sang các sản phẩm gửi tiết kiệm online qua App và cây ATM/CRM nạp tiền tự động.
  2. Lượng hóa mức độ bù đắp giữa Lãi suất và Trải nghiệm: Dữ liệu cho thấy nếu một NHTM có lãi suất thấp hơn đối thủ $0.2% - 0.3%/\text{năm}$ nhưng sở hữu nền tảng ngân hàng số mượt mà, bảo mật sinh trắc học và thương hiệu vững mạnh thì vẫn có thể duy trì được quyết định gửi tiền của khách hàng.
  3. Bổ sung thang đo nhân viên gắn liền với năng lực số: Thang đo DNNV được bổ sung các tiêu chí về tốc độ hỗ trợ giao dịch số và thái độ đồng cảm khi xử lý rủi ro tài chính, khắc phục hoàn toàn khoảng trống của các mô hình lý thuyết trước năm 2020.

Ứng dụng thực tế và triển khai

Hàm ý quản trị cho hệ thống Ngân hàng Thương mại

                          LỘ TRÌNH TRIỂN KHAI CHIẾN LƯỢC
                          
  Giai đoạn 1 (Tháng 1-3)     Giai đoạn 2 (Tháng 4-8)      Giai đoạn 3 (Tháng 9-12)
  1. Chính sách Lãi suất tiền gửi (LSTG - Trọng số $31.2%$):
    • Thiết kế các gói tiết kiệm tích lũy theo mục tiêu (mua nhà, dưỡng già, học tập) với lãi suất bậc thang thưởng theo thời gian duy trì số dư.
    • Áp dụng chính sách cộng biên độ lãi suất ($0.1% - 0.3%/\text{năm}$) cho khách hàng gửi tiền qua kênh ngân hàng điện tử (Internet/Mobile Banking) để vừa khuyến khích số hóa, vừa giảm chi phí vận hành quầy.
  2. Đầu tư Công nghệ và Bảo mật (CNHD - Trọng số $24.5%$):
    • Nâng cấp hệ sinh thái ứng dụng di động: tích hợp tính năng rút gốc từng phần online mà không làm mất lãi suất của phần tiền gửi còn lại.
    • Đầu tư mạng lưới máy nạp/rút tiền tự động thế hệ mới (CRM), cho phép khách hàng chủ động mở sổ và nộp tiền mặt vào tài khoản tiết kiệm 24/7.
    • Triển khai xác thực sinh trắc học chuẩn FIDO2 và mã hóa dữ liệu đầu cuối để triệt tiêu tâm lý e ngại mất tiền qua không gian mạng.
  3. Phát triển Thương hiệu và Mạng lưới giao dịch (THNH & STL):
    • Tăng cường truyền thông về chỉ số an toàn vốn (CAR), các giải thưởng uy tín và các cam kết bảo hiểm tiền gửi theo quy định của Ngân hàng Nhà nước.
    • Tái cấu trúc không gian giao dịch theo mô hình Hub & Spoke hiện đại, phân luồng khách hàng tự động bằng kiosk điện tử, đảm bảo thời gian chờ đợi dưới 5 phút.

Hạn chế và hướng phát triển

  • Hạn chế mẫu nghiên cứu: Dữ liệu khảo sát được thu thập theo phương pháp thuận tiện trên địa bàn TP.HCM ($N = 327$), chưa bao quát các khu vực nông thôn hoặc các vùng kinh tế trọng điểm khác trên cả nước.
  • Hạn chế cấu trúc: Đề tài chưa đi sâu phân tích tác động điều tiết (moderating effect) của các biến nhân khẩu học như độ tuổi, giới tính và thu nhập đối với quyết định gửi tiền.
  • Hướng nghiên cứu tiếp theo: Mở rộng mô hình nghiên cứu cấu trúc tuyến tính SEM (Structural Equation Modeling) để đánh giá các biến trung gian như Sự hài lòng (Customer Satisfaction) và Niềm tin thương hiệu (Brand Trust) trong bối cảnh phát triển của hệ thống ngân hàng mở (Open Banking) và trí tuệ nhân tạo (AI Banking).

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Nắm bắt phương pháp luận nghiên cứu định lượng chuẩn mực, cách xử lý dữ liệu SPSS 22, quy trình kiểm định Cronbach's Alpha, EFA và hồi quy OLS trong lĩnh vực Tài chính - Ngân hàng.
  • Chuyên viên & Lãnh đạo NHTM: Sở hữu bộ chỉ số thực nghiệm chính xác về tâm lý khách hàng đô thị, làm căn cứ định giá sản phẩm tiền gửi và phân bổ ngân sách đầu tư công nghệ số hóa.
  • Khách hàng cá nhân: Có thêm góc nhìn tham chiếu toàn diện về các tiêu chí an toàn, lãi suất và tiện ích công nghệ khi lựa chọn ngân hàng để quản lý tài sản tích lũy.

Câu hỏi thường gặp

  1. Mô hình nghiên cứu giải thích được bao nhiêu phần trăm hành vi của khách hàng?
    Mô hình đạt hệ số xác định hiệu chỉnh $R^2_{\text{adj}} = 0.620$, nghĩa là 7 nhân tố trong mô hình giải thích được $62.0%$ quyết định lựa chọn NHTM của khách hàng cá nhân tại TP.HCM. Phần $38.0%$ còn lại chịu ảnh hưởng bởi các yếu tố ngoài mô hình như ảnh hưởng xã hội từ người thân, tình hình kinh tế vĩ mô và chính sách can thiệp của NHNN.

  2. Tại sao Công nghệ hiện đại lại có tác động lớn hơn Thương hiệu ngân hàng?
    Trong bối cảnh hậu COVID-19 và tỷ lệ thâm nhập smartphone cao tại TP.HCM, khách hàng cá nhân ưu tiên sự tiện lợi, nhanh chóng và khả năng tự chủ tài chính 24/7. Thương hiệu là điều kiện cần về niềm tin an toàn, nhưng công nghệ ngân hàng số vượt trội mới là động lực trực tiếp tạo ra trải nghiệm thường nhật mượt mà.

  3. Mẫu nghiên cứu 327 quan sát có đảm bảo tính đại diện cho TP.HCM không?
    Theo tiêu chuẩn Hair và cộng sự (2014) và Green (1991), với mô hình 7 biến độc lập và 35 biến quan sát, cỡ mẫu tối thiểu cần từ 175 đến 105 quan sát. Quy mô mẫu thực tế $N = 327$ hoàn toàn thỏa mãn các điều kiện đại diện thống kê cho kiểm định EFA và hồi quy tuyến tính đa biến.

  4. Ngân hàng quy mô nhỏ có thể cạnh tranh huy động vốn bằng cách nào?
    Các ngân hàng quy mô nhỏ khó duy trì cuộc đua lãi suất dài hạn có thể tập trung tối ưu hóa biến CLDVCNHD thông qua việc đơn giản hóa thủ tục mở sổ tiết kiệm, nâng cấp ứng dụng Mobile Banking mượt mà và đào tạo đội ngũ nhân viên tư vấn tận tâm, phản hồi khiếu nại tức thì.

  5. Chi phí và thời gian cần thiết để áp dụng các khuyến nghị từ nghiên cứu?
    Các giải pháp về cơ cấu biểu lãi suất linh hoạt và chương trình khuyến mãi có thể triển khai ngay trong vòng 1 – 3 tháng với chi phí thấp. Việc nâng cấp hạ tầng CRM/ATM và giải pháp e-KYC số hóa toàn diện cần lộ trình đầu tư trung hạn từ 6 – 12 tháng.


Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc việc nhận diện và lượng hóa 7 yếu tố quyết định hành vi gửi tiền tiết kiệm của khách hàng cá nhân tại TP.HCM. Kết quả phân tích kinh tế lượng chỉ ra thứ tự ưu tiên tác động từ cao xuống thấp: Lãi suất tiền gửi ($\beta = 0.312$) $\rightarrow$ Công nghệ hiện đại ($\beta = 0.245$) $\rightarrow$ Thương hiệu ngân hàng ($\beta = 0.198$) $\rightarrow$ Sự tiện lợi ($\beta = 0.162$) $\rightarrow$ Chiêu thị & khuyến mãi ($\beta = 0.134$) $\rightarrow$ Chất lượng dịch vụ ($\beta = 0.115$) $\rightarrow$ Đội ngũ nhân viên ($\beta = 0.098$).

Công trình cung cấp cơ sở khoa học và thực tiễn vững chắc giúp các ngân hàng thương mại thoát khỏi thế bế tắc trong cuộc chiến lãi suất đơn thuần, chuyển dịch trọng tâm sang hoàn thiện trải nghiệm ngân hàng số an toàn, chuẩn hóa quy trình dịch vụ và phát triển nguồn nhân lực chất lượng cao để thu hút dòng vốn nhàn rỗi bền vững.