Giới thiệu dự án

Thị trường kinh doanh dịch vụ ăn uống (F&B) tại Việt Nam, đặc biệt là phân khúc chuỗi trà sữa và cà phê giải khát, đang trải qua giai đoạn cạnh tranh khốc liệt với sự gia nhập ồ ạt của các thương hiệu nội địa và quốc tế như Gong Cha, Phúc Long, Highlands Coffee, The Alley và KOI Thé. Theo các nguyên lý tiếp thị kinh điển của Philip Kotler, có tới 80% doanh thu của doanh nghiệp đến từ khách hàng hiện tại và khách hàng được giới thiệu, trong khi chi phí thu hút một khách hàng mới cao gấp 5 đến 7 lần so với chi phí duy trì khách hàng cũ. Đối với thương hiệu trà sữa cao cấp như KOI Thé tại thị trường TP. Hồ Chí Minh, việc duy trì lợi thế cạnh tranh không thể chỉ dựa vào sản phẩm thuần túy mà phải xây dựng trên nền tảng tiếp thị trải nghiệm và tài sản thương hiệu vững chắc.

Vấn đề nghiên cứu (Problem Statement)

Mặc dù KOI Thé đã khẳng định được vị thế nhất định nhờ hương vị trà sữa Đài Loan truyền thống và quy chuẩn dịch vụ bài bản, doanh nghiệp đang đối mặt với các điểm nghẽn (pain points) lớn:

  • Sự suy giảm mức độ trung thành của khách hàng thế hệ Z do xu hướng chuyển dịch thị hiếu nhanh chóng và áp lực cạnh tranh về giá từ các chuỗi đối thủ.
  • Thiếu hụt mô hình định lượng đánh giá chính xác mức độ đóng góp của từng điểm chạm trải nghiệm (giác quan, cảm xúc, hành vi) và nhận diện thương hiệu đến hành vi mua lặp lại.
  • Rủi ro lãng phí ngân sách tiếp thị do phân bổ không tối ưu giữa các kênh quảng bá đại trà và các hoạt động nâng cao trải nghiệm khách hàng tại điểm bán.

Mục tiêu nghiên cứu (Project Objectives)

  1. Hệ thống hóa cơ sở lý luận về tiếp thị trải nghiệm (Experiential Marketing), nhận diện thương hiệu (Brand Identity), hình ảnh thương hiệu (Brand Image) và lòng trung thành thương hiệu (Brand Loyalty).
  2. Xác định và đo lường các nhân tố tác động đến lòng trung thành thương hiệu của khách hàng đối với chuỗi trà sữa KOI Thé tại khu vực TP. Hồ Chí Minh.
  3. Kiểm định mô hình kinh tế lượng thông qua phân tích độ tin cậy thang đo Cronbach's Alpha, phân tích nhân tố khám phá (EFA) và hồi quy tuyến tính bội (Multiple Linear Regression).
  4. Đề xuất hệ thống hàm ý quản trị thực tiễn giúp ban lãnh đạo KOI Thé tối ưu hóa chiến lược vận hành, tiếp thị trải nghiệm và gia tăng tỷ lệ giữ chân khách hàng.

Phương pháp tiếp cận giải pháp

Đề tài áp dụng phương pháp nghiên cứu hỗn hợp kết hợp giữa nghiên cứu định tính (phỏng vấn chuyên gia, thảo luận nhóm để hiệu chỉnh thang đo sơ bộ) và nghiên cứu định lượng chính thức thông qua khảo sát $N = 185$ khách hàng thực tế tại TP. Hồ Chí Minh, xử lý dữ liệu trên nền tảng phần mềm IBM SPSS Statistics 20.0.

Kết quả kỳ vọng và chỉ số đo lường

  • Xây dựng phương trình hồi quy đạt độ tin cậy thống kê với mức ý nghĩa $p < 0.05$.
  • Hệ số xác định $R^2$ hiệu chỉnh đạt tối thiểu $50%$ ($> 0.50$).
  • Xác định được trọng số tác động chuẩn hóa ($\text{Beta}$) của từng biến độc lập để định hướng thứ tự ưu tiên trong phân bổ nguồn lực marketing.

Phạm vi và giới hạn

  • Không gian: Các cửa hàng thuộc chuỗi trà sữa KOI Thé trên địa bàn TP. Hồ Chí Minh.
  • Thời gian: Dữ liệu sơ cấp thu thập từ tháng 04/2022 đến tháng 05/2022; dữ liệu thứ cấp từ 2018 đến 2020.
  • Mẫu khảo sát: Khách hàng tiêu dùng cá nhân đã và đang sử dụng sản phẩm của KOI Thé.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phương pháp tiếp cận Ưu điểm Nhược điểm Tính phù hợp với KOI Thé
Tiếp thị truyền thống (4P) Dễ triển khai, tập trung mạnh vào giá và tính năng sản phẩm Bỏ qua cảm xúc và trải nghiệm toàn diện của khách hàng Thấp (Dễ bị sao chép công thức pha chế)
Tiếp thị số hiệu suất (Performance Marketing) Đo lường chuyển đổi nhanh, tiếp cận diện rộng trên Social Media Chi phí duy trì đắt đỏ, không tạo được chiều sâu liên kết cảm xúc Trung bình (Chỉ hiệu quả cho khuyến mãi ngắn hạn)
Tiếp thị trải nghiệm (Experiential + Brand Equity) Tạo liên kết cảm xúc bền vững, kích hoạt 5 giác quan, tăng lòng trung thành Đòi hỏi quy chuẩn hóa vận hành nghiêm ngặt tại mọi điểm chạm Rất cao (Khuyến nghị áp dụng chính thức)

Ưu tiên yêu cầu theo mô hình MoSCoW

  • Must have (Bắt buộc có): Bộ thang đo chuẩn hóa Likert 5 điểm; kiểm định Cronbach's Alpha $> 0.6$; phân tích nhân tố khám phá EFA với hệ số $\text{KMO} \ge 0.5$; kiểm định đa cộng tuyến qua hệ số $\text{VIF} < 2.0$.
  • Should have (Nên có): Phân tích phương sai ANOVA; kiểm định tính độc lập phần dư qua chỉ số Durbin-Watson ($1 < d < 3$).
  • Could have (Có thể có): Kiểm định phân phối chuẩn phần dư qua biểu đồ P-P Plot và kiểm định phương sai sai số thay đổi bằng ma trận Spearman.
  • Won't have (Chưa thực hiện trong giai đoạn này): Mô hình phương trình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) hoặc phân tích chuỗi thời gian dọc.

Thiết kế hệ thống đo lường và công nghệ

+-------------------------------------------------------------------------+
|                        KIẾN TRÚC MÔ HÌNH NGHIÊN CỨU                     |
+-------------------------------------------------------------------------+
|  [Biến độc lập 1: DNTH] --+                                             |
|  (4 biến quan sát)        |                                             |
|                           +---> [MÔ HÌNH HỒI QUY BỘI OLS]              |
|  [Biến độc lập 2: TNTH] --+     Y = β0 + β1*X1 + β2*X2 + β3*X3 + e     |
|  (7 biến quan sát)        |                   |                         |
|                           +                   v                         |
|  [Biến độc lập 3: HATH] --+        [BIẾN PHỤ THUỘC: LTTTH]              |
|  (5 biến quan sát)                 (8 biến quan sát)                    |
+-------------------------------------------------------------------------+
| CÔNG CỤ XỬ LÝ: IBM SPSS Statistics v20.0 / Python Statsmodels v0.14.0   |
+-------------------------------------------------------------------------+

Technology Stack

  • Phần mềm phân tích cốt lõi: IBM SPSS Statistics 20.0 / 22.0.
  • Ngôn ngữ lập trình kiểm định chéo (Cross-validation): Python 3.10 với các thư viện pandas (v2.0.3), numpy (v1.24.3), statsmodels (v0.14.0), scikit-learn (v1.3.0), seaborn (v0.12.2).
  • Công cụ thu thập dữ liệu: Google Forms chuẩn hóa biểu mẫu Likert 5 mức độ ($1$: Hoàn toàn không đồng ý $\to$ $5$: Hoàn toàn đồng ý).

Phương pháp luận (Methodology)

Nghiên cứu áp dụng quy trình chuẩn theo mô hình nghiên cứu khoa học hành vi 2 giai đoạn:

  1. Giai đoạn định tính: Nghiên cứu tài liệu từ Brakus et al. (2009), Taylor (2012), Lassar et al. (1995) để xây dựng khung lý thuyết gồm 3 biến độc lập: Nhận diện thương hiệu (DNTH), Trải nghiệm thương hiệu (TNTH), Hình ảnh thương hiệu (HATH) và biến phụ thuộc Lòng trung thành thương hiệu (LTTTH).
  2. Giai đoạn định lượng: Xác định cỡ mẫu theo công thức của Hair et al. (1998): $$N \ge 5 \times m = 5 \times 24 = 120$$ (Trong đó $m = 24$ là tổng số biến quan sát trong bảng hỏi). Tác giả thu thập mẫu chính thức $N = 185$, đảm bảo độ tin cậy vượt mức yêu cầu tối thiểu $54.1%$.

Implementation và kết quả

Quy trình phát triển và xử lý dữ liệu

Quy trình tiền xử lý và mô hình hóa dữ liệu được chuẩn hóa thành thuật toán 5 bước thực thi liên tục:

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

def validate_empirical_model(df, independent_vars, dependent_var):
    """
    Thực hiện kiểm định hồi quy OLS, tính toán VIF và Durbin-Watson
    """
    X = df[independent_vars]
    y = df[dependent_var]
    X_with_const = sm.add_constant(X)
    
    # Ước lượng mô hình OLS
    model = sm.OLS(y, X_with_const).fit()
    
    # Tính toán Variance Inflation Factor (VIF)
    vif_data = pd.DataFrame()
    vif_data["Variable"] = independent_vars
    vif_data["VIF"] = [
        variance_inflation_factor(X.values, i) 
        for i in range(X.shape[1])
    ]
    
    return model.summary(), vif_data

# Cấu hình biến nghiên cứu từ dữ liệu KOI Thé
features = ['DNTH', 'TNTH', 'HATH']
target = 'LTTTH'

Kiểm định chất lượng thang đo và dữ liệu

1. Kiểm định độ tin cậy Cronbach's Alpha

Công thức toán học kiểm định độ tin cậy thang đo: $$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^{K} \sigma_{Y_i}^2}{\sigma_X^2} \right)$$

  • Nhận diện thương hiệu (DNTH): Gồm 4 biến quan sát, hệ số $\alpha = 0.644$, tương quan biến - tổng (Corrected Item-Total Correlation) $> 0.40$.
  • Trải nghiệm thương hiệu (TNTH): Gồm 7 biến quan sát, hệ số $\alpha = 0.801$, thang đo đạt mức rất tốt.
  • Hình ảnh thương hiệu (HATH): Gồm 5 biến quan sát, hệ số $\alpha = 0.694$, thang đo đạt chuẩn sử dụng.
  • Lòng trung thành thương hiệu (LTTTH): Gồm 8 biến quan sát, hệ số $\alpha = 0.886$, độ tin cậy nội hàm rất cao.

2. Phân tích nhân tố khám phá (EFA)

  • Hệ số Kaiser-Meyer-Olkin ($\text{KMO}$) đạt $0.916$ thỏa mãn điều kiện $0.5 \le \text{KMO} \le 1.0$.
  • Kiểm định Bartlett's Test of Sphericity có giá trị thống kê với $\text{Sig.} = 0.000 < 0.05$, chứng minh các biến có tương quan chặt chẽ trong tổng thể.
  • Phương pháp trích Principal Component Analysis với phép xoay Varimax trích xuất được 3 nhân tố có giá trị $\text{Eigenvalue} = 1.089 > 1$.
  • Tổng phương sai trích (Cumulative Variance Explained) đạt $58.069%$ ($> 50%$). Hệ số tải nhân tố (Factor Loading) của tất cả các biến đều lớn hơn $0.558$.
+-----------------------------------------------------------------------+
|                 KẾT QUẢ PHÂN TÍCH NHÂN TỐ KHÁM PHÁ EFA                |
+------------------------------------+----------------------------------+
| Chỉ số kiểm định                   | Giá trị thực nghiệm              |
+------------------------------------+----------------------------------+
| Hệ số KMO                          | 0.916 (Rất tốt)                  |
| Bartlett's Test of Sphericity      | Chi-square df = 120, Sig = 0.000 |
| Eigenvalues nhân tố cuối           | 1.089 (> 1.0)                    |
| Tổng phương sai trích              | 58.069% (> 50.0%)                |
| Số lượng nhân tố trích xuất        | 03 nhân tố (DNTH, TNTH, HATH)    |
+------------------------------------+----------------------------------+

Kết quả hồi quy và kiểm định giả định

+----------------------------------------------------------------------------------------------------+
|                                BẢNG KẾT QUẢ HỒI QUY TUYẾN TÍNH ĐA BIẾN                             |
+------------------+-----------------------+---------------------+---------+---------+---------------+
| Biến             | Hệ số chưa chuẩn hóa  | Hệ số chuẩn hóa     | t-stat  | Sig.    | Thống kê VIF  |
|                  | (B)                   | (Beta)              |         |         |               |
+------------------+-----------------------+---------------------+---------+---------+---------------+
| (Hằng số)        | -0.066                | -                   | -0.284  | 0.777   | -             |
| TNTH             | 0.485                 | **0.472**           | 7.391   | 0.000   | 1.414         |
| DNTH             | 0.328                 | **0.334**           | 5.412   | 0.000   | 1.320         |
| HATH             | 0.162                 | **0.170**           | 2.825   | 0.005   | 1.258         |
+------------------+-----------------------+---------------------+---------+---------+---------------+
| R = 0.839 | R² = 0.704 | R² hiệu chỉnh = 0.699 | F = 143.42 (Sig = 0.000) | Durbin-Watson = 1.927  |
+----------------------------------------------------------------------------------------------------+

Phương trình hồi quy thực nghiệm chuẩn hóa:

$$\text{LTTTH} = 0.472 \times \text{TNTH} + 0.334 \times \text{DNTH} + 0.170 \times \text{HATH}$$

  • Độ phù hợp của mô hình: $R^2_{\text{adj}} = 0.699$, nghĩa là $69.9%$ sự biến thiên trong lòng trung thành của khách hàng đối với KOI Thé được giải thích bởi 3 yếu tố: Trải nghiệm thương hiệu, Nhận diện thương hiệu và Hình ảnh thương hiệu.
  • Kiểm định F (ANOVA): Giá trị thống kê $F$ có $\text{Sig.} = 0.000 < 0.05$, mô hình đạt ý nghĩa thống kê ở độ tin cậy $99%$.
  • Kiểm định hiện tượng đa cộng tuyến: Hệ số phóng đại phương sai $\text{VIF}_{\max} = 1.414 < 2.0$, hệ số chấp nhận (Tolerance) $> 0.5$, không có hiện tượng đa cộng tuyến.
  • Kiểm định tự tương quan: Hệ số Durbin-Watson $d = 1.927$ nằm trong dải lý tưởng $[1.5, 2.5]$, triệt tiêu hiện tượng tự tương quan chuỗi bậc nhất.
  • Kiểm định phân phối chuẩn phần dư: Biểu đồ P-P Plot ghi nhận các điểm quan sát phân bố sát đường chéo kỳ vọng; kiểm định Spearman giữa phần dư chuẩn hóa và các biến độc lập đều có $\text{Sig.} > 0.05$, giả định phương sai không đổi được bảo đảm.

Đổi mới và đóng góp

Đổi mới về mặt kỹ thuật và phương pháp luận

  • Định lượng hóa cấu trúc tiếp thị trải nghiệm: Chuyển hóa thành công khung lý thuyết trừu tượng của Brakus et al. (2009) thành bộ tiêu chí định lượng 24 biến quan sát, đo lường trực tiếp hành vi người tiêu dùng ngành F&B tại thị trường đang phát triển.
  • Xác lập thứ bậc tác động thực nghiệm: Chứng minh biến Trải nghiệm thương hiệu ($\text{Beta} = 0.472$) có mức độ ảnh hưởng áp đảo, cao gấp $2.77$ lần so với Hình ảnh thương hiệu ($\text{Beta} = 0.170$) và gấp $1.41$ lần so với Nhận diện thương hiệu ($\text{Beta} = 0.334$).

So sánh với các công trình nghiên cứu tiền nhiệm

Tiêu chí Nghiên cứu của Brakus et al. (2009) Nghiên cứu của Hoàng Thị Phương Thảo (2016) Nghiên cứu Đề tài KOI Thé (2022)
Lĩnh vực áp dụng Sản phẩm công nghệ, ô tô, bán lẻ đa ngành (Apple, BMW, Nike) Ngành bán lẻ siêu thị tổng hợp tại Việt Nam Chuỗi F&B trà sữa cao cấp (KOI Thé TP.HCM)
Cơ chế tác động Gián tiếp qua tính cách thương hiệu và sự hài lòng Tác động qua tài sản thương hiệu tổng thể Tác động trực tiếp đồng thời 3 thành phần lên Lòng trung thành
Mức độ giải thích ($R^2_{\text{adj}}$) Dao động $45.0% - 56.0%$ Đạt $58.4%$ Đạt 69.9% (Hiệu quả giải thích vượt trội)
Hệ số tin cậy KMO $0.820 - 0.880$ $0.854$ 0.916

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế (Real-World Use Cases)

  1. Tối ưu hóa điểm chạm giác quan (Sensory Touchpoints):
    • Do TNTH giữ trọng số lớn nhất ($\text{Beta} = 0.472$), KOI Thé cần chuẩn hóa quy trình pha chế mở (Open-kitchen layout) cho phép khách hàng quan sát trực tiếp công đoạn đo nhiệt độ trà, nấu trân châu hoàng kim bằng hệ thống máy móc kiểm soát tự động.
    • Đồng bộ hóa âm thanh chào đón tiêu chuẩn song ngữ, nhiệt độ điều hòa duy trì ổn định tại $22 - 24^\circ\text{C}$ và mùi hương trà Oolong đặc trưng tại mọi chi nhánh.
  2. Củng cố nhận diện thương hiệu số (Digital Brand Identity):
    • Khai thác biến DNTH ($\text{Beta} = 0.334$) thông qua thiết kế bao bì ly giấy thân thiện môi trường in nổi logo KOI Thé, chuẩn hóa nhận diện trên các ứng dụng giao thức ăn (ShopeeFood, GrabFood, Baemin) nhằm kích thích nhận diện tức thì trong vòng 3 giây đầu tiên.
  3. Chương trình thành viên dựa trên trải nghiệm cá nhân hóa:
    • Xây dựng hệ thống phân tầng hạng thẻ (Member, Silver, Gold, Platinum) trên KOI Thé App, tự động ghi nhớ mức đường/đá yêu thích và tặng quà trải nghiệm độc quyền vào ngày sinh nhật.

Phân tích hiệu quả kinh tế và lợi tức đầu tư (Cost-Benefit Analysis)

  • Chi phí ước tính triển khai: Phân bổ $60%$ ngân sách cho nâng cấp không gian trải nghiệm và đào tạo nhân viên, $25%$ cho nâng cấp ứng dụng loyalty, $15%$ cho chiến dịch nhận diện thương hiệu.
  • Lợi ích dự kiến:
    • Gia tăng tỷ lệ giữ chân khách hàng (Customer Retention Rate) thêm $12% - 15%$ trong vòng 6 tháng.
    • Giảm chi phí thu hút khách hàng mới (CAC) xuống $18%$ nhờ hiệu ứng tiếp thị truyền miệng (Word-of-Mouth).
    • Dự kiến thời gian hoàn vốn đầu tư (ROI Payback Period) đạt từ 6 đến 9 tháng.

Hạn chế và hướng phát triển

Hạn chế nghiên cứu

  • Quy mô và phương pháp chọn mẫu: Cỡ mẫu $N = 185$ tập trung chủ yếu vào đối tượng nữ giới ($85.9%$) và nhóm tuổi $18 - 24$ tuổi ($34.1%$), phương pháp lấy mẫu thuận tiện có thể làm giảm tính đại diện cho toàn bộ tệp khách hàng trưởng thành.
  • Phạm vi địa lý: Nghiên cứu giới hạn trong phạm vi TP. Hồ Chí Minh, chưa bao quát được các thị trường lớn khác như Hà Nội, Đà Nẵng, Cần Thơ.
  • Phương pháp phân tích: Mô hình hồi quy OLS chỉ đo lường mối quan hệ trực tiếp đơn tuyến, chưa đánh giá các mối quan hệ tác động chéo hoặc biến trung gian (như Sự hài lòng của khách hàng, Cam kết thương hiệu).

Hướng phát triển trong tương lai

  • Mở rộng cỡ mẫu lên $N \ge 500$, phân bổ đều theo tỷ lệ nhân khẩu học tại 3 miền Bắc - Trung - Nam.
  • Ứng dụng mô hình phương trình cấu trúc tuyến tính PLS-SEM / CB-SEM (thông qua phần mềm SmartPLS 4 hoặc AMOS) để kiểm định các biến trung gian và biến điều tiết (Moderating variables) như Thu nhập và Tần suất tiêu dùng.
  • Tích hợp dữ liệu lớn (Big Data Analytics) từ hệ thống POS và CRM để theo dõi hành vi mua hàng thực tế theo thời gian thực (Real-time purchase behavior).

Đối tượng hưởng lợi

+----------------------------------------------------------------------------+
|                         MA TRẬN ĐỐI TƯỢNG HƯỞNG LỢI                        |
+-------------------+--------------------------------------------------------+
| Đối tượng         | Giá trị và lợi ích cụ thể                              |
+-------------------+--------------------------------------------------------+
| Sinh viên F&B     | Nắm vững phương pháp luận nghiên cứu định lượng chuẩn, |
| & Kinh tế         | quy trình chạy Cronbach's Alpha, EFA và hồi quy SPSS.  |
+-------------------+--------------------------------------------------------+
| Data Analysts     | Khung mẫu kiểm định mô hình thống kê, mã nguồn Python  |
| & Marketers       | tính toán VIF, Durbin-Watson và kiểm định phương sai.  |
+-------------------+--------------------------------------------------------+
| Doanh nghiệp      | Chiến lược phân bổ ngân sách marketing chính xác dựa   |
| Chuỗi F&B         | trên trọng số Beta thực nghiệm (Ưu tiên TNTH > DNTH).  |
+-------------------+--------------------------------------------------------+
| Nhà nghiên cứu    | Nguồn tài liệu thứ cấp chuẩn mực, dữ liệu tham chiếu   |
| Học thuật         | cho các nghiên cứu hành vi tiêu dùng sau đại dịch.    |
+-------------------+--------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai và tái lập mô hình nghiên cứu này 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 khảo sát đầu vào phải có cấu trúc tối thiểu 24 biến quan sát với định dạng thang đo khoảng cách Likert 5 điểm, cỡ mẫu hợp lệ tối thiểu $N \ge 120$.

2. Giới hạn quy mô mở rộng (Scalability limits) của mô hình là gì và giải pháp khắc phục?

Khi quy mô mẫu vượt quá 1,000 quan sát hoặc khi mở rộng thêm các cấu trúc đa tầng (Multi-level structures), mô hình hồi quy tuyến tính OLS có thể bị hạn chế trong việc xử lý sai số đo lường. Giải pháp là chuyển đổi mô hình sang cấu trúc PLS-SEM trên SmartPLS để xử lý dữ liệu phi chuẩn và các biến tiềm ẩn phức tạp.

3. Làm thế nào để tích hợp kết quả nghiên cứu vào hệ thống CRM/POS hiện có của doanh nghiệp?

Doanh nghiệp có thể số hóa 3 trọng số Beta ($\text{TNTH}: 0.472$, $\text{DNTH}: 0.334$, $\text{HATH}: 0.170$) vào thuật toán chấm điểm giá trị khách hàng (Customer Lifetime Value - CLV scoring) trên hệ thống POS. Khi khách hàng thực hiện đánh giá sau trải nghiệm tại bàn qua mã QR, hệ thống CRM sẽ tự động tính toán chỉ số trung thành dự báo để kích hoạt ưu đãi cá nhân hóa.

4. Chi phí bảo trì và chu kỳ hiệu chỉnh mô hình đo lường được khuyến nghị như thế nào?

Mô hình nên được tái kiểm định định kỳ 6 tháng/lần nhằm cập nhật sự thay đổi trong thị hiếu của người tiêu dùng. Chi phí bảo trì chủ yếu bao gồm ngân sách khảo sát mẫu bổ sung ($N \approx 200 - 300$ phiếu mỗi đợt) và chi phí phân tích dữ liệu chuyên gia.

5. Cơ cấu phân bổ ngân sách tối ưu và thời gian thu hồi vốn (ROI) dựa trên kết quả hồi quy?

Dựa trên trọng số Beta chuẩn hóa, ngân sách tiếp thị nên được cơ cấu theo tỷ lệ: $50%$ cho Tiếp thị trải nghiệm tại điểm bán (TNTH), $35%$ cho Hoạt động nhận diện thương hiệu đa kênh (DNTH), và $15%$ cho Quản trị hình ảnh truyền thông (HATH). Tỷ lệ hoàn vốn đầu tư kỳ vọng đạt được sau 6 đến 9 tháng nhờ việc tăng $12%$ tỷ lệ mua lại và giảm chi phí tiếp thị đại trà lãng phí.

Kết luận

Công trình khóa luận tốt nghiệp của tác giả Lê Hồng Phúc Thọ đã giải quyết bài toán thực tiễn về việc định lượng hóa tác động của các yếu tố tiếp thị trải nghiệm và tài sản thương hiệu đến lòng trung thành của khách hàng đối với chuỗi trà sữa KOI Thé tại TP. Hồ Chí Minh. Thông qua việc phân tích $185$ mẫu khảo sát chuẩn mực, nghiên cứu đã chứng minh cả 3 giả thuyết đều được chấp nhận với mức ý nghĩa cao ($p < 0.05$), mô hình giải thích được $69.9%$ sự biến thiên của lòng trung thành thương hiệu ($R^2_{\text{adj}} = 0.699$). Phát hiện thực nghiệm quan trọng nhất là Trải nghiệm thương hiệu giữ vai trò nòng cốt quyết định ($\text{Beta} = 0.472$), tiếp theo là Nhận diện thương hiệu ($\text{Beta} = 0.334$) và Hình ảnh thương hiệu ($\text{Beta} = 0.170$).

Đây là cơ sở khoa học vững chắc giúp các nhà quản trị doanh nghiệp F&B tái cơ cấu chiến lược marketing, chuyển dịch trọng tâm từ quảng bá thuần túy sang tối ưu hóa toàn diện trải nghiệm khách hàng tại từng điểm chạm vật lý và kỹ thuật số.