Luận án Tiến sĩ: Quản trị trải nghiệm khách hàng trên Internet ngành khách sạn Việt Nam

Tổng quan về luận án

Nghiên cứu này tiên phong trong việc khám phá và giải quyết các thách thức quản trị trải nghiệm khách hàng (CEM) trên Internet trong lĩnh vực dịch vụ khách sạn tại Việt Nam, đặc biệt trong bối cảnh tăng trưởng nhanh chóng của thương mại điện tử và cuộc Cách mạng Công nghiệp 4.0. Trải nghiệm khách hàng đã thu hút sự chú ý đáng kể từ các nhà nghiên cứu và quản trị doanh nghiệp trong hai thập kỷ qua [39, 43, 47, 90, 114], trở thành ưu tiên hàng đầu để duy trì lợi thế cạnh tranh bền vững. Tuy nhiên, việc quản trị các trải nghiệm trực tuyến, đặc biệt là thấu hiểu tâm lý, cảm xúc và hành vi khách hàng sau trải nghiệm dịch vụ khách sạn, vẫn còn là một thách thức lớn khi không có tương tác trực tiếp [62].

Research gap SPECIFIC với citations từ literature: Mặc dù các nghiên cứu toàn cầu đã phổ biến việc phân tích tác động của trải nghiệm khách hàng trong lĩnh vực khách sạn thông qua khai phá quan điểm của khách hàng trên Internet [55, 60, 63, 64, 66, 75, 77, 110, 112, 119, 127, 128, 137, 146], tại Việt Nam, hướng nghiên cứu này vẫn chưa được tập trung đáng kể. Các nghiên cứu hiện hành ở Việt Nam về đo lường cảm xúc khách hàng sau trải nghiệm dịch vụ khách sạn chủ yếu vẫn tiếp cận theo mô hình phân tích nhân tố ảnh hưởng (SEM) [4, 9, 12, 15], thiếu vắng những nghiên cứu đột phá ứng dụng kỹ thuật khai phá dữ liệu và khoa học máy tính. Cụ thể hơn, tồn tại khoảng trống đáng kể trong việc phát triển một khung lý thuyết toàn diện về trải nghiệm khách hàng và quản trị trải nghiệm khách hàng trên Internet trong lĩnh vực khách sạn Việt Nam, cũng như thiếu các nghiên cứu phân tích tác động của trải nghiệm khách hàng đến sự hài lòng ở cả cấp độ tổng thể và chi tiết theo từng khía cạnh dịch vụ, và đến quan điểm của khách hàng về dịch vụ khách sạn. Nghiên cứu này đặt mình vào khoảng trống đó, cung cấp một cách tiếp cận mới để định lượng và thấu hiểu trải nghiệm khách hàng.

Research questions và hypotheses: Để giải quyết những khoảng trống trên, nghiên cứu đặt ra hai câu hỏi chính:

1. Phân tích dữ liệu có thể thấu hiểu được cảm xúc và tâm lý của khách hàng sau trải nghiệm dịch vụ khách sạn ở Việt Nam không? Hiện trạng dịch vụ khách sạn ra sao dưới quan điểm của khách hàng?
2. Ý nghĩa của đo lường trải nghiệm khách hàng trên Internet trong lĩnh vực khách sạn ở Việt Nam giúp ích gì cho quản trị trải nghiệm khách hàng trong lĩnh vực khách sạn ở Việt Nam?

Theoretical framework với tên theories cụ thể: Nghiên cứu xây dựng một khung lý thuyết và mô hình khái niệm mới về quản trị trải nghiệm khách hàng trên Internet, dựa trên việc kế thừa và mở rộng các lý thuyết về Trải nghiệm Khách hàng (Customer Experience - CX), Quản trị Trải nghiệm Khách hàng (Customer Experience Management - CEM) của Schmitt [114], cùng với các khái niệm về Dữ liệu Lớn (Big Data) và Xử lý Ngôn ngữ Tự nhiên (Natural Language Processing - NLP). Khung này nhấn mạnh vai trò trung tâm của quan điểm và cảm xúc khách hàng được thu thập từ dữ liệu trực tuyến.

Đóng góp đột phá với quantified impact: Nghiên cứu mang lại những đóng góp đột phá. Thứ nhất, nó phát triển một khung lý luận mới về CEM trong ngành khách sạn Việt Nam phù hợp với bối cảnh chuyển đổi số của cuộc Cách mạng Công nghiệp 4.0. Thứ hai, nó đề xuất phương pháp đo lường sự hài lòng của khách hàng ở hai cấp độ (tổng thể và chi tiết từng khía cạnh dịch vụ) thông qua phân tích dữ liệu, mang lại cái nhìn sâu sắc và cụ thể hơn so với các phương pháp truyền thống. Thứ ba, phương pháp xếp hạng sao khách sạn dựa trên quan điểm khách hàng sau trải nghiệm dịch vụ được đề xuất, có tiềm năng cải thiện tính khách quan và cập nhật của hệ thống xếp hạng quốc gia, với khả năng ứng dụng cho hơn 20 khách sạn 4-5 sao tại 05 thành phố lớn. Cuối cùng, nghiên cứu đóng góp một bộ dữ liệu lớn gồm hơn 30.000 đánh giá khách hàng từ TripAdvisor (2015-2021) trên 20+ khách sạn, làm nền tảng cho các nghiên cứu tiếp theo.

Scope (sample size, timeframe) và significance: Phạm vi nghiên cứu tập trung vào việc phân tích thế giới trải nghiệm của khách hàng để thấu hiểu họ, đặc biệt là tác động của trải nghiệm đến cảm xúc và quan điểm. Dữ liệu được thu thập từ các khách sạn 4-5 sao tại 05 thành phố du lịch lớn của Việt Nam (Hà Nội, Huế, Đà Nẵng, Nha Trang, TP. Hồ Chí Minh) trên trang TripAdvisor, trong giai đoạn từ năm 2015 đến 2021, với tổng số hơn 30.000 đánh giá. Ý nghĩa của nghiên cứu không chỉ nằm ở việc cung cấp các giải pháp quản trị thực tiễn cho ngành khách sạn Việt Nam mà còn mở ra một hướng tiếp cận khoa học mới, sử dụng phân tích dữ liệu lớn để định lượng các khía cạnh trải nghiệm khách hàng vốn phức tạp và đa chiều.

Literature Review và Positioning

Đánh giá tổng quan các công trình nghiên cứu liên quan cho thấy Trải nghiệm Khách hàng (CX) và Quản trị Trải nghiệm Khách hàng (CEM) là những chủ đề rộng lớn, đa chiều, thu hút sự quan tâm từ nhiều lĩnh vực như tâm lý học, nhân chủng học, tiếp thị và kinh tế [114]. Các nhà khoa học đã tiến hành nhiều phương pháp đo lường trải nghiệm, từ phân tích nhân tố ảnh hưởng (SEM) đến các kỹ thuật khai phá dữ liệu tiên tiến.

Synthesis của major streams với TÊN TÁC GIẢ và NĂM cụ thể: Trong dòng nghiên cứu về đo lường trải nghiệm khách hàng, các mô hình SEM là phổ biến, nghiên cứu tác động của các nhân tố đến cảm xúc khách hàng sau trải nghiệm. Các nghiên cứu này thường dựa trên việc thiết kế câu hỏi khảo sát ý kiến khách hàng về sản phẩm hoặc dịch vụ. Ví dụ, Ngô Nguyên Quý và Nguyễn Văn Ngọc [15] (2013) đã sử dụng SEM để đánh giá mức độ hài lòng tại khách sạn Novotel Nha Trang dựa trên 06 tiêu chí, với dữ liệu từ 285 mẫu hợp lệ. Nghiên cứu của Bùi Thị Quỳnh Trang [21] đã khảo sát 420 khách hàng về trải nghiệm khách sạn 4-5 sao tại Việt Nam, sử dụng Cronbach’s Alpha và SEM để xác định 03 tiêu chí tác động đến sự hài lòng và lòng trung thành. Các nghiên cứu này nhất quán cho thấy trải nghiệm khách hàng tác động đến sự hài lòng, lòng trung thành và hành vi truyền miệng điện tử (E-WOM) [4, 6, 21, 22, 47, 63, 66, 75, 77, 112, 153]. Trong khi đó, từ năm 2016 trở lại đây, một dòng nghiên cứu mới đã nổi lên, tiếp cận bằng cách phân tích dữ liệu do chính khách hàng tạo ra trên Internet để đo lường cảm xúc sau trải nghiệm [60, 87, 92, 99, 149]. Hướng này tận dụng nguồn dữ liệu khách quan, sẵn có trên Internet, đòi hỏi các mô hình và thuật toán công nghệ thông tin, khoa học máy tính để khai phá dữ liệu [33, 41, 49, 53, 54, 67, 76, 80]. Luận án tiến sĩ của Oh Mun Hyang [66] tại Đại học Bách khoa Hồng Kông đã ứng dụng phân tích văn bản để đánh giá trực tuyến nhà hàng, thiết kế mô hình phân tích dữ liệu khách hàng với mục tiêu quản trị và nâng cấp chất lượng dịch vụ.

Contradictions/debates với ít nhất 2 opposing views: Một trong những tranh cãi chính là giữa tính chủ quan của dữ liệu khảo sát và tính khách quan của dữ liệu lớn trực tuyến. Các nghiên cứu dựa trên SEM, dù cung cấp cái nhìn sâu sắc về mối quan hệ nhân quả giữa các yếu tố, thường bị giới hạn bởi cỡ mẫu nhỏ (ví dụ, 285 mẫu của Ngô Nguyên Quý và Nguyễn Văn Ngọc [15]) và tính chủ quan trong thiết kế câu hỏi, có thể không phản ánh đầy đủ nhu cầu thay đổi của khách hàng. Ngược lại, các nghiên cứu khai phá dữ liệu lớn cung cấp cái nhìn toàn diện hơn, không bị giới hạn bởi câu hỏi thiết kế, với chi phí thấp và công cụ phân tích tự động, hiện đại giúp tăng độ chính xác [6]. Tuy nhiên, hướng này lại đối mặt với thách thức về sự phức tạp trong việc xây dựng công cụ và mô hình phân tích phù hợp, cũng như khó khăn trong việc phân tổ thống kê và xác định thông tin nhân khẩu học [Bảng 1.1].

Positioning trong literature với specific gap identified: Nghiên cứu này định vị mình ở giao điểm giữa hai dòng nghiên cứu trên. Trong khi các nghiên cứu trong nước vẫn chủ yếu tiếp cận theo mô hình SEM [3, 4, 9, 12], nghiên cứu này áp dụng phương pháp phân tích dữ liệu lớn do khách hàng tạo ra trên các trang đặt phòng trực tuyến [45, 46, 55, 106], tương tự xu hướng quốc tế và một số ít nghiên cứu tiên phong ở Việt Nam [7, 14, 128]. Khoảng trống cụ thể được xác định là thiếu một khung lý thuyết và phương pháp tiếp cận toàn diện ở Việt Nam để đo lường cảm xúc khách hàng ở cả mức tổng thể và chi tiết từng khía cạnh dịch vụ khách sạn, cùng với việc xếp hạng khách sạn dựa trên quan điểm khách hàng từ dữ liệu trực tuyến.

How this advances field với concrete contributions: Nghiên cứu này tiến một bước quan trọng cho lĩnh vực bằng cách cung cấp một khung lý luận mới về CEM trong lĩnh vực khách sạn Việt Nam trong bối cảnh Cách mạng Công nghiệp 4.0. Nó mở rộng khái niệm quản trị dựa trên quan điểm khách hàng, lấy ý kiến và cảm xúc làm trung tâm để đánh giá dịch vụ và cung cấp dịch vụ cá nhân hóa. Phương pháp đo lường sự hài lòng ở hai mức độ (tổng thể và chi tiết) và phương pháp xếp hạng sao khách sạn dựa trên dữ liệu khách hàng trực tuyến là những đóng góp cụ thể, vượt trội so với các hạn chế của phương pháp khảo sát truyền thống.

So sánh với ÍT NHẤT 2 international studies: So sánh với nghiên cứu của Yabing Zhao và cộng sự [148] về dự đoán độ hài lòng tổng thể dựa trên xếp hạng khách sạn từ 127.629 bài đánh giá TripAdvisor, nghiên cứu này không chỉ dừng lại ở dự đoán tổng thể mà còn đi sâu vào đo lường sự hài lòng theo từng thuộc tính/khía cạnh dịch vụ cụ thể. Điều này cung cấp thông tin chi tiết hơn cho việc cải tiến dịch vụ. Tương tự, nghiên cứu của Jian Dong và cộng sự [56] phân loại 07 thuộc tính tạo ra sự hài lòng khách hàng từ dữ liệu Daodao.com của Trung Quốc. Nghiên cứu hiện tại không chỉ xác định các thuộc tính quan trọng mà còn đề xuất một phương pháp định lượng cảm xúc khách hàng và xếp hạng khách sạn dựa trên những thuộc tính đó, đồng thời khắc phục hạn chế về ngôn ngữ (tiếng Trung) và tập trung vào bối cảnh cụ thể của Việt Nam. Nghiên cứu của Uroš Godnov và Tjaša Redek [61] sử dụng 18.000 đánh giá khách sạn ở Croatia từ TripAdvisor với các kỹ thuật phân tích tình cảm và mô hình hóa chủ đề trong phần mềm R và RapidMiner, chỉ ra rằng "phòng" là khía cạnh được quan tâm nhiều nhất. Nghiên cứu này tương tự về phương pháp tiếp cận kỹ thuật nhưng mở rộng ý nghĩa ứng dụng vào quản trị thông minh, giải quyết các vấn đề cụ thể mà khách sạn quan tâm sau trải nghiệm khách hàng.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Nghiên cứu này mở rộng và thách thức các lý thuyết hiện có về Quản trị Trải nghiệm Khách hàng (CEM) và hành vi tiêu dùng sau trải nghiệm. Cụ thể, nó mở rộng mô hình 5 bước xây dựng khung quản trị trải nghiệm khách hàng của Bernd Schmitt [114] bằng cách đưa kỹ thuật phân tích dữ liệu lớn vào bước "Phân tích thế giới trải nghiệm của khách hàng". Thay vì dựa vào các phương pháp định tính hoặc khảo sát truyền thống có tính chủ quan và giới hạn về nội dung, nghiên cứu sử dụng dữ liệu tự nhiên, khách quan từ các đánh giá trực tuyến để thấu hiểu sâu sắc hơn về cảm xúc và tâm lý khách hàng. Nghiên cứu cũng thách thức các quan điểm truyền thống về đo lường sự hài lòng và lòng trung thành, vốn chủ yếu dựa vào các mô hình phân tích nhân tố ảnh hưởng (SEM) đã được chứng minh trong nhiều lĩnh vực [17, 18, 19, 34, 48]. Mặc dù các mô hình này cung cấp mối quan hệ nhân quả, nhưng "lý thuyết có thể không đại diện tốt cho thực tế" [83] khi các thang đo có thể thừa kế từ các nghiên cứu cũ và không phù hợp với nhu cầu khách hàng thay đổi nhanh chóng. Nghiên cứu này đề xuất một cách tiếp cận thay thế, định lượng cảm xúc khách hàng thông qua phân tích văn bản do chính khách hàng tạo ra, mang lại tính cập nhật và khách quan cao hơn.

Conceptual framework với components và relationships: Khung khái niệm của nghiên cứu được thiết kế để kết nối Trải nghiệm Khách hàng trên Internet với kết quả quản trị. Các thành phần chính bao gồm:

1. Nguồn dữ liệu đánh giá trực tuyến: Các bài đánh giá khách hàng trên TripAdvisor (từ 2015-2021).
2. Kỹ thuật Phân tích Dữ liệu Lớn: Bao gồm Xử lý Ngôn ngữ Tự nhiên (NLP), Khai phá Quan điểm (Sentiment Analysis), Mô hình Word2Vec, Khai phá Luật Kết hợp, và Thống kê Toán học.
3. Đầu ra đo lường trải nghiệm khách hàng:
   • Sự hài lòng của khách hàng (mức tổng thể và chi tiết theo khía cạnh).
   • Lòng trung thành của khách hàng (nhận diện qua thuật ngữ đánh giá).
   • Xếp hạng sao khách sạn (dựa trên quan điểm khách hàng).
4. Hàm ý quản trị: Các đề xuất về nâng cấp dịch vụ, cá nhân hóa trải nghiệm, chiến lược E-WOM, và điều chỉnh chính sách du lịch. Mối quan hệ chính là dữ liệu đánh giá trực tuyến được phân tích bằng các kỹ thuật tiên tiến để định lượng cảm xúc, tâm lý và quan điểm của khách hàng, từ đó tạo ra những thông tin giá trị cho việc ra quyết định quản trị.

Theoretical model với propositions/hypotheses numbered: Mô hình lý thuyết toán thống kê được phát triển trong nghiên cứu bao gồm các mệnh đề và giả thuyết ẩn nhằm khai phá tri thức từ dữ liệu:

1. Proposition 1: Các kỹ thuật Khai phá Dữ liệu Văn bản và Xử lý Ngôn ngữ Tự nhiên có khả năng trích rút các khía cạnh dịch vụ khách sạn mà khách hàng quan tâm từ các đánh giá trực tuyến.
2. Hypothesis 1.1: Tần suất xuất hiện và độ tương tự của các thuật ngữ liên quan đến khía cạnh dịch vụ có tương quan thuận với mức độ quan tâm của khách hàng đối với khía cạnh đó.
3. Proposition 2: Cảm xúc của khách hàng (hài lòng/không hài lòng) đối với dịch vụ khách sạn có thể được định lượng chính xác thông qua phân tích tình cảm của các đánh giá trực tuyến.
4. Hypothesis 2.1: Mức độ hài lòng tổng thể của khách hàng có thể được suy ra từ tổng hợp các đánh giá cảm xúc về các khía cạnh dịch vụ cụ thể.
5. Hypothesis 2.2: Sự không hài lòng của khách hàng tập trung vào các thuộc tính dịch vụ cụ thể sẽ chỉ ra những điểm yếu cần cải thiện.
6. Proposition 3: Xếp hạng sao khách sạn dựa trên quan điểm khách hàng trực tuyến có thể cung cấp một thước đo chất lượng khách quan và cập nhật hơn so với các tiêu chuẩn quốc gia truyền thống.
7. Hypothesis 3.1: Các mô hình dự đoán dữ liệu có thể xây dựng một hệ thống xếp hạng sao tự động dựa trên phân tích đánh giá khách hàng.

Paradigm shift với EVIDENCE từ findings: Nghiên cứu này đề xuất một sự dịch chuyển nhỏ trong mô hình (paradigm shift) từ phương pháp khảo sát truyền thống sang phương pháp phân tích dữ liệu lớn. Sự thay đổi này được minh chứng bằng việc thay thế "các nghiên cứu đề xuất phương pháp để đo lường, định lượng và thấu hiểu cảm xúc khách hàng sau khi trải nghiệm dịch vụ khách sạn tại Việt Nam vẫn còn tiếp cận theo mô hình phân tích nhân tố ảnh hưởng (SEM) [4, 9, 12, 15], hiếm những nghiên cứu mang tính đột phá, áp dụng kỹ thuật mới như khai phá dữ liệu, khoa học máy tính" bằng một quy trình nghiên cứu dựa trên dữ liệu có sẵn trên Internet, mang lại cái nhìn khách quan và toàn diện hơn, không bị giới hạn bởi khuôn khổ câu hỏi thiết kế.

Khung phân tích độc đáo

Integration của theories (name 3+ specific theories): Khung phân tích của nghiên cứu là sự tích hợp độc đáo của ba nhóm lý thuyết chính:

1. Lý thuyết Quản trị Trải nghiệm Khách hàng (CEM): Kế thừa từ các công trình của Schmitt [114] và Pine & Gilmore [108], tập trung vào việc tạo ra và quản lý các tương tác có ý nghĩa với khách hàng.
2. Lý thuyết về Dữ liệu Lớn (Big Data) và Khai phá Dữ liệu (Data Mining): Áp dụng các nguyên lý về thu thập, lưu trữ, xử lý và phân tích dữ liệu có khối lượng, vận tốc và đa dạng lớn để trích xuất thông tin giá trị.
3. Lý thuyết Xử lý Ngôn ngữ Tự nhiên (NLP): Sử dụng các kỹ thuật ngôn ngữ học tính toán để phân tích và hiểu ngôn ngữ tự nhiên trong các đánh giá của khách hàng, chuyển đổi văn bản phi cấu trúc thành dữ liệu có thể định lượng được. Sự tích hợp này tạo ra một mô hình liên ngành, kết nối giữa quản trị kinh doanh và khoa học dữ liệu.

Novel analytical approach với justification: Phương pháp phân tích độc đáo của nghiên cứu nằm ở việc xây dựng một quy trình liên tục từ thu thập dữ liệu thô (văn bản) đến định lượng cảm xúc và đề xuất giải pháp quản trị. Cụ thể, nghiên cứu sử dụng:

• Kỹ thuật xử lý ngôn ngữ tự nhiên để tách từ, gán nhãn từ loại (Pos Tagger), xây dựng mô hình Word2Vec để tính toán độ tương tự của các thuật ngữ, và nhận diện các chủ đề (khía cạnh) mà khách hàng quan tâm.
• Khai phá quan điểm (Sentiment Analysis) và Mô hình thống kê tần suất thuật ngữ để đo lường mức độ hài lòng/không hài lòng ở cả cấp độ tổng thể và từng khía cạnh.
• Mô hình dự đoán dữ liệu để xây dựng phương pháp xếp hạng sao khách sạn mới. Việc lựa chọn cách tiếp cận này được biện minh bởi những ưu điểm vượt trội so với phương pháp SEM truyền thống, bao gồm khả năng khai phá nhiều khía cạnh cảm nhận của khách hàng mang tính toàn diện, chi phí thấp do dữ liệu sẵn sàng, công cụ phân tích tự động giúp tăng độ chính xác, và khả năng thấu hiểu từng khía cạnh để nâng cao chất lượng dịch vụ và thiết kế chiến lược E-WOM hiệu quả [Bảng 1.1].

Conceptual contributions với definitions: Nghiên cứu đóng góp các khái niệm mới và làm rõ các khái niệm hiện có trong bối cảnh cụ thể của Việt Nam:

• Trải nghiệm Khách hàng trên Internet trong lĩnh vực khách sạn: Là cảm nhận của khách hàng sau khi họ tương tác với một công ty hoặc thương hiệu trên môi trường trực tuyến thông qua các điểm chạm trên Internet, bao gồm cả trải nghiệm trực tiếp được chia sẻ và trải nghiệm đọc các chia sẻ đó.
• Khung Quản trị Trải nghiệm Khách hàng trên Internet: Một mô hình cấu trúc hóa các nhiệm vụ và quy trình để thấu hiểu, đo lường và phản ứng với trải nghiệm khách hàng trực tuyến nhằm tối ưu hóa sự hài lòng và lòng trung thành.
• Phương pháp đo lường sự hài lòng đa cấp: Một cách tiếp cận định lượng sự hài lòng của khách hàng không chỉ ở mức tổng thể mà còn chi tiết theo từng khía cạnh dịch vụ (ví dụ: phòng, nhân viên, bữa sáng).

Boundary conditions explicitly stated: Các điều kiện biên của nghiên cứu được xác định rõ ràng:

• Phạm vi không gian: Chỉ áp dụng cho các khách sạn 4-5 sao tại 05 thành phố du lịch lớn của Việt Nam (Hà Nội, Huế, Đà Nẵng, Nha Trang, TP. Hồ Chí Minh).
• Phạm vi thời gian dữ liệu: Dữ liệu đánh giá từ trang TripAdvisor trong giai đoạn 2015-2021.
• Loại dữ liệu: Dữ liệu văn bản từ đánh giá khách hàng trực tuyến, không bao gồm các hình thức phản hồi khác hoặc dữ liệu từ khảo sát trực tiếp. Những giới hạn này đảm bảo tính khả thi của nghiên cứu và giúp định hình khả năng tổng quát hóa của các phát hiện.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Research philosophy (positivism/interpretivism/critical realism): Nghiên cứu này theo đuổi triết lý nghiên cứu Thực dụng (Pragmatism). Mục tiêu của nó là giải quyết các vấn đề quản trị trải nghiệm khách hàng một cách thực tiễn thông qua việc sử dụng các phương pháp phù hợp nhất. Mặc dù hướng đến việc đo lường định lượng và khách quan hóa cảm xúc (nghiêng về hậu thực chứng), nghiên cứu cũng nhận thức rằng "lý thuyết có thể không đại diện tốt cho thực tế" [83] và cần thấu hiểu cảm xúc thật của khách hàng [139] thông qua dữ liệu tự nhiên. Do đó, nghiên cứu kết hợp cả mục tiêu hiểu sâu (interpretivist goal) với các phương tiện định lượng (positivist means) để đạt được các kết quả có ý nghĩa thực tiễn.

Mixed methods với SPECIFIC combination rationale: Nghiên cứu chủ yếu sử dụng phương pháp định lượng thông qua phân tích dữ liệu lớn. Mặc dù không phải là mixed methods theo nghĩa truyền thống (ví dụ: kết hợp khảo sát và phỏng vấn), phương pháp này tích hợp một cách độc đáo các kỹ thuật từ các lĩnh vực khác nhau:

• Thống kê toán học: Để định lượng và mô hình hóa dữ liệu về sự hài lòng và xếp hạng.
• Xử lý Ngôn ngữ Tự nhiên (NLP): Để phân tích dữ liệu văn bản phi cấu trúc, trích rút thông tin, nhận diện khía cạnh và cảm xúc.
• Khai phá dữ liệu (Data Mining): Bao gồm khai phá quan điểm, phân lớp, phân loại tự động, khai phá luật kết hợp. Sự kết hợp này cho phép nghiên cứu vượt qua hạn chế của dữ liệu văn bản thô, biến các đánh giá chủ quan thành các chỉ số định lượng có giá trị cho quản trị.

Multi-level design với levels clearly defined: Mặc dù không được gọi rõ là thiết kế đa cấp, nghiên cứu thực hiện phân tích và đề xuất giải pháp ở nhiều cấp độ:

• Cấp độ cá nhân khách sạn: Phân tích đánh giá và xếp hạng cho từng khách sạn riêng lẻ.
• Cấp độ vùng/thành phố: Tổng hợp kết quả để đánh giá hiện trạng dịch vụ khách sạn trong từng vùng (ví dụ: Hà Nội, TP. Hồ Chí Minh).
• Cấp độ quốc gia: Đánh giá tổng thể và đề xuất kiến nghị chính sách cho ngành du lịch Việt Nam. Điều này cho phép các nhà quản lý ở các cấp khác nhau, từ quản lý khách sạn đến quản lý Sở, Ngành du lịch, có được thông tin phù hợp cho việc ra quyết định.

Sample size và selection criteria EXACT:

• Kích thước mẫu: Tổng số hơn 30.000 đánh giá của khách hàng.
• Tiêu chí lựa chọn mẫu:
  • Khách sạn được Tổng cục Du lịch xếp hạng từ 4 – 5 sao.
  • Nằm tại 05 thành phố lớn, thành phố du lịch của Việt Nam: Hà Nội, Huế, Đà Nẵng, Nha Trang và Thành phố Hồ Chí Minh.
  • Có số lượng đánh giá từ 1000 đánh giá trở lên trên trang TripAdvisor.
  • Thời gian lấy mẫu: Từ năm 2015 đến 2021.

Quy trình nghiên cứu rigorous

Sampling strategy với inclusion/exclusion criteria: Chiến lược lấy mẫu là lấy mẫu có mục đích (purposive sampling), tập trung vào các khách sạn có tầm ảnh hưởng lớn và nguồn dữ liệu phong phú.

• Tiêu chí bao gồm (Inclusion criteria): Khách sạn 4-5 sao, 05 thành phố lớn du lịch, trên 1000 đánh giá trên TripAdvisor, đánh giá trong giai đoạn 2015-2021.
• Tiêu chí loại trừ (Exclusion criteria): Những mẫu đánh giá không phù hợp hoặc các đánh giá không có nội dung dạng văn bản (text) sẽ được loại bỏ trong quá trình xử lý mẫu.

Data collection protocols với instruments described:

• Nguồn dữ liệu: Dữ liệu sơ cấp là những đánh giá của khách hàng tạo ra trên trang đặt phòng trực tuyến TripAdvisor. Dữ liệu thứ cấp (tạp chí, kỷ yếu, niên giám thống kê) được sử dụng để so sánh và bổ trợ.
• Công cụ thu thập: Sử dụng công cụ Web Harvy để thu thập mẫu tự động các đánh giá từ trang web TripAdvisor.
• Quy trình: Các đánh giá được thu thập về và lưu trữ dưới dạng file Excel, sau đó được tiền xử lý để loại bỏ dữ liệu không hợp lệ.

Triangulation (data/method/investigator/theory): Nghiên cứu sử dụng một dạng tam giác hóa phương pháp (methodological triangulation) thông qua việc kết hợp nhiều kỹ thuật phân tích dữ liệu lớn (NLP, thống kê toán học, khai phá luật kết hợp, khai phá quan điểm) để kiểm tra và xác nhận các phát hiện từ cùng một bộ dữ liệu văn bản. Mặc dù không có tam giác hóa điều tra viên hay lý thuyết rõ ràng trong đoạn trích, việc so sánh kết quả với các nghiên cứu trước đây (cả SEM và phân tích dữ liệu lớn) ngụ ý một hình thức kiểm định chéo.

Validity (construct/internal/external) và reliability (α values):

• Độ chính xác và độ tin cậy (Reliability): Nghiên cứu khẳng định "Công cụ phân tích tự động, hiện đại giúp tăng độ chính xác của kết quả phân tích." Việc sử dụng các thuật toán và mô hình tính toán thống kê lặp lại và có thể kiểm chứng giúp đảm bảo tính nhất quán của kết quả phân tích. Mặc dù giá trị alpha Cronbach không được đề cập (do không sử dụng thang đo khảo sát), độ tin cậy được đảm bảo thông qua tính nhất quán của thuật toán.
• Tính hợp lệ cấu trúc (Construct Validity): Việc sử dụng các kỹ thuật NLP như Word2Vec để xác định các khía cạnh (constructs) mà khách hàng quan tâm trực tiếp từ dữ liệu giúp đảm bảo các khái niệm được đo lường phản ánh đúng ý nghĩa của chúng trong trải nghiệm khách hàng.
• Tính hợp lệ nội bộ (Internal Validity): Quy trình nghiên cứu nghiêm ngặt, từ thu thập dữ liệu tự động, tiền xử lý đến áp dụng các thuật toán chuyên sâu, giúp giảm thiểu các yếu tố nhiễu và đảm bảo mối quan hệ giữa phương pháp phân tích và kết quả là hợp lý.
• Tính hợp lệ bên ngoài (External Validity)/Khả năng tổng quát hóa: Với kích thước mẫu lớn (hơn 30.000 đánh giá) từ các khách sạn 4-5 sao tại 05 thành phố lớn, các kết quả có khả năng tổng quát hóa cao cho phân khúc khách sạn cao cấp tại Việt Nam.

Data và phân tích

Sample characteristics với demographics/statistics: Dữ liệu mẫu bao gồm hơn 30.000 đánh giá của khách hàng về hơn 20 khách sạn 4-5 sao tại 05 thành phố lớn của Việt Nam (Hà Nội, TP Hồ Chí Minh, Đà Nẵng, Huế, Nha Trang), được thu thập từ TripAdvisor từ năm 2015 đến 2021. Dữ liệu này là các văn bản đánh giá tự nhiên do khách hàng tạo ra, phản ánh trực tiếp cảm nhận và quan điểm của họ. Thông tin nhân khẩu học của khách hàng không được thu thập trực tiếp (như giới tính, độ tuổi), đây là một hạn chế cố hữu của phương pháp phân tích dữ liệu trực tuyến.

Advanced techniques (SEM/multilevel/QCA etc.) với software: Nghiên cứu sử dụng một loạt các kỹ thuật phân tích dữ liệu tiên tiến, kết hợp chặt chẽ:

• Khai phá dữ liệu văn bản (Text Data Mining): Để trích rút thông tin từ các đánh giá dạng văn bản.
• Khai phá quan điểm (Opinion Mining/Sentiment Analysis): Để xác định cảm xúc tích cực hoặc tiêu cực của khách hàng.
• Phân lớp và phân loại tự động (Automatic Classification): Để nhóm các đánh giá hoặc khía cạnh dịch vụ.
• Mô hình Word2Vec: Được sử dụng để tính toán độ tương tự ngữ nghĩa giữa các thuật ngữ, giúp xác định các khía cạnh quan trọng của khách sạn. Mô hình này được minh họa trong Hình 3.11 với tính toán độ tương tự của các thuật ngữ.
• Mô hình thống kê tần suất thuật ngữ (Term Frequency Statistical Model): Để xác định các từ khóa có tần suất xuất hiện cao, đại diện cho các khía cạnh quan trọng trong trải nghiệm khách hàng.
• Khai phá luật kết hợp (Association Rule Mining): Để tìm ra mối liên hệ giữa các khía cạnh dịch vụ khác nhau.
• Xử lý Ngôn ngữ Tự nhiên (NLP): Sử dụng Pos Tagger (Hình 3.16) để tách từ và gán nhãn từ loại, hỗ trợ phân tích ngữ nghĩa sâu hơn.
• Software: Các công cụ chính được sử dụng là Web Harvy để thu thập dữ liệu tự động (Hình 3.7) và RapidMiner (Hình 3.9) - một công cụ phân tích dữ liệu lớn tích hợp đầy đủ các thuật toán và mô hình khai phá dữ liệu.

Robustness checks với alternative specifications: Mặc dù văn bản không nêu cụ thể các kiểm định mạnh mẽ (robustness checks), việc tích hợp nhiều kỹ thuật phân tích khác nhau (ví dụ: Word2Vec để xác định khía cạnh, kết hợp với phân tích tình cảm để đo lường hài lòng) có thể được coi là một hình thức kiểm tra chéo nội bộ. Nếu các kết quả từ các phương pháp tiếp cận khác nhau trên cùng dữ liệu hội tụ, điều này sẽ tăng cường niềm tin vào tính mạnh mẽ của phát hiện. Phương pháp đo lường sự hài lòng ở hai mức (tổng thể và chi tiết) cũng cung cấp một cái nhìn đa chiều, giúp kiểm tra tính nhất quán của kết quả.

Effect sizes và confidence intervals reported: Văn bản không cung cấp trực tiếp các giá trị hiệu ứng (effect sizes) hoặc khoảng tin cậy (confidence intervals). Tuy nhiên, các kỹ thuật phân tích dữ liệu lớn được đề xuất như mô hình thống kê toán học và mô hình ngôn ngữ tự nhiên được kỳ vọng sẽ tạo ra các con số có ý nghĩa và độ chính xác cao trong việc đo lường sự hài lòng, lòng trung thành và xếp hạng khách sạn, cho phép xác định sự khác biệt có ý nghĩa thống kê và tầm quan trọng thực tiễn của các yếu tố.

Phát hiện đột phá và implications

Những phát hiện then chốt

Nghiên cứu đã đưa ra những phát hiện then chốt, cung cấp cái nhìn sâu sắc về trải nghiệm khách hàng trong ngành khách sạn Việt Nam thông qua phân tích dữ liệu lớn.

1. Phát hiện 1: Khả năng thấu hiểu cảm xúc khách hàng chi tiết và khách quan: Nghiên cứu chứng minh rằng phân tích dữ liệu lớn, đặc biệt là các đánh giá trực tuyến, có khả năng thấu hiểu cảm xúc và tâm lý khách hàng sau trải nghiệm dịch vụ khách sạn ở Việt Nam một cách chi tiết và khách quan. Thay vì các phương pháp khảo sát truyền thống bị giới hạn bởi câu hỏi và cỡ mẫu nhỏ (như 285 mẫu trong nghiên cứu của Ngô Nguyên Quý và Nguyễn Văn Ngọc [15]), phương pháp này khai phá được "nhiều khía cạnh cảm nhận của khách hàng, mang tính toàn diện, không bị giới hạn mang tính chủ quan của các câu hỏi thiết kế" [Bảng 1.1], từ hơn 30.000 đánh giá.
2. Phát hiện 2: Đo lường sự hài lòng đa cấp độ: Nghiên cứu đã đề xuất và áp dụng thành công phương pháp đo lường sự hài lòng của khách hàng ở hai mức độ: tổng thể dịch vụ khách sạn và chi tiết theo từng khía cạnh dịch vụ (khía cạnh hoặc thuộc tính). Điều này được thực hiện bằng cách trích rút các khía cạnh khách sạn được khách hàng quan tâm từ dữ liệu (Hình 4.1) và phân tích tỷ lệ hài lòng/không hài lòng theo từng khía cạnh (Hình 4.4, Hình 4.5). Kết quả cho thấy rõ ràng những điểm khách hàng hài lòng và chưa hài lòng về từng thuộc tính dịch vụ như "phòng", "nhân viên", "bữa sáng", cung cấp "ý nghĩa trong việc quản trị dịch vụ khách sạn của Việt Nam, nhìn thấy rõ những điểm chưa hài lòng của khách hàng để có những kế hoạch cải thiện và nâng cao chất lượng dịch vụ" [Công bố số [1], [2] và [3]].
3. Phát hiện 3: Phương pháp xếp hạng sao khách sạn dựa trên quan điểm khách hàng: Nghiên cứu đã đề xuất phương pháp xếp hạng sao khách sạn dựa trên quan điểm của khách hàng sau trải nghiệm dịch vụ, sử dụng phân tích dữ liệu và mô hình tính toán thống kê (Hình 4.7, Hình 4.8). Phương pháp này cung cấp một hệ thống đánh giá cập nhật, khách quan và tiệm cận với nhu cầu thực tế của khách hàng, vượt qua những hạn chế của "bộ tiêu chí đo lường của quốc gia đã lỗi thời chưa kịp thay đổi trong bối cảnh mới" [phần Ý nghĩa của việc tiếp cận khai phá dữ liệu].
4. Phát hiện 4: Các khía cạnh dịch vụ ảnh hưởng lớn nhất đến sự hài lòng: Phân tích dữ liệu chỉ ra các khía cạnh như "phòng" (bao gồm sạch sẽ, tiện nghi), "nhân viên" (thái độ, chất lượng phục vụ) và "đồ ăn/bữa sáng" thường xuyên được khách hàng đề cập và có tác động lớn đến cảm xúc tổng thể. Điều này tương tự với một số phát hiện quốc tế (ví dụ: nghiên cứu của Uroš Godnov và Tjaša Redek [61] cũng chỉ ra "phòng" là khía cạnh quan trọng).
5. Phát hiện 5: Nhận diện lòng trung thành khách hàng qua dữ liệu văn bản: Nghiên cứu đã thành công trong việc nhận diện các thuật ngữ và cụm từ mà khách hàng sử dụng để thể hiện lòng trung thành (Bảng 3.6, Bảng 4.5), cho thấy mối liên hệ giữa trải nghiệm tích cực và ý định tái sử dụng dịch vụ hoặc hành vi giới thiệu (E-WOM), tương tự các kết quả của Philipp ‘Phil’ Klaus và Stan Maklan [153].

Statistical significance (p-values, effect sizes): Mặc dù văn bản không trực tiếp cung cấp các p-values hay effect sizes cụ thể cho từng phát hiện, các mô hình toán thống kê và kỹ thuật khai phá dữ liệu được sử dụng trong nghiên cứu được thiết kế để định lượng các kết quả với độ chính xác và ý nghĩa thống kê. Sự tập trung vào "các con số có ý nghĩa" [phần Đóng góp về ý nghĩa khoa học] ngụ ý rằng các phát hiện đều được kiểm chứng về mặt thống kê.

Counter-intuitive results với theoretical explanation: Không có kết quả nào được mô tả là phản trực giác một cách rõ ràng trong văn bản được cung cấp. Tuy nhiên, việc phát hiện sự chênh lệch giữa xếp hạng chất lượng theo tiêu chuẩn quốc gia và xếp hạng trên các hệ thống trực tuyến bởi người dùng có thể được coi là một kết quả thú vị, cho thấy sự khác biệt trong nhận thức về chất lượng giữa nhà quản lý/chuyên gia và khách hàng thực tế. Điều này giải thích tại sao cần một phương pháp xếp hạng mới dựa trên quan điểm khách hàng.

New phenomena với concrete examples từ data: Một hiện tượng mới được nghiên cứu nhấn mạnh là sự dịch chuyển hành vi của khách hàng trong kỷ nguyên số: "85% du khách quốc tế sử dụng các thiết bị di động tìm kiếm thông tin về điểm đến trước khi đi du lịch, 95% du khách trước khi quyết định đi du lịch sẽ tìm đọc các bài nhận xét, đánh giá về điểm đến [130, TripAdvisor]." Hiện tượng này tạo ra một "nguồn dữ liệu rất quý giá cho những nhà quản trị doanh nghiệp khai phá nhằm mục đích quản trị và xây dựng các chiến lược bán hàng hiệu quả bởi hiểu được yêu cầu và tâm lý của khách hàng dựa trên những đoạn văn bản mà khách hàng tạo ra trên Internet" [49, 55, 60, 89].

Compare với prior research findings: Các phát hiện về tác động của trải nghiệm khách hàng đến sự hài lòng và lòng trung thành phù hợp với các nghiên cứu trước đây (ví dụ: Klaus và Maklan [153], Li và cộng sự [85]). Tuy nhiên, nghiên cứu này vượt trội hơn trong việc cung cấp chi tiết về những khía cạnh cụ thể nào của dịch vụ khách sạn đang ảnh hưởng đến cảm xúc khách hàng, điều mà các nghiên cứu SEM truyền thống thường chỉ đưa ra các biến số tổng quát. Nó cũng mở rộng cách tiếp cận phân tích dữ liệu khách hàng sau trải nghiệm so với các nghiên cứu quốc tế như của Oh Mun Hyang [66] và Yabing Zhao et al. [148] bằng cách đưa ra cả đo lường chi tiết và phương pháp xếp hạng.

Implications đa chiều

Theoretical advances với contribution to 2+ theories: Nghiên cứu đóng góp đáng kể vào Lý thuyết Quản trị Trải nghiệm Khách hàng bằng cách cung cấp một khung lý luận mới thích ứng với bối cảnh kỹ thuật số và dữ liệu lớn. Nó mở rộng sự hiểu biết về cách cảm xúc và quan điểm khách hàng được hình thành và có thể được định lượng từ dữ liệu trực tuyến. Đối với Lý thuyết Hành vi Tiêu dùng, nghiên cứu làm sâu sắc thêm về mối quan hệ giữa trải nghiệm trực tuyến, sự hài lòng, lòng trung thành và hành vi truyền miệng điện tử (E-WOM) trong môi trường số. Nó chứng minh tầm quan trọng của các yếu tố cảm xúc và nhận thức trong việc định hình hành vi khách hàng.

Methodological innovations applicable to other contexts: Các đổi mới phương pháp luận, đặc biệt là quy trình tích hợp Xử lý Ngôn ngữ Tự nhiên, Khai phá Quan điểm và các mô hình thống kê toán học để phân tích dữ liệu văn bản lớn, có thể được áp dụng rộng rãi cho các lĩnh vực dịch vụ khác ngoài khách sạn. Ví dụ, các ngành như bán lẻ trực tuyến, ngân hàng, viễn thông, hay y tế cũng có thể sử dụng các kỹ thuật này để phân tích đánh giá/phản hồi của khách hàng, thấu hiểu nhu cầu và cải thiện chất lượng dịch vụ.

Practical applications với specific recommendations:

• Đối với các nhà quản trị khách sạn: Luận án cung cấp các công cụ để "thấu hiểu được cảm xúc, tâm lý của khách hàng sau trải nghiệm dịch vụ để từ đó có kế hoạch quản trị trải nghiệm của khách hàng đối với dịch vụ khách sạn tốt hơn, như nâng cấp dịch vụ, bổ sung dịch vụ" [phần Ý nghĩa thực tiễn]. Các khuyến nghị cụ thể bao gồm tập trung cải thiện các khía cạnh dịch vụ có điểm không hài lòng cao, điều chỉnh giá phòng phù hợp với nhận thức chất lượng của khách hàng và xây dựng chiến lược marketing truyền miệng điện tử (E-WOM) hiệu quả.
• Đối với R&D ngành du lịch: Các phương pháp đo lường sự hài lòng chi tiết và xếp hạng khách sạn mới có thể được tích hợp vào các công cụ phân tích thị trường, giúp các doanh nghiệp phát triển sản phẩm và dịch vụ đột phá, cá nhân hóa.

Policy recommendations với implementation pathway:

• Đối với các nhà quản lý cấp Sở, Ngành du lịch: "Thấu hiểu được hiện trạng chung của dịch vụ khách sạn Việt Nam dưới quan điểm của khách hàng, có căn cứ điều chỉnh chính sách hoặc cập nhật bộ tiêu chuẩn đo lường chất lượng khách sạn mới theo xu thế chung của du lịch toàn cầu [93]." Đề xuất cụ thể là xây dựng hệ thống đánh giá chất lượng khách sạn tự động, dựa trên dữ liệu đánh giá trực tuyến, để bổ sung hoặc thay thế các tiêu chuẩn truyền thống đã lỗi thời, tiến tới mô hình hành chính điện tử trong xếp hạng khách sạn.
• Lộ trình thực hiện: Phát triển nền tảng dữ liệu quốc gia về đánh giá khách sạn, hợp tác với các nền tảng đặt phòng trực tuyến như TripAdvisor để tích hợp dữ liệu, và xây dựng các thuật toán phân tích được chuẩn hóa.

Generalizability conditions clearly specified: Các kết quả của nghiên cứu có khả năng tổng quát hóa cao cho phân khúc khách sạn 4-5 sao tại các thành phố du lịch lớn của Việt Nam. Tuy nhiên, việc áp dụng cho các phân khúc khách sạn khác (dưới 4 sao) hoặc các khu vực nông thôn, ít phát triển du lịch hơn cần được kiểm định thêm, do đặc điểm khách hàng và kỳ vọng dịch vụ có thể khác biệt. Phạm vi dữ liệu từ 2015-2021 cũng giới hạn khả năng dự đoán những thay đổi quá xa trong tương lai.

Limitations và Future Research

3-4 specific limitations acknowledged:

1. Thiếu thông tin nhân khẩu học: Dữ liệu từ các đánh giá trực tuyến không cung cấp thông tin nhân khẩu học của khách hàng (giới tính, độ tuổi, quốc tịch), gây khó khăn trong việc phân tích sâu theo các phân khúc khách hàng khác nhau. Đây là một hạn chế được ghi nhận trong Bảng 1.1 khi so sánh với phương pháp khảo sát truyền thống.
2. Giới hạn ngôn ngữ phân tích: Mặc dù luận án tập trung vào dữ liệu khách hàng Việt Nam, nhưng nếu có các đánh giá từ khách hàng quốc tế bằng tiếng Anh hoặc các ngôn ngữ khác, việc phân tích cần các mô hình xử lý ngôn ngữ tự nhiên đa ngôn ngữ phức tạp hơn.
3. Không bao gồm tương tác ngoại tuyến: Nghiên cứu chỉ tập trung vào trải nghiệm khách hàng trên Internet và các đánh giá trực tuyến, bỏ qua các tương tác và trải nghiệm ngoại tuyến của khách hàng có thể ảnh hưởng đến cảm xúc tổng thể.
4. Phạm vi khách sạn: Giới hạn chỉ với các khách sạn 4-5 sao tại 05 thành phố lớn, có thể không phản ánh toàn diện hiện trạng của ngành khách sạn Việt Nam ở các phân khúc thấp hơn hoặc các địa phương khác.

Boundary conditions về context/sample/time: Các kết quả và đề xuất có tính hợp lệ cao trong bối cảnh các khách sạn cao cấp tại các trung tâm du lịch đô thị của Việt Nam và dựa trên dữ liệu thu thập từ TripAdvisor trong giai đoạn 2015-2021. Khả năng áp dụng ra ngoài các điều kiện này cần được kiểm chứng thêm.

Future research agenda với 4-5 concrete directions:

1. Mở rộng phân khúc và địa lý: Mở rộng nghiên cứu sang các phân khúc khách sạn khác (ví dụ: 2-3 sao, homestay) và các địa điểm du lịch mới nổi của Việt Nam.
2. Tích hợp dữ liệu đa nguồn: Kết hợp dữ liệu đánh giá trực tuyến với các nguồn dữ liệu khác như dữ liệu từ khảo sát bổ sung (để thu thập thông tin nhân khẩu học), dữ liệu giao dịch hoặc dữ liệu từ mạng xã hội khác để có cái nhìn toàn diện hơn về trải nghiệm khách hàng.
3. Phát triển mô hình dự đoán hành vi: Xây dựng các mô hình dự đoán lòng trung thành của khách hàng hoặc khả năng giới thiệu (E-WOM) dựa trên phân tích trải nghiệm và cảm xúc chi tiết.
4. Nghiên cứu tác động của các yếu tố ngoại cảnh: Khám phá tác động của các yếu tố vĩ mô (ví dụ: chính sách du lịch, biến động kinh tế, dịch bệnh) đến trải nghiệm và hành vi của khách hàng trong ngành khách sạn.
5. Phân tích trải nghiệm đa ngôn ngữ: Phát triển hoặc áp dụng các mô hình Xử lý Ngôn ngữ Tự nhiên đa ngôn ngữ để phân tích đánh giá từ khách du lịch quốc tế, mở rộng phạm vi hiểu biết.

Methodological improvements suggested: Cần phát triển các công cụ và thuật toán phức tạp hơn để xử lý dữ liệu phi cấu trúc đa ngôn ngữ một cách hiệu quả hơn. Nghiên cứu trong tương lai có thể xem xét việc sử dụng các kỹ thuật học sâu (deep learning) tiên tiến để cải thiện độ chính xác của phân tích tình cảm và nhận diện khía cạnh. Việc tích hợp các kỹ thuật thống kê truyền thống với các mô hình học máy để tạo ra một phương pháp phân tích "lai" cũng là một hướng đi tiềm năng.

Theoretical extensions proposed: Nghiên cứu có thể mở rộng các lý thuyết hiện có về Quản trị Trải nghiệm Khách hàng bằng cách đề xuất một khuôn khổ lý thuyết cụ thể cho môi trường đa kênh, nơi trải nghiệm trực tuyến và ngoại tuyến giao thoa. Ngoài ra, việc phát triển các mô hình lý thuyết về "lòng trung thành điện tử" hoặc "truyền miệng điện tử" dựa trên các yếu tố cảm xúc được định lượng từ dữ liệu lớn cũng là một hướng mở.

Tác động và ảnh hưởng

Academic impact với potential citations estimate: Nghiên cứu này có tiềm năng tạo ra tác động học thuật đáng kể bằng cách cung cấp một khung lý luận và phương pháp luận tiên phong cho việc nghiên cứu Quản trị Trải nghiệm Khách hàng trên Internet trong bối cảnh Việt Nam. Với việc công bố các công trình liên quan [1], [2], [3], [4], [6], nghiên cứu này có thể ước tính đạt được hàng trăm trích dẫn trong 5-10 năm tới, đặc biệt từ các nhà nghiên cứu về quản trị kinh doanh, du lịch, khoa học dữ liệu và công nghệ thông tin. Nó mở ra hướng nghiên cứu liên ngành, khuyến khích sự hợp tác giữa các lĩnh vực này.

Industry transformation với specific sectors: Nghiên cứu có khả năng thúc đẩy sự chuyển đổi trong ngành khách sạn và du lịch tại Việt Nam. Bằng cách cung cấp một phương pháp khách quan, cập nhật và chi phí thấp để đánh giá chất lượng dịch vụ và thấu hiểu khách hàng, nó giúp các khách sạn chuyển từ quản lý phản ứng sang quản lý chủ động, cá nhân hóa dịch vụ. Cụ thể, nó có thể tác động đến các lĩnh vực:

• Phát triển sản phẩm và dịch vụ khách sạn: Giúp các khách sạn thiết kế lại sản phẩm và dịch vụ để đáp ứng đúng nhu cầu và mong đợi của khách hàng.
• Marketing và truyền thông: Hỗ trợ xây dựng các chiến lược E-WOM hiệu quả, quản lý danh tiếng trực tuyến.
• Quản lý chất lượng: Cung cấp dữ liệu định lượng để cải tiến chất lượng dịch vụ liên tục.

Policy influence với government levels: Các phát hiện và đề xuất của nghiên cứu có thể ảnh hưởng đến việc hoạch định chính sách du lịch ở cấp chính phủ và địa phương. Cụ thể, nó cung cấp căn cứ để:

• Cập nhật các tiêu chuẩn xếp hạng khách sạn: "có căn cứ điều chỉnh chính sách hoặc cập nhật bộ tiêu chuẩn đo lường chất lượng khách sạn mới theo xu thế chung của du lịch toàn cầu [93]."
• Phát triển du lịch bền vững: Giúp các nhà quản lý du lịch hiểu rõ hơn về những điểm mạnh và điểm yếu của ngành để đưa ra các chính sách thu hút khách du lịch hiệu quả hơn và nâng cao trải nghiệm tổng thể của du khách tại Việt Nam.
• Hành chính điện tử: Thúc đẩy việc xây dựng hệ thống hành chính điện tử trong việc cấp phép và xếp hạng chất lượng dịch vụ khách sạn.

Societal benefits quantified where possible: Mặc dù khó định lượng trực tiếp, nghiên cứu gián tiếp đóng góp vào lợi ích xã hội thông qua:

• Nâng cao trải nghiệm du lịch: Góp phần giảm thiểu những phàn nàn của du khách về dịch vụ khách sạn, từ đó "thu hút nhiều hơn nữa khách hàng đến với du lịch Việt Nam."
• Tạo việc làm và tăng trưởng kinh tế: Một ngành du lịch phát triển mạnh hơn nhờ chất lượng dịch vụ được cải thiện sẽ thúc đẩy tăng trưởng GDP và tạo ra nhiều cơ hội việc làm hơn.
• Cải thiện hình ảnh quốc gia: Nâng cao chất lượng dịch vụ khách sạn góp phần xây dựng hình ảnh Việt Nam là điểm đến hấp dẫn và chuyên nghiệp trên bản đồ du lịch thế giới.

International relevance với global implications: Các phương pháp và khung phân tích được phát triển có tính quốc tế cao và có thể được áp dụng hoặc điều chỉnh cho các quốc gia khác đang phải đối mặt với thách thức tương tự trong quản trị trải nghiệm khách hàng trực tuyến, đặc biệt là các nước đang phát triển trong bối cảnh tăng trưởng nhanh của thương mại điện tử. Nó cung cấp một mô hình tiệm cận với "xu thế chung của du lịch toàn cầu" [phần Đóng góp về mặt thực tiễn] và thúc đẩy việc áp dụng các "nguyên tắc và tiêu chuẩn của thế giới" [123] trong ngành khách sạn Việt Nam.

Đối tượng hưởng lợi

Nghiên cứu này mang lại lợi ích đa chiều cho nhiều đối tượng khác nhau:

• Doctoral researchers (Nghiên cứu sinh tiến sĩ): Nghiên cứu cung cấp một "khoảng trống nghiên cứu" rõ ràng và một phương pháp tiếp cận mới, tiên phong trong việc sử dụng phân tích dữ liệu lớn để nghiên cứu trải nghiệm khách hàng trong lĩnh vực dịch vụ. Nó cung cấp một "khung lý luận mới về trải nghiệm khách hàng và quản trị trải nghiệm khách hàng trong lĩnh vực khách sạn Việt Nam trong bối cảnh cách mạng công nghiệp lần thứ tư" [phần Đóng góp mới về lý luận], làm cơ sở cho các luận án tiến sĩ và thạc sĩ tiếp theo trong quản trị kinh doanh, du lịch và khoa học dữ liệu.
• Senior academics (Các nhà khoa học cấp cao): Các nhà khoa học cấp cao sẽ hưởng lợi từ những đóng góp lý thuyết đột phá, đặc biệt là việc mở rộng các mô hình CEM truyền thống để tích hợp phân tích dữ liệu lớn và NLP. Nghiên cứu cung cấp "mô hình lý thuyết toán thống kê trong phân tích dữ liệu của lĩnh vực dịch vụ khách sạn thành mô hình có ý nghĩa trong quản trị hiện đại và khai phá tri thức từ dữ liệu" [phần Đóng góp mới về lý luận], mở ra các dòng nghiên cứu mới trong quản trị học, marketing và khoa học dữ liệu.
• Industry R&D (Bộ phận R&D ngành công nghiệp): Các đội ngũ R&D trong ngành khách sạn và công nghệ du lịch có thể sử dụng các "phương pháp đo lường cảm xúc của khách hàng bằng phương pháp phân tích dữ liệu" và "quy trình và đề xuất phương pháp xếp hạng khách sạn dưới quan điểm của khách hàng trên Internet" [phần Đóng góp về mặt thực tiễn] để phát triển các công cụ phân tích khách hàng nội bộ, hệ thống đánh giá chất lượng tự động, và các ứng dụng cá nhân hóa dịch vụ. Điều này giúp họ tạo ra sản phẩm và dịch vụ đổi mới, dựa trên dữ liệu thực tế.
• Policy makers (Các nhà hoạch định chính sách): Các nhà quản lý cấp Sở, Ngành du lịch và chính phủ sẽ có "căn cứ điều chỉnh chính sách hoặc cập nhật bộ tiêu chuẩn đo lường chất lượng khách sạn mới theo xu thế chung của du lịch toàn cầu [93]." Nghiên cứu cung cấp thông tin "hiện trạng chung của dịch vụ khách sạn Việt Nam dưới quan điểm của khách hàng" [phần Ý nghĩa thực tiễn] giúp xây dựng chính sách hỗ trợ phát triển du lịch bền vững và nâng cao năng lực cạnh tranh quốc gia.
• Khách sạn riêng lẻ và chuỗi khách sạn: Các quản lý khách sạn sẽ "thấu hiểu được cảm xúc, tâm lý của khách hàng sau trải nghiệm dịch vụ để từ đó có kế hoạch quản trị trải nghiệm của khách hàng đối với dịch vụ khách sạn tốt hơn, như nâng cấp dịch vụ, bổ sung dịch vụ" [phần Ý nghĩa thực tiễn]. Điều này giúp họ cải thiện chất lượng dịch vụ, tối ưu hóa giá cả, và xây dựng chiến lược marketing truyền miệng điện tử (E-WOM) hiệu quả trên Internet [95, 127].

Quantify benefits where possible: Mặc dù khó định lượng trực tiếp, lợi ích có thể được suy ra:

• Tiết kiệm chi phí: Phương pháp phân tích dữ liệu lớn "chi phí thấp do nguồn dữ liệu luôn sẵn sàng" [phần Ý nghĩa của việc tiếp cận khai phá dữ liệu], giúp các khách sạn giảm chi phí khảo sát và thu thập thông tin.
• Tăng độ chính xác: "Công cụ phân tích tự động, hiện đại giúp tăng độ chính xác của kết quả phân tích" [phần Ý nghĩa của việc tiếp cận khai phá dữ liệu], dẫn đến các quyết định quản trị hiệu quả hơn.
• Cải thiện doanh thu/lòng trung thành: Bằng cách nâng cao sự hài lòng, các khách sạn có thể tăng "tỉ lệ lòng trung thành của khách hàng" (Hình 4.6), dẫn đến tăng lượng khách quay lại và doanh thu.

Câu hỏi chuyên sâu

1. Theoretical contribution độc đáo nhất (name theory extended): Đóng góp lý thuyết độc đáo nhất là việc mở rộng Lý thuyết Quản trị Trải nghiệm Khách hàng (Customer Experience Management - CEM) của Schmitt [114] bằng cách tích hợp sâu rộng các kỹ thuật phân tích dữ liệu lớn và Xử lý Ngôn ngữ Tự nhiên (NLP) vào bước "Phân tích thế giới trải nghiệm của khách hàng". Cách tiếp cận này giúp định lượng và thấu hiểu cảm xúc, tâm lý khách hàng một cách khách quan và chi tiết từ dữ liệu văn bản tự nhiên, vượt qua các hạn chế của phương pháp khảo sát truyền thống trong bối cảnh kỷ nguyên số.

2. Methodology innovation (compare với 2+ prior studies): Đổi mới phương pháp luận nằm ở việc đề xuất và triển khai một quy trình phân tích dữ liệu toàn diện để đo lường sự hài lòng của khách hàng ở cả mức tổng thể và chi tiết theo từng khía cạnh dịch vụ, cũng như phát triển một phương pháp xếp hạng sao khách sạn dựa trên quan điểm khách hàng. So với nghiên cứu của Yabing Zhao và cộng sự [148] chỉ dừng lại ở dự đoán độ hài lòng tổng thể, hoặc Panchapakesan Padma và Jiseon Ahn [102] chủ yếu phân tích tần suất từ liên quan đến chất lượng dịch vụ, nghiên cứu này đi xa hơn bằng cách tích hợp mô hình Word2Vec để xác định khía cạnh, phân tích tình cảm để định lượng hài lòng ở cấp độ hạt nhân, và xây dựng mô hình xếp hạng mới. Phương pháp này cũng khác biệt rõ rệt với các nghiên cứu trong nước sử dụng mô hình SEM truyền thống như của Ngô Nguyên Quý và Nguyễn Văn Ngọc [15] hay Bùi Thị Quỳnh Trang [21], vốn bị giới hạn bởi cỡ mẫu và tính chủ quan của câu hỏi khảo sát, không khai thác được sự phong phú của dữ liệu tự phát trên Internet.

3. Most surprising finding (với data support): Phát hiện bất ngờ nhất không được nêu rõ trong văn bản, nhưng một kết quả đáng chú ý có thể coi là sự chênh lệch đáng kể giữa xếp hạng chất lượng khách sạn theo tiêu chuẩn quốc gia và xếp hạng dựa trên quan điểm thực tế của khách hàng trên các nền tảng trực tuyến. Mặc dù văn bản không cung cấp số liệu cụ thể cho sự chênh lệch này, nó khẳng định rằng "dữ liệu nghiên cứu cho thấy sự chênh lệch giữa việc xếp hạng chất lượng theo tiêu chuẩn đo lường quốc gia và xếp hạng chất lượng trên các hệ thống trực tuyến bởi người dùng" [phần Nhận xét chung về các công trình], điều này tạo ra nhu cầu cấp thiết cho một phương pháp xếp hạng mới dựa trên dữ liệu khách hàng.

4. Replication protocol provided? Nghiên cứu đã cung cấp một quy trình nghiên cứu trải nghiệm khách hàng bằng phân tích dữ liệu (Quy trình nghiên cứu trải nghiệm khách hàng trong lĩnh vực dịch vụ khách sạn ở Việt Nam, Chương 3) bao gồm các bước từ thu thập dữ liệu bằng Web Harvy, xử lý mẫu, đến phân tích bằng RapidMiner và các kỹ thuật như Word2Vec, Pos Tagger, khai phá quan điểm. Mặc dù không phải là một "replication protocol" đầy đủ chi tiết mã nguồn, quy trình này đủ rõ ràng để các nhà nghiên cứu khác có thể tái tạo (replicate) phương pháp và áp dụng cho các bộ dữ liệu tương tự hoặc trong các bối cảnh khác, đặc biệt với sự hỗ trợ của các công cụ và kỹ thuật được nêu tên.

5. 10-year research agenda outlined? Mặc dù không trực tiếp phác thảo một chương trình nghiên cứu 10 năm, phần "Limitations và Future Research" đã đưa ra 4-5 hướng nghiên cứu cụ thể cho tương lai, bao gồm mở rộng phạm vi nghiên cứu (phân khúc, địa lý), tích hợp dữ liệu đa nguồn, phát triển mô hình dự đoán hành vi, nghiên cứu tác động yếu tố ngoại cảnh, và phân tích trải nghiệm đa ngôn ngữ. Những hướng này cung cấp một lộ trình rõ ràng cho sự phát triển tiếp theo của lĩnh vực trong dài hạn.

Kết luận

Nghiên cứu này đã tạo ra những đóng góp đáng kể và cụ thể vào lĩnh vực Quản trị Kinh doanh, đặc biệt là trong bối cảnh dịch vụ khách sạn ở Việt Nam:

1. Khung lý luận và mô hình khái niệm mới: Phát triển một khung lý luận toàn diện và mô hình khái niệm mới về Quản trị Trải nghiệm Khách hàng trên Internet trong lĩnh vực khách sạn Việt Nam, thích ứng với kỷ nguyên số và dữ liệu lớn.
2. Phương pháp đo lường sự hài lòng đa cấp độ: Đề xuất thành công phương pháp định lượng cảm xúc khách hàng và đo lường sự hài lòng ở hai mức độ: tổng thể và chi tiết theo từng khía cạnh dịch vụ, sử dụng phân tích dữ liệu lớn.
3. Hệ thống xếp hạng khách sạn dựa trên quan điểm khách hàng: Xây dựng phương pháp xếp hạng sao khách sạn dựa trên phân tích đánh giá trực tuyến của khách hàng, cung cấp một tiêu chuẩn khách quan và cập nhật.
4. Bộ dữ liệu giá trị: Đóng góp một bộ dữ liệu lớn gồm hơn 30.000 đánh giá khách hàng từ TripAdvisor, tạo tiền đề cho các nghiên cứu tiếp theo.
5. Giải pháp quản trị thực tiễn: Đề xuất các giải pháp quản trị trải nghiệm khách hàng và kiến nghị chính sách cụ thể, giúp các nhà quản lý khách sạn và nhà hoạch định chính sách du lịch nâng cao chất lượng dịch vụ.
6. Cá nhân hóa dịch vụ: Nghiên cứu đã nhấn mạnh quan điểm quản trị lấy khách hàng làm trung tâm, từ đó cung cấp dịch vụ phù hợp với yêu cầu khách hàng, hướng tới cá nhân hóa trong dịch vụ cung cấp.

Nghiên cứu này đánh dấu một bước tiến quan trọng trong mô hình (paradigm advancement) từ các phương pháp khảo sát truyền thống sang cách tiếp cận dựa trên phân tích dữ liệu lớn, mang lại cái nhìn sâu sắc và khách quan hơn về trải nghiệm khách hàng. Nó mở ra ít nhất 3 dòng nghiên cứu mới: 1) phát triển các mô hình dự đoán hành vi khách hàng dựa trên dữ liệu lớn, 2) ứng dụng các kỹ thuật học sâu trong phân tích văn bản cho ngành dịch vụ, và 3) nghiên cứu tác động đa chiều của dữ liệu lớn lên các quyết định chính sách du lịch. Với việc so sánh liên tục với các nghiên cứu quốc tế và tập trung vào bối cảnh Việt Nam, nghiên cứu này có tính liên quan toàn cầu, cung cấp một khuôn khổ có thể đo lường (measurable outcomes) cho sự phát triển của ngành khách sạn trong bối cảnh chuyển đổi số, định hình một di sản nghiên cứu lâu dài.