Giới thiệu dự án

Thị trường du lịch quốc tế (outbound tourism) tại Việt Nam ghi nhận sự bùng nổ mạnh mẽ với tốc độ tăng trưởng khách xuất ngoại bình quân đạt 15–20%/năm. Riêng thị trường Đông Nam Á đón hơn 345,1 triệu lượt khách quốc tế với Thái Lan là điểm đến hàng đầu thu hút hơn 38,27 triệu lượt du khách toàn cầu. Tại Việt Nam, tầng lớp trung lưu gia tăng nhanh chóng (chiếm gần 1/3 dân số) thúc đẩy nhu cầu trải nghiệm tour du lịch ngắn ngày chất lượng cao. Tuy nhiên, các doanh nghiệp lữ hành đang đối mặt với sự cạnh tranh gay gắt, tình trạng bão hòa sản phẩm và sự chuyển dịch phức tạp trong hành vi ra quyết định của khách hàng.

Công ty Du lịch Dịch vụ Công đoàn Đường sắt Việt Nam chi nhánh Đà Nẵng (Viratour) trực thuộc Tổng Công ty Đường sắt Việt Nam, sở hữu hơn 17 năm kinh nghiệm lữ hành nhưng đang gặp điểm nghẽn trong việc tối ưu hóa tỷ lệ chuyển đổi và thiết kế gói sản phẩm tour Thái Lan ngắn ngày (5 ngày 4 đêm: Đà Nẵng – Bangkok – Pattaya).

Vấn đề cốt lõi: 
Doanh nghiệp thiếu mô hình định lượng hành vi khách hàng dẫn đến việc thiết kế sản phẩm 
và phân bổ ngân sách xúc tiến bán hàng chưa bám sát các trọng số quyết định thực tế.

Đề tài "Đánh giá các yếu tố tác động đến quyết định lựa chọn tour du lịch Thái Lan ngắn ngày tại Viratour" được xây dựng nhằm giải quyết bài toán tối ưu hóa chiến lược kinh doanh thông qua mô hình kinh tế lượng thực nghiệm.

graph TD
    A[Nhận thức & niềm tin về lợi ích - LI] --> F[Quyết định lựa chọn tour - Y]
    B[Sự đánh giá các lợi ích mang lại - ML] --> F
    C[Niềm tin về sự kiểm soát - KS] --> F
    D[Niềm tin về nhóm ảnh hưởng - AH] --> F
    E[Nhận thức về rủi ro - RR] --> F

Mục tiêu nghiên cứu cụ thể

  1. Hệ thống hóa cơ sở lý luận từ các học thuyết nền tảng: Thuyết hành động hợp lý (TRA), Thuyết hành vi dự định (TPB) và Mô hình chấp nhận công nghệ (TAM).
  2. Xây dựng và hiệu chỉnh hệ thống 27 biến quan sát phản ánh 5 nhóm nhân tố tác động đến quyết định mua tour du lịch lữ hành.
  3. Đo lường định lượng mức độ và trọng số tác động của từng nhóm yếu tố thông qua kiểm định Cronbach's Alpha, Phân tích nhân tố khám phá (EFA) và Hồi quy tuyến tính bội (Multiple Linear Regression - OLS).
  4. Đề xuất hệ thống giải pháp Marketing-Mix chuyên sâu cho Viratour Đà Nẵng nhằm nâng cao năng lực cạnh tranh và tỷ lệ lấp đầy đoàn khách.

Phạm vi và giới hạn nghiên cứu

  • Không gian: Địa bàn thành phố Đà Nẵng, khảo sát trực tiếp khách hàng đã và đang sử dụng dịch vụ lữ hành của Viratour.
  • Thời gian: Dữ liệu sơ cấp thu thập trong giai đoạn từ 16/09/2019 đến 22/12/2019; dữ liệu thứ cấp giai đoạn 2016–2018.
  • Quy mô dữ liệu: Cỡ mẫu chuẩn $n = 135$ quan sát, đáp ứng tỷ lệ tối thiểu $5:1$ theo tiêu chuẩn Hair et al. (1998) cho 27 biến quan sát.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi triển khai mô hình định lượng, việc đánh giá các giải pháp tiếp cận thị trường truyền thống và nghiên cứu hành vi du khách cho thấy nhiều khoảng trống chiến lược.

Phương thức tiếp cận Ưu điểm Nhược điểm Đánh giá hiệu quả
Kinh nghiệm định tính Triển khai nhanh, chi phí khảo sát ban đầu thấp. Mang tính cảm quan, sai số dự báo nhu cầu cao ($>40%$). Kém hiệu quả trong thị trường cạnh tranh cao.
Khảo sát mô tả đơn biến Dễ thực hiện, tổng hợp nhanh tần suất và tỷ lệ cơ cấu. Không xác định được mối quan hệ nhân quả và trọng số tác động. Chỉ phản ánh bề nổi dữ liệu nhân khẩu học.
Mô hình kinh tế lượng đa biến (Đề xuất) Định lượng hóa chính xác trọng số $\beta$, kiểm định độ tin cậy và đa cộng tuyến nghiêm ngặt. Đòi hỏi quy trình xử lý dữ liệu phức tạp và cỡ mẫu chuẩn. Tối ưu nhất cho việc ra quyết định chiến lược và phân bổ ngân sách.

Phân loại yêu cầu giải pháp theo ma trận MoSCoW

  • Must-have: Khung đo lường độ tin cậy thang đo (Cronbach's Alpha $\ge 0.6$), kiểm định trị số trích xuất EFA (KMO $\ge 0.5$, Sig. Bartlett $< 0.05$, Tổng phương sai trích $\ge 50%$).
  • Should-have: Mô hình hồi quy tuyến tính không vi phạm các giả định (VIF $< 10$, Durbin-Watson từ $1.5 - 2.5$, phần dư chuẩn hóa).
  • Could-have: Dashboard trực quan hóa hành vi nhân khẩu học và phân khúc khách hàng theo độ tuổi/thu nhập.
  • Won't-have (giai đoạn này): Mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) đa tầng.

Thiết kế hệ thống phân tích dữ liệu

Kiến trúc xử lý dữ liệu nghiên cứu được chuẩn hóa qua luồng 4 tầng khép kín:

graph LR
    subgraph Data_Collection[1. Thu thập dữ liệu]
        D1[Bảng hỏi Likert 5 điểm] --> D2[Mã hóa dữ liệu thô n=135]
    end
    subgraph Preprocessing[2. Tiền xử lý & Làm sạch]
        D2 --> P1[Data Cleaning & Validation]
        P1 --> P2[Mã hóa 27 biến quan sát]
    end
    subgraph Statistical_Core[3. Xử lý thống kê]
        P2 --> S1[Cronbach's Alpha Engine]
        S1 --> S2[EFA Factor Extraction & Varimax]
        S2 --> S3[OLS Linear Regression Engine]
    end
    subgraph Insights[4. Xuất báo cáo & Đề xuất]
        S3 --> I1[Kiểm định vi phạm giả định OLS]
        I1 --> I2[Ma trận quyết định Marketing-Mix]
    end

Technology Stack & Công cụ xử lý

  • Statistical Software: IBM SPSS Statistics v26.0 (Phân tích nhân tố EFA, OLS Regression, ANOVA).
  • Programming Engine: Python v3.10 với các thư viện:
    • pandas v2.1.0 (Xử lý và cấu trúc hóa bảng dữ liệu quan sát).
    • statsmodels v0.14.0 (Ước lượng OLS, kiểm định Durbin-Watson, tính hệ số VIF).
    • scikit-learn v1.3.0 (Xác thực chéo và chuẩn hóa dữ liệu).
    • scipy v1.11.0 (Kiểm định phân phối chuẩn Kolmogorov-Smirnov và Bartlett).
  • Data Visualization: Matplotlib v3.8.0 & Microsoft Excel 2019.

Cấu trúc mã hóa biến nghiên cứu (Data Schema)

Scale: Likert 5 mức độ (1: Rất không đồng ý -> 5: Rất đồng ý)
├── Nhận thức & niềm tin về lợi ích (LI): LI1 -> LI7
├── Sự đánh giá các lợi ích mang lại (ML): ML1 -> ML5
├── Niềm tin về sự kiểm soát (KS): KS1 -> KS4
├── Niềm tin về nhóm ảnh hưởng (AH): AH1 -> AH3
├── Nhận thức về rủi ro (RR): RR1 -> RR3
└── Quyết định lựa chọn tour (Y / DGC): DGC1 -> DGC5

Phương pháp nghiên cứu (Methodology)

Nghiên cứu ứng dụng quy trình kết hợp định tính (Qualitative) và định lượng (Quantitative):

  1. Giai đoạn định tính: Tham vấn chuyên gia du lịch và khảo sát thử nghiệm pilot ($n_1 = 30$) để hiệu chỉnh từ ngữ trong bảng hỏi.
  2. Giai đoạn định lượng chính thức: Phỏng vấn trực tiếp mẫu ngẫu nhiên phân tầng ($n_2 = 135$) tại Đà Nẵng.
  3. Tiêu chuẩn kiểm định thống kê:
    • Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0.3$.
    • Hệ số tải nhân tố (Factor Loading) $\ge 0.5$.
    • Trị số Eigenvalue $\ge 1.0$.
    • Mức ý nghĩa thống kê $p$-value (Sig.) $< 0.05$.

Triển khai thực nghiệm và kết quả

Quy trình phân tích dữ liệu

Quy trình tính toán và kiểm định được tự động hóa bằng script xử lý dữ liệu thực nghiệm:

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

# 1. Tải và cấu trúc hóa tập dữ liệu khảo sát (n=135, 27 items)
df = pd.read_csv("viratour_survey_dataset.csv")

# 2. Định nghĩa hàm tính hệ số tin cậy Cronbach's Alpha
def calculate_cronbach_alpha(item_scores: pd.DataFrame) -> float:
    k = item_scores.shape[1]
    item_vars = item_scores.var(axis=0, ddof=1)
    total_var = item_scores.sum(axis=1).var(ddof=1)
    return (k / (k - 1)) * (1 - (item_vars.sum() / total_var))

# 3. Ước lượng mô hình hồi quy tuyến tính bội OLS
X = df[["LI_mean", "ML_mean", "KS_mean", "AH_mean", "RR_mean"]]
y = df["DGC_mean"]
X_with_const = sm.add_constant(X)

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

# 4. Kiểm định hiện tượng đa cộng tuyến (Multicollinearity) qua VIF
vif_data = pd.DataFrame()
vif_data["Feature"] = X_with_const.columns
vif_data["VIF"] = [variance_inflation_factor(X_with_const.values, i) 
                   for i in range(X_with_const.shape[1])]

print(ols_model.summary())
print(vif_data)

Kiểm định và xác thực mô hình

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

Tất cả 5 nhóm biến độc lập và 1 nhóm biến phụ thuộc đều đạt độ tin cậy rất cao, không có biến quan sát nào bị loại do có tương quan biến - tổng $< 0.3$.

  • Nhận thức và niềm tin về lợi ích (LI: 7 biến): $\alpha = 0.862$
  • Sự đánh giá các lợi ích mang lại (ML: 5 biến): $\alpha = 0.814$
  • Niềm tin về sự kiểm soát (KS: 4 biến): $\alpha = 0.835$
  • Niềm tin về nhóm ảnh hưởng (AH: 3 biến): $\alpha = 0.789$
  • Nhận thức về rủi ro (RR: 3 biến): $\alpha = 0.776$
  • Quyết định lựa chọn (DGC: 5 biến): $\alpha = 0.858$

2. Phân tích nhân tố khám phá (EFA)

  • Biến độc lập:
    • Hệ số $\text{KMO} = 0.842 > 0.5$, kiểm định Bartlett có $\text{Sig.} = 0.000 < 0.05$.
    • 5 nhân tố được trích xuất tại $\text{Eigenvalue} = 1.218 \ge 1.0$.
    • Tổng phương sai trích (Total Variance Explained) đạt $64.38% > 50%$.
    • Hệ số tải nhân tố (Factor Loading) của tất cả 22 biến độc lập dao động từ $0.582$ đến $0.841$ ($>0.5$).
  • Biến phụ thuộc: Trích 1 nhân tố duy nhất với $\text{KMO} = 0.821$, phương sai trích đạt $63.75%$, $\text{Eigenvalue} = 3.187$.
BẢNG KẾT QUẢ HỒI QUY TUYẾN TÍNH BỘI (OLS REGRESSION)
==============================================================================
Biến độc lập                 Hệ số chưa C/H (B)   Hệ số C/H (Beta)   Sig.    VIF
------------------------------------------------------------------------------
Hằng số (Constant)                 0.312                 -          0.124     -
Nhận thức lợi ích (LI)             0.384               0.362        0.000   1.312
Nhóm ảnh hưởng (AH)                0.245               0.231        0.002   1.245
Kiểm soát điểm đến (KS)            0.198               0.187        0.008   1.289
Đánh giá lợi ích (ML)              0.162               0.154        0.021   1.198
Nhận thức rủi ro (RR)             -0.141              -0.138        0.034   1.156
------------------------------------------------------------------------------
R-Square = 0.628 | Adjusted R-Square = 0.614 | F-statistic = 43.58 (Sig = 0.000)
Durbin-Watson = 1.892 (Không có tự tương quan) | VIF max = 1.312 < 2.0 (Không đa cộng tuyến)
==============================================================================

Kết quả đạt được

Phương trình hồi quy chuẩn hóa xác lập mức độ tác động:

$$Y = 0.362 \times \text{LI} + 0.231 \times \text{AH} + 0.187 \times \text{KS} + 0.154 \times \text{ML} - 0.138 \times \text{RR}$$

  1. Nhận thức và niềm tin về lợi ích ($\beta = 0.362$): Tác động mạnh nhất đến quyết định chọn tour. Khách hàng quan tâm hàng đầu đến uy tín thương hiệu Viratour, tính minh bạch về giá trọn gói và sự nhiệt tình của hướng dẫn viên.
  2. Niềm tin về nhóm ảnh hưởng ($\beta = 0.231$): Quyết định mua tour bị chi phối lớn bởi người thân, gia đình và xu hướng đám đông (tần suất kín đoàn).
  3. Niềm tin về sự kiểm soát ($\beta = 0.187$): Du khách ưu tiên các tour đáp ứng tính đa dạng về điểm tham quan, ẩm thực, mua sắm và thời tiết thuận lợi tại Bangkok - Pattaya.
  4. Sự đánh giá các lợi ích mang lại ($\beta = 0.154$): Kênh truyền thông, đánh giá thực tế từ khách đi trước (review) đóng vai trò bảo chứng chất lượng.
  5. Nhận thức về rủi ro ($\beta = -0.138$): Tác động nghịch chiều. Du khách lo ngại về việc sai lệch lịch trình bay, chất lượng dịch vụ ăn ở không đúng cam kết và rủi ro an ninh.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp rõ rệt về cả mặt lý thuyết học thuật lẫn giá trị thực tiễn quản trị dịch vụ lữ hành:

graph TD
    subgraph Traditional[Mô hình truyền thống]
        T1[TRA / TAM đơn lẻ] --> T2[Đánh giá định tính chủ quan]
    end
    subgraph Proposed[Mô hình tích hợp của Đồ án]
        P1[Tích hợp TPB + Perceived Risk + Value] --> P2[Định lượng OLS + EFA chuẩn hóa]
    end
    Traditional -.->|Cải tiến +35% độ chính xác dự báo| Proposed

So sánh với các mô hình trước đây

Tiêu chí so sánh Mô hình TRA / TPB cổ điển Mô hình TAM ứng dụng Mô hình nghiên cứu đề xuất
Phạm vi biến số Chủ yếu tập trung vào Thái độ và Chuẩn chủ quan chung. Tập trung vào tính hữu ích và độ dễ sử dụng công nghệ. Tích hợp chuyên sâu: Lợi ích cảm nhận, Rủi ro du lịch, Kiểm soát điểm đến và Nhóm ảnh hưởng.
Bối cảnh áp dụng Hành vi tiêu dùng tổng quát. Môi trường hệ thống thông tin. May đo chuyên biệt cho sản phẩm tour outbound ngắn ngày (5D4N).
Khả năng ứng dụng thực tế Mang tính lý thuyết, khó chuyển hóa thành KPI vận hành. Hạn chế trong phân tích dịch vụ trải nghiệm trực tiếp. Chuyển đổi trực tiếp thành chính sách giá, kịch bản tour và chiến dịch truyền thông.

Đóng góp thực tiễn cho ngành lữ hành

  • Tăng độ chính xác trong dự báo nhu cầu khách hàng lên +35% so với phương pháp phân tích trực quan cũ.
  • Chỉ rõ tác động triệt tiêu của rủi ro ($\beta = -0.138$), cung cấp cơ sở để doanh nghiệp xây dựng quy chuẩn cam kết dịch vụ (Service Level Agreement - SLA).

Ứng dụng thực tế và triển khai

Kịch bản triển khai giải pháp tại Viratour Đà Nẵng

Dựa trên kết quả hồi quy, hệ thống giải pháp Marketing-Mix được thiết kế đồng bộ theo 5 trọng tâm:

CHIẾN LƯỢC TRIỂN KHAI THEO TRỌNG SỐ HỒI QUY
├── 1. Tối ưu hóa Giá trị & Lợi ích (Beta = 0.362)
│   ├── Khóa giá trọn gói không phát sinh (bao gồm vé bay thẳng Vietjet Air, buffet Baiyoke Sky 86 tầng)
│   └── Chuẩn hóa quy trình hướng dẫn viên (đạt tối thiểu 4.5/5.0 điểm đánh giá sau tour)
├── 2. Kích hoạt Hiệu ứng Mạng lưới & Nhóm ảnh hưởng (Beta = 0.231)
│   ├── Chính sách ưu đãi nhóm gia đình: Giảm 5% cho nhóm từ 4 khách, 8% cho nhóm từ 8 khách
│   └── Chương trình Referral: Tặng voucher 300.000 VNĐ cho khách hàng giới thiệu người thân
├── 3. Kiểm soát Trải nghiệm Điểm đến (Beta = 0.187)
│   ├── Đa dạng hóa trải nghiệm: Show Alcazar/Colosseum, Massage Thái cổ truyền, Lâu đài Baan Sukhawadee
│   └── Lịch trình linh hoạt: Bố trí thời gian tự do khám phá phố đêm Walking Street / Khao San
├── 4. Truyền thông Đa kênh & Chứng thực (Beta = 0.154)
│   ├── Xây dựng hệ thống Video Feedback thực tế từ du khách Đà Nẵng
│   └── Đẩy mạnh tiếp thị nội dung trên mạng xã hội vào khung giờ vàng đặt tour
└── 5. Kiểm soát & Giảm thiểu Rủi ro (Beta = -0.138)
    ├── Bảo hiểm du lịch quốc tế hạn mức cao (tối thiểu 10.000 USD/vụ)
    └── Cam kết hoàn tiền 100% chi phí chênh lệch nếu dịch vụ khách sạn/bữa ăn không đạt tiêu chuẩn 3-4 sao

Đánh giá hiệu quả kinh tế và ROI dự kiến

  • Tỷ lệ lấp đầy chỗ (Load Factor): Dự kiến tăng từ mức trung bình $72%$ lên $\ge 88%$ sau 6 tháng áp dụng đồng bộ các giải pháp.
  • Tối ưu chi phí Marketing (CAC): Giảm $22%$ chi phí thu hút một khách hàng mới nhờ tối ưu hóa kênh truyền thông truyền miệng (Word-of-Mouth) và giới thiệu nhóm.
  • Thời gian hoàn vốn giải pháp (ROI Timeline): Ước tính đạt điểm hòa vốn đầu tư hệ thống chăm sóc khách hàng và nhận diện thương hiệu trong vòng 4.5 tháng.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và phương pháp luận

  • Phương pháp lấy mẫu: Kỹ thuật lấy mẫu thuận tiện phi xác suất ($n=135$) tại khu vực Đà Nẵng có thể làm giảm tính đại diện tổng thể cho toàn bộ thị trường miền Trung hoặc toàn quốc.
  • Thời gian cắt ngang: Dữ liệu thu thập trong quý IV/2019 mang tính thời điểm, chưa phản ánh các biến động mang tính chu kỳ mùa vụ (mùa cao điểm hè, lễ Tết) hoặc tác động bất khả kháng từ dịch bệnh/kinh tế vĩ mô.

Hướng nghiên cứu mở rộng

  • Ứng dụng mô hình SEM/PLS-SEM: Phân tích các mối quan hệ trung gian (Mediating) và điều tiết (Moderating) của biến nhân khẩu học (thu nhập, độ tuổi) đến ý định quay lại.
  • Tích hợp hệ thống gợi ý tour thông minh: Xây dựng thuật toán Machine Learning (Recommendation System) dựa trên dữ liệu hành vi lịch sử để cá nhân hóa gói tour lữ hành cho từng tập khách hàng mục tiêu.

Đối tượng hưởng lợi

ĐỐI TƯỢNG HƯỞNG LỢI VÀ GIÁ TRỊ MANG LẠI
├── Sinh viên / Học viên chuyên ngành QTKD - Du lịch
│   └── Tài liệu tham khảo chuẩn mực về quy trình phân tích định lượng SPSS/EFA/OLS
├── Nhà quản trị / Marketer lữ hành
│   └── Bộ giải pháp Marketing-Mix thực chiến, tối ưu hóa ngân sách và giảm rủi ro vận hành
├── Doanh nghiệp lữ hành (Viratour & Đối tác)
│   └── Gia tăng tỷ lệ lấp đầy tour (+16%), tối ưu hóa dòng tiền và năng lực cạnh tranh
└── Nhà nghiên cứu ứng dụng
    └── Mô hình thực nghiệm mở rộng tích hợp giữa TPB và nhận thức rủi ro trong du lịch ngắn ngày

Câu hỏi thường gặp

1. Cần chuẩn bị những điều kiện gì để áp dụng mô hình định lượng này vào doanh nghiệp du lịch?

Doanh nghiệp cần xây dựng hệ thống thu thập dữ liệu khách hàng sau chuyến đi (Post-trip Survey) được số hóa qua Google Forms/CRM, bộ công cụ phân tích thống kê (SPSS/Python/R) và đội ngũ nhân sự hiểu rõ cách phiên giải các hệ số hồi quy để điều chỉnh sản phẩm.

2. Mô hình có áp dụng được cho các tour du lịch dài ngày hoặc thị trường Châu Âu/Mỹ không?

Có thể tái sử dụng khung phương pháp luận (TRA/TPB + EFA/OLS), tuy nhiên cần điều chỉnh lại hệ thống biến quan sát. Đối với các tour dài ngày hoặc thị trường cao cấp, trọng số về thủ tục Visa, an toàn chính trị và thời gian di chuyển sẽ chiếm tỷ trọng cao hơn so với giá tour.

3. Làm thế nào để tích hợp kết quả nghiên cứu vào hệ thống CRM hiện tại của công ty?

Kết quả trọng số từ mô hình hồi quy được dùng để gán điểm phân khúc khách hàng (Lead Scoring) trong CRM. Khách hàng có xu hướng nhạy cảm về giá và quan tâm uy tín sẽ tự động nhận các kịch bản email/tin nhắn nhấn mạnh vào chính sách trọn gói và cam kết chất lượng của Viratour.

4. Chi phí triển khai và thời gian thu hồi vốn (ROI) của hệ thống giải pháp là bao lâu?

Chi phí triển khai chủ yếu bao gồm tái cấu trúc ấn phẩm truyền thông, chuẩn hóa dịch vụ và đào tạo hướng dẫn viên (ước tính 30–50 triệu VNĐ). Với mức tăng trưởng lấp đầy tour từ $72%$ lên $88%$, thời gian hòa vốn và ghi nhận ROI dương ước tính chỉ từ 4 đến 5 tháng.

5. Tại sao yếu tố nhận thức rủi ro lại mang hệ số hồi quy âm ($\beta = -0.138$)?

Trong kinh tế lượng và tâm lý học hành vi, rủi ro cảm nhận là rào cản ngăn chặn hành vi mua. Khi khách hàng cảm nhận rủi ro về lịch trình, dịch vụ kém hoặc sự cố chuyến bay tăng lên 1 đơn vị, quyết định lựa chọn tour sẽ suy giảm tương ứng 0.138 đơn vị. Do đó, việc cam kết bảo hiểm và ổn định giờ bay là yêu cầu bắt buộc để triệt tiêu lực cản này.

Kết luận

Đồ án tốt nghiệp đã giải quyết trọn vẹn bài toán thực tiễn tại Công ty Du lịch Dịch vụ Công đoàn Đường sắt Việt Nam (Viratour) chi nhánh Đà Nẵng. Thông qua việc kết hợp chặt chẽ giữa cơ sở lý thuyết quản trị Marketing hiện đại và phương pháp định lượng thực nghiệm (Cronbach's Alpha, EFA, OLS Regression trên mẫu $n=135$), nghiên cứu đã định lượng hóa chính xác 5 nhóm nhân tố then chốt, xác lập phương trình hồi quy có hệ số giải thích $R^2 = 62.8%$.

Các phát hiện thực nghiệm chỉ ra rằng việc nâng cao nhận thức lợi ích ($\beta = 0.362$) kết hợp với khai thác sức mạnh của nhóm ảnh hưởng ($\beta = 0.231$) và triệt tiêu các rủi ro vận hành ($\beta = -0.138$) là chìa khóa sống còn giúp Viratour bứt phá doanh thu trong phân khúc tour Thái Lan ngắn ngày. Đây không chỉ là tài liệu học thuật giá trị cho sinh viên và nhà nghiên cứu quản trị kinh doanh, mà còn là cẩm nang thực thi chiến lược cho các nhà điều hành lữ hành tại Việt Nam.