Mục lục
Chia sẻ chuyên mục Đề Tài Luận văn: KQNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV hay nhất năm 2026 cho các bạn học viên ngành đang làm luận văn thạc sĩ tham khảo nhé. Với những bạn chuẩn bị làm bài luận văn tốt nghiệp thì rất khó để có thể tìm hiểu được một đề tài hay, đặc biệt là các bạn học viên đang chuẩn bị bước vào thời gian lựa chọn đề tài làm luận văn thì với đề tài Luận Văn: Các yếu tố tác động đến sự hài lòng khách hàng đối với dịch vụ ngân hàng số tại ngân hàng TMCP Đầu Tư Và Phát Triển Việt Nam dưới đây chắc chắn sẽ giúp cho các bạn học viên có cái nhìn tổng quan hơn về đề tài sắp đến.
4.1. Giới thiệu về BIDV
Ngân hàng TMCP Đầu tư và Phát triển Việt Nam (BIDV) được thành lập ngày 26/04/1957, tiền thân là Ngân hàng Kiến thiết Việt Nam. Với gần 70 năm hình thành và phát triển, BIDV đã có nhiều đóng góp quan trọng trong quá trình xây dựng, phát triển kinh tế đất nước, đặc biệt trong lĩnh vực đầu tư phát triển, tài trợ các dự án trọng điểm quốc gia và cung ứng vốn cho nền kinh tế. BIDV giữ vai trò là một trong những ngân hàng thương mại chủ lực tại Việt Nam, có vị thế vững chắc trong hệ thống tài chính – ngân hàng và từng bước mở rộng tầm ảnh hưởng ra thị trường khu vực và quốc tế.
BIDV có cơ cấu tổ chức quy mô lớn và được quản lý theo mô hình hiện đại, bao gồm trụ sở chính, các ban/khối nghiệp vụ, trung tâm công nghệ thông tin, trung tâm đào tạo cùng mạng lưới chi nhánh và phòng giao dịch có phạm vi phủ sóng toàn quốc. Ngoài ra, ngân hàng còn có các công ty con hoạt động trong các lĩnh vực như chứng khoán, bảo hiểm, cho thuê tài chính và quản lý quỹ; đồng thời mở rộng sự có mặt tại thị trường nước ngoài thông qua các chi nhánh, văn phòng đại diện và liên doanh. Cơ cấu tổ chức đa dạng này tạo điều kiện để BIDV cung cấp hệ sinh thái sản phẩm – dịch vụ tài chính toàn diện cho KH cá nhân và doanh nghiệp.
Về nguồn nhân lực, BIDV sở hữu nguồn nhân lực đông đảo, năng lực chuyên môn vững chắc và được đào tạo bài bản trong các lĩnh vực tài chính – ngân hàng, quản trị kinh doanh, công nghệ và quản lý rủi ro. Ngân hàng đặc biệt chú trọng công tác đào tạo, bồi dưỡng và phát triển nhân sự nhằm nâng cao năng lực chuyên môn, đáp ứng yêu cầu chuyển đổi số và hội nhập quốc tế. Đội ngũ nhân sự chất lượng là nền tảng quan trọng giúp BIDV duy trì uy tín thương hiệu, cải thiện chất lượng dịch vụ và tiếp nối sự phát triển bền vững trong bối cảnh cạnh tranh ngày càng mạnh mẽ.
4.2. Nghiên cứu định tính Luận văn: KQNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.
4.2.1. Mục đích
Phương pháp nghiên cứu định tính được áp dụng thông qua thảo luận nhóm với 15 chuyên gia (một nhóm gồm 7 người và nhóm còn lại gồm 8 người) đang công tác tại các chi nhánh BIDV thuộc khu vực TP.HCM (xem Phụ lục A về đặc điểm mẫu). Mục đích của nghiên cứu sơ bộ thông qua thảo luận nhóm là nhằm rà soát và điều chỉnh các câu hỏi trong bảng khảo sát cho phù hợp với bối cảnh nghiên cứu.
4.2.2. Kết quả từ thảo luận nhóm
Kết quả phân tích được hệ thống hóa theo các nhóm chủ đề chính, tương ứng với từng yếu tố trong mô hình nghiên cứu. Bảng 4.1 trình bày phần tóm lược các chủ đề cùng những ý kiến tiêu biểu được ghi nhận. Các chỉnh sửa từng câu hỏi cụ thể được thể hiện trong Bảng 4.3.
- Bảng 4.1. Tóm tắt kết quả phân tích định tính
4.3. Xử lý dữ liệu Luận văn: KQNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.
Trước khi tiến hành phân tích dữ liệu chính thức, nghiên cứu thực hiện các bước tiền xử lý để đảm bảo chất lượng dữ liệu, bao gồm kiểm tra dữ liệu bị thiếu (missing values), giá trị đột biến (outliers) và chuẩn bị dữ liệu cho các bước tiếp theo.
4.3.1. Kiểm tra và xử lý dữ liệu bị thiếu (Missing Values)
Nghiên cứu tiến hành phát 400 phiếu khảo sát và thu thập được 300 phiếu hợp lệ phục vụ cho phân tích, đạt tỷ lệ phản hồi 75%. Tất cả 300 phiếu khảo sát thu về đều có thông tin đầy đủ, không có giá trị bị thiếu, đảm bảo rằng các quan sát có thể được sử dụng trực tiếp cho phân tích mà không cần áp dụng các phương pháp bù đắp dữ liệu. Việc có được bộ dữ liệu hoàn chỉnh đã giúp quá trình xử lý dữ liệu diễn ra thuận lợi và đảm bảo độ tin cậy cao cho các phân tích tiếp theo.
4.3.2. Kiểm tra và xử lý giá trị đột biến (Outliers)
Dữ liệu cũng được kiểm tra kỹ lưỡng để phát hiện và loại bỏ các giá trị đột biến bằng các phương pháp thống kê, bao gồm:
- Phân tích Boxplot (biểu đồ hộp) để xác định các điểm dữ liệu nằm ngoài khoảng IQR (Interquartile Range).
- Phân tích Z-score để kiểm tra các quan sát có giá trị tuyệt đối lớn hơn ± 3.
- Kiểm tra phân phối dữ liệu bằng biểu đồ Histogram và Q-Q plot để xác định các điểm bất thường.
Kết quả cho thấy không có quan sát nào nằm ngoài ngưỡng bất thường, do đó không có giá trị ngoại lai trong bộ dữ liệu. Điều này giúp đảm bảo rằng dữ liệu đầu vào không bị ảnh hưởng bởi các quan sát cực đoan có thể gây sai lệch trong phân tích.
4.3.3. Chuẩn bị dữ liệu cho phân tích
Sau khi rà soát và đảm bảo dữ liệu không tồn tại giá trị bị thiếu và không có ngoại lai, dữ liệu được chuẩn bị để đưa vào các phân tích CFA. Sau khi kết quả CFA đảm bảo các thang đo đều đạt độ chính xác và độ tin cậy thì các nhân tố độc lập được chuyển thành các biến độc lập gộp (Composite Variables). Các biến độc lập trong nghiên cứu được tổng hợp từ các biến quan sát thông qua tính trung bình các thành tố (Mean Score Method), thay vì sử dụng Z-values, để đảm bảo sự nhất quán trong diễn giải kết quả hồi quy. Cụ thể, giá trị của mỗi biến độc lập (như sự tin cậy, sự đảm bảo, số hóa, phương tiện hữu hình, đội ngũ nhân viên) được tính bằng giá trị trung bình của các biến quan sát cấu thành nhân tố đó. Các biến cũng được kiểm tra tính phân phối chuẩn bằng Skewness-Kurtosis test, Histogram và Q-Q plot. Kết quả cho thấy dữ liệu không có sai lệch nghiêm trọng về phân phối, đảm bảo tính hợp lệ khi được sử dụng cho phân tích MLR.
4.4. Kết quả thống kê mô tả và mô hình đo lường Luận văn: KQNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.
4.4.1. Đặc điểm mẫu nghiên cứu
Bảng 4.2 trình bày thông tin khái quát về các đặc điểm của mẫu nghiên cứu, bao gồm giới tính và nhóm tuổi của KH sử dụng dịch vụ NHS BIDV. Mẫu khảo sát gồm 300 KH, qua đó đảm bảo mức độ đại diện cần thiết cho tổng thể nghiên cứu và đáp ứng yêu cầu thực hiện các phân tích tiếp theo.
- Bảng 4.2. Đặc điểm mẫu nghiên cứu
Mẫu nghiên cứu bao gồm tổng cộng 300 KH có trải nghiệm sử dụng dịch vụ NHS tại BIDV. Về cơ cấu giới tính, số lượng KH nữ chiếm tỷ trọng cao hơn với 58,3% (175 người), trong khi KH nam chiếm 41,7% (125 người). Sự chênh lệch này thể hiện dịch vụ NHS tại BIDV thu hút sự chú ý khá lớn từ nhóm KH nữ, đồng thời vẫn đảm bảo tính đa dạng trong việc đánh giá các yếu tố ảnh hưởng đến SHL của KH.
Phân theo độ tuổi, nhóm KH từ 18 đến dưới 35 tuổi chiếm ưu thế với 41,7% (125 người), tiếp theo là nhóm từ 35 – dưới 50 tuổi chiếm 33,3% (100 người), và nhóm từ 50 tuổi trở lên chiếm 25,0% (75 người). Kết quả này cho thấy người sử dụng dịch vụ NHS tại BIDV chủ yếu nằm trong độ tuổi trẻ và trung niên, đây là nhóm KH năng động, có khả năng tiếp cận công nghệ nhanh chóng và là đối tượng mục tiêu chính của các dịch vụ NHS hiện nay.
4.4.2. Thống kê mô tả
Bảng 4.3 thể hiện kết quả thống kê mô tả các thang đo nghiên cứu, bao gồm các yếu tố như sự tin cậy, sự đảm bảo, số hóa, phương tiện hữu hình, đội ngũ nhân viên và SHL của KH đối với dịch vụ NHS tại BIDV.
- Bảng 4.3. Thống kê mô tả các biến Luận văn: KQNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.
Nhân tố sự tin cậy có mức giá trị trung bình thay đổi từ 4,02 (1,174) đến 4,93 (1,037), phản ánh mức độ hài lòng được ghi nhận ở mức trung bình khá đối với khả năng thực hiện dịch vụ NHS tại BIDV, trong đó biến TC5 (thực hiện đúng ngay từ lần đầu) được đánh giá cao nhất. Tuy nhiên, sự chính xác trong xử lý giao dịch (TC2) có mức trung bình thấp nhất, cho thấy ngân hàng cần chú trọng hơn vào tính ổn định của hệ thống.
Sự đảm bảo có mức trung bình từ 3,88 (1,210) đến 4,31 (1,091), cho thấy KH cảm nhận độ an toàn và uy tín ở mức vừa phải. Đặc biệt, biến ĐB3 về việc không chia sẻ thông tin cá nhân có điểm số thấp nhất trong nhóm, phản ánh sự lo ngại nhất định của người dùng về tính riêng tư trực tuyến.
Nhân tố số hoá và phương tiện hữu hình là những yếu tố nhận được đánh giá tích cực với nhiều biến đạt mức trên 5,0. Cụ thể, khả năng cung cấp dịch vụ trực tuyến (SH2) đạt 5,17 và tính hiện đại của ứng dụng (HH3) đạt 5,18. Điều này chứng tỏ ngân hàng đã đầu tư hiệu quả vào công nghệ và giao diện để thỏa mãn nhu cầu trải nghiệm số của KH.
Đội ngũ nhân viên ghi nhận giá trị trung bình cao nhất tại biến NV4 (5,31), cho thấy KH đánh giá rất cao về năng lực chuyên môn và kinh nghiệm của nhân viên BIDV. Ngược lại, cảm giác được tôn trọng (NV3) lại có mức điểm thấp hơn (4,04), gợi ý rằng thái độ phục vụ cá nhân hóa cần được cải thiện đồng đều hơn giữa các chi nhánh.
Cuối cùng, mức độ hài lòng chung của KH được ghi nhận ở mức trung bình khá và tương đối ổn định, dao động quanh giá trị 5,22. Kết quả này cho thấy phần lớn KH có xu hướng tiếp tục gắn bó và sử dụng dịch vụ (SHL4 = 5,22) mặc dù vẫn còn dư địa để nâng cao trải nghiệm tổng thể thông qua việc tối ưu hóa các yếu tố còn hạn chế kể trên.
4.4.3. Phân tích Cronbach’s Alpha Luận văn: KQNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.
Bảng 4.4 thể hiện kết quả đánh giá độ tin cậy của các thang đo bằng hệ số Cronbach’s Alpha nhằm kiểm tra tính nhất quán nội tại giữa các biến quan sát. Kết quả cho thấy các thang đo đều đạt giá trị Cronbach’s Alpha cao, trong khoảng từ 0,864 đến 0,936, vượt mức yêu cầu 0,7 theo khuyến nghị của Nunnally và Bernstein (1994), cho thấy độ tin cậy rất tốt của bộ công cụ đo lường.
Đặc biệt, các thang đo như SHL (0,936), sự tin cậy (0,911) và đội ngũ nhân viên (0,895) có mức độ tin cậy rất cao, cho thấy mức độ nhất quán nội tại cao giữa các biến quan sát trong từng thang đo. Ngoài ra, kết quả phân tích tương quan biến – tổng đã hiệu chỉnh (Corrected Item–Total Correlation) cho thấy các hệ số đều cao, dao động từ 0,690 đến 0,863, chứng tỏ mỗi biến quan sát đều có vai trò quan trọng trong việc đo lường các khái niệm nghiên cứu.
Điều này đảm bảo rằng các biến không chỉ tương quan mạnh với thang đo mà còn phản ánh chính xác nội dung cần đo lường. Có những trường hợp, thang đo có nhiều biến quan sát nhưng mỗi biến lại phản ánh một khía cạnh khác nhau của cùng một khái niệm, và các biến này vẫn có tương quan cao do bản chất của khái niệm đó. Điều này có thể khiến các chỉ số Cronbach’s Alpha cao trong phân tích. Để đảm bảo các biến quan sát không trùng lắp khiến chỉ số Cronbach’s Alpha cao, tác giả đã phân tích giá trị phân biệt của các thang đo qua ma trận HTMT (trình bày ở phần sau) và kết quả cho thấy các câu hỏi không hoàn toàn trùng lắp nhau và các thang đo đều đạt giá trị phân biệt.
- Bảng 4.4. Đặc điểm Cronbach’s alpha của các thang đo
Hơn nữa, khi kiểm tra Cronbach’s Alpha nếu loại bỏ biến, giá trị của hệ số này vẫn duy trì ở mức cao đối với tất cả các thang đo, Kết quả cho thấy không tồn tại biến quan sát nào làm giảm đáng kể độ tin cậy của thang đo. Khi loại từng biến, hệ số Cronbach’s Alpha vẫn giữ ở mức trên 0,818, chứng tỏ không có biến nào gây ảnh hưởng bất lợi đến tính ổn định của thang đo. Do đó, tất cả các biến quan sát đều được giữ lại trong giai đoạn kiểm định độ tin cậy.
Tổng thể, kết quả Cronbach’s Alpha cho thấy các thang đo đều đạt tiêu chuẩn độ tin cậy cao, phản ánh sự nhất quán nội bộ tốt giữa các mục đo lường. Vì vậy, các thang đo có thể được sử dụng trong các phân tích tiếp theo mà không cần loại bỏ hay điều chỉnh biến quan sát. Đây là nền tảng để tiến hành phân tích CFA nhằm đánh giá giá trị hội tụ và phân biệt, đảm bảo tính hợp lệ của mô hình đo lường. Luận văn: KQNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.
4.4.4. Phân tích CFA
Sau khi đánh giá độ tin cậy thông qua hệ số Cronbach’s Alpha, nghiên cứu tiếp tục thực hiện phân tích CFA nhằm kiểm định mức độ phù hợp của mô hình đo lường, đồng thời đảm bảo giá trị hội tụ và giá trị phân biệt của các thang đo. Phân tích CFA giúp xác nhận rằng các biến quan sát phản ánh chính xác các nhân tố tiềm ẩn mà chúng đại diện, cũng như đánh giá mức độ phù hợp của mô hình với dữ liệu thực tế.
Hình 4.1. Phân tích CFA
- Hệ số tải nhân tố (Factor Loadings)
Hệ số tải nhân tố (Factor Loadings) cho biết mức độ đóng góp của từng biến quan sát vào nhân tố tiềm ẩn mà nó đại diện. Theo Hair và cộng sự (2019), các biến có hệ số tải từ 0,5 trở lên được xem là chấp nhận được và lý tưởng khi đạt từ 0,7 trở lên. Những biến có hệ số tải thấp hơn 0,5 có thể không phản ánh tốt nhân tố và cần được loại bỏ. Trong nghiên cứu này, tất cả các hệ số tải đều lớn hơn 0,5, cho thấy các biến quan sát đều có mối quan hệ chặt chẽ với các nhân tố tiềm ẩn.
Bảng 4.5 cung cấp thông tin chi tiết về hệ số tải nhân tố của các biến quan sát tương ứng với từng nhân tố tiềm ẩn:
- Bảng 4.5. Hệ số tải nhân tố của các biến quan sát
Kết quả trên cho thấy tất cả các biến quan sát có hệ số tải nhân tố cao vượt xa ngưỡng tối thiểu 0,5 theo Hair và cộng sự (2019), thể hiện mức độ đóng góp mạnh mẽ vào nhân tố tiềm ẩn tương ứng.
Đặc biệt, các biến quan sát cấu thành nhân tố SHL đều có hệ số tải rất cao, trên 0,86, cho thấy các câu hỏi khảo sát phản ánh cực kỳ chính xác cảm nhận của KH đối với dịch vụ NHS tại BIDV. Tổng thể, kết quả phân tích khẳng định rằng các biến quan sát có sự liên kết chặt chẽ với các nhân tố tiềm ẩn mà chúng đại diện, đảm bảo giá trị hội tụ của các thang đo. Đây là cơ sở để tiếp tục đánh giá các thành phần khác trong mô hình đo lường. Luận văn: KQNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.
- Đánh giá mức độ phù hợp của mô hình CFA
Sau bước phân tích hệ số tải nhân tố nhằm xác định mức độ đóng góp của các biến quan sát, nghiên cứu tiếp tục đánh giá mức độ phù hợp của mô hình CFA thông qua các chỉ số đo lường chuẩn. Một mô hình đo lường đạt yêu cầu khi nó có mức độ phù hợp tốt với dữ liệu thực tế, tức là các biến quan sát phản ánh chính xác cấu trúc của các nhân tố trong mô hình. Các chỉ số đánh giá mức độ phù hợp của mô hình đối với dịch vụ NHS tại BIDV được tổng hợp trong Bảng 4.6 dưới đây:
- Bảng 4.6. Các chỉ số đánh giá mức độ phù hợp của mô hình CFA
Chỉ số Chi-square/df (CMIN/DF): Giá trị CMIN/DF = 1,043 thấp hơn 3,0, thể hiện mức độ tương thích cao giữa mô hình và dữ liệu thực tế. Điều này chứng tỏ rằng sự khác biệt giữa ma trận hiệp phương sai quan sát và mô hình giả thuyết là rất nhỏ, đồng nghĩa với việc mô hình có thể phản ánh chính xác dữ liệu khảo sát KH tại BIDV.
Chỉ số RMSEA (Root Mean Square Error of Approximation): Giá trị RMSEA = 0,012, nhỏ hơn ngưỡng 0,08, cho thấy mô hình có sai số thấp và mức độ phù hợp cao. Với giá trị RMSEA leq 0,05, mô hình đạt tiêu chuẩn rất tốt về độ phù hợp.
Chỉ số CFI (Comparative Fit Index): Giá trị CFI = 0,997, cao hơn ngưỡng tiêu chuẩn 0,90, chứng tỏ mô hình có mức độ phù hợp rất tốt. Chỉ số này đạt mức lý tưởng (≥ 0,95).
Chỉ số TLI (Tucker-Lewis Index): Giá trị TLI = 0,997, rất gần với 1,0, cho thấy mô hình có mức độ phù hợp cực kỳ tốt. Chỉ số TLI cao thể hiện rằng mô hình đã được tinh chỉnh hợp lý để phù hợp với dữ liệu thực tế tại BIDV.
Chỉ số NFI (Normed Fit Index) và IFI (Incremental Fit Index): NFI = 0,943 và IFI = 0,998, cả hai đều cao hơn 0,90, chứng minh rằng mô hình được cải thiện đáng kể so với mô hình độc lập. Điều này đồng nghĩa với việc mô hình đo lường phản ánh tốt dữ liệu khảo sát và không gặp vấn đề nghiêm trọng về sự phù hợp. Luận văn: KQNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.
Chỉ số GFI (Goodness-of-Fit Index) và AGFI (Adjusted Goodness-of-Fit Index): GFI = 0,930 và AGFI = 0,914 đều vượt ngưỡng tiêu chuẩn 0,90, chứng tỏ mô hình có mức độ phù hợp tổng thể tốt. Chỉ số AGFI phản ánh mức độ phù hợp sau khi đã điều chỉnh các tham số, việc cả hai chỉ số này đều đạt ngưỡng 0,90 khẳng định tính vững chắc của mô hình.
P-value của Chi-square và PCLOSE: P-value = 0,289, lớn hơn 0,05, và PCLOSE = 1,000, lớn hơn 0,05, chứng tỏ rằng giả thuyết về sự phù hợp của mô hình không bị bác bỏ. Điều này xác nhận rằng mô hình đo lường hoàn toàn có thể được sử dụng để kiểm định các giả thuyết nghiên cứu trong phân tích tiếp theo.
Kết luận: Dựa trên các kết quả tổng hợp, có thể kết luận rằng mô hình CFA trong nghiên cứu có mức độ phù hợp rất cao với dữ liệu thực tế (CMIN/DF = 1,043; RMSEA = 0,012; CFI = 0,997; TLI = 0,997). Các chỉ số đánh giá đều đạt hoặc vượt tiêu chuẩn, chứng minh độ tin cậy của mô hình đo lường và cho phép tiếp tục sử dụng trong phân tích MLR.
- Kiểm tra độ chính xác hội tụ và độ chính xác phân biệt
Để đảm bảo mô hình đo lường có độ tin cậy và hợp lệ, việc kiểm tra độ chính xác hội tụ (Convergent Validity) và độ chính xác phân biệt (Discriminant Validity) là bước quan trọng trong phân tích CFA. Giá trị hội tụ giúp xác định mức độ mà các biến quan sát của một nhân tố thực sự phản ánh khái niệm mà chúng đo lường. Trong khi đó, giá trị phân biệt đánh giá mức độ khác biệt giữa các nhân tố, Đảm bảo mỗi nhân tố phản ánh một khái niệm riêng và không bị giao thoa với các nhân tố khác.
Kiểm tra độ chính xác hội tụ (Convergent Validity): Giá trị hội tụ của mô hình được đánh giá dựa trên ba chỉ số chủ yếu.
Thứ nhất, hệ số tải nhân tố (Factor Loadings) Cho thấy mức độ liên kết giữa từng biến quan sát và nhân tố tiềm ẩn, với ngưỡng chấp nhận từ 0,5 trở lên và mức lý tưởng từ 0,7 trở lên (Hair và cộng sự, 2019).
Thứ hai, AVE với giá trị tối thiểu 0,5 cho thấy nhân tố có khả năng giải thích ít nhất 50% phương sai của các biến quan sát, qua đó khẳng định mức độ hội tụ của thang đo (Fornell và Larcker, 1981).
Thứ ba, độ tin cậy tổng hợp (CR – Composite Reliability) đạt từ 0,7 trở lên được xem là đảm bảo mức độ tin cậy chấp nhận được của thang đo trong nghiên cứu (Hair và cộng sự, 2019). Luận văn: KQNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.
- Bảng 4.7. Kiểm tra độ chính xác hội tụ của mô hình CFA
Các kết quả thu được cho thấy tất cả các nhân tố đều có AVE > 0,5 và CR > 0,7, xác nhận rằng các biến quan sát thể hiện chính xác các khái niệm nghiên cứu. Giá trị AVE dao động từ 0,614 đến 0,784, vượt ngưỡng tối thiểu, cho thấy mức độ hội tụ cao của các biến quan sát. Như vậy, mô hình đo lường đạt giá trị hội tụ tốt, các nhân tố phản ánh rõ ràng
khái niệm mà chúng đo lường trong bối cảnh dịch vụ NHS. Kiểm tra độ chính xác phân biệt (Discriminant Validity)
Giá trị phân biệt phản ánh mức độ khác biệt rõ ràng giữa các nhân tố trong mô hình đo lường, qua đó đảm bảo rằng các khái niệm nghiên cứu không bị chồng lấn với nhau. Trong nghiên cứu, giá trị phân biệt thường được kiểm định thông qua hai phương pháp phổ biến như sau:
Thứ nhất, so sánh giữa AVE và phương sai chia sẻ tối đa (MSV), theo đó một nhân tố được xem là đạt giá trị phân biệt khi AVE lớn hơn MSV (Fornell và Larcker, 1981).
Thứ hai, sử dụng ma trận HTMT, trong đó các giá trị HTMT nhỏ hơn 0,85 cho thấy các nhân tố có sự phân biệt rõ ràng và đảm bảo giá trị phân biệt trong mô hình đo lường (Henseler và cộng sự, 2015).
- Bảng 4.8. Kiểm tra độ chính xác phân biệt của mô hình CFA
Kết quả cho thấy giá trị AVE của các nhân tố đều vượt MSV, khẳng định rằng mỗi nhân tố có khả năng giải thích phương sai riêng tốt hơn so với mối tương quan với các nhân tố khác.
Chỉ số HTMT của tất cả các cặp nhân tố đều nhỏ hơn 0,85, cho thấy các thang đo có sự phân biệt rõ ràng và không bị chồng lấn về mặt đo lường.
Dựa trên các kết quả thu được, có thể kết luận rằng mô hình đo lường đảm bảo giá trị phân biệt, phản ánh sự tách biệt rõ ràng giữa các khái niệm nghiên cứu. Luận văn: KQNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.
- Ma trận tương quan
Ma trận tương quan giúp xem xét mức độ liên hệ giữa các nhân tố trong mô hình đo lường, đồng thời đánh giá tính hợp lệ và sự nhất quán giữa các biến độc lập. Nếu các nhân tố có tương quan lớn, điều này có thể cho thấy sự tồn tại của đa cộng tuyến, làm ảnh hưởng đến kết quả phân tích MLR. Ngược lại, nếu mức độ tương quan thấp, có thể hiểu rằng các nhân tố đang phản ánh những khía cạnh khác nhau của đối tượng nghiên cứu.
Để đánh giá mối tương quan giữa các nhân tố, nghiên cứu áp dụng hệ số tương quan Pearson, được trình bày trong ma trận tương quan dưới đây:
- Bảng 4.9. Ma trận tương quan giữa các nhân tố trong mô hình
Kết quả từ ma trận tương quan cho thấy tất cả các nhân tố độc lập bao gồm Sự tin cậy (TC), Đội ngũ nhân viên (NV), Sự đảm bảo (ĐB), Số hoá (SH) và Phương tiện hữu hình (HH) đều có mối tương quan thuận chiều với SHL ở mức ý nghĩa thống kê cao (p < 0,001). Trong đó, Sự tin cậy (TC) thể hiện mối tương quan mạnh nhất với SHL của KH (0,678, p < 0,001), tiếp theo lần lượt là Số hoá (SH) (0,662, p < 0,001), Sự đảm bảo (ĐB) (0,633, p < 0,001) và Đội ngũ nhân viên (NV) (0,628, p < 0,001). Phương tiện hữu hình (HH) có mức độ tương quan thấp hơn so với các yếu tố khác (0,485, p < 0,001) nhưng vẫn đóng góp ý nghĩa vào việc thúc đẩy SHL tổng thể đối với dịch vụ NHS tại BIDV. Điều này cho thấy rằng việc đảm bảo tính bảo mật, năng lực phục vụ của nhân viên và sự hiện đại trong giải pháp số hoá là những tiền đề then chốt tác động đến trải nghiệm tích cực của KH.
Xét về mối quan hệ giữa các nhân tố ảnh hưởng, mức độ tương quan giữa các biến độc lập dao động từ thấp đến trung bình (từ 0,184 đến 0,389). Mối tương quan mạnh nhất được ghi nhận giữa nhân tố Số hoá (SH) và Đội ngũ nhân viên (NV) (0,389, p < 0,001), trong khi tương quan thấp nhất thuộc về cặp Sự tin cậy (TC) và Phương tiện hữu hình (HH) (0,184, p < 0,010). Việc các hệ số tương quan giữa các biến độc lập không quá cao giúp loại bỏ lo ngại về hiện tượng đa cộng tuyến nghiêm trọng, đảm bảo tính khách quan cho kết quả phân tích hồi quy tiếp theo. Điều này phản ánh rằng mặc dù có sự liên kết nhất định trong hệ sinh thái dịch vụ NHS, mỗi nhân tố vẫn đo lường những khía cạnh riêng biệt và đóng vai trò độc lập trong việc hình thành SHL của KH.
Sau cùng, kết quả so sánh tại Bảng 4.9 cho thấy không có hệ số tương quan nào vượt quá căn bậc hai của AVE tương ứng (các giá trị in đậm trên hàng chéo). Điều này khẳng định rằng các thang đo trong mô hình nghiên cứu đạt được cả độ chính xác hội tụ và độ chính xác phân biệt tuyệt đối theo tiêu chuẩn của Fornell và Larcker (1981). Đây là cơ sở quan trọng chứng minh tính hợp lệ của mô hình đo lường, đảm bảo các khái niệm nghiên cứu không bị chồng lấn và có thể tiếp tục sử dụng để kiểm định các giả thuyết nghiên cứu trong phần phân tích MLR.
4.5. Kết quả phân tích mô hình cấu trúc Luận văn: KQNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.
4.5.1. Tóm tắt mô hình hồi quy
Bảng 4.10 trình bày các chỉ số đánh giá mức độ phù hợp của mô hình MLR, bao gồm hệ số tương quan R, hệ số xác định R^2, hệ số R^2 điều chỉnh, sai số chuẩn của ước lượng và kiểm định Durbin-Watson đối với các yếu tố ảnh hưởng đến SHL của KH đối với dịch vụ NHS tại BIDV.
- Bảng 4.10. Tóm tắt mô hình MLR
Kết quả phân tích cho thấy R^2 đạt 0,806, cho thấy 80,6% biến động của SHL KH đối với dịch vụ NHS được giải thích bởi năm biến độc lập trong mô hình, bao gồm: sự tin cậy, sự đảm bảo, số hóa, phương tiện hữu hình và đội ngũ nhân viên. Sau khi điều chỉnh, hệ số R^2 duy trì ở mức 0,803, cho thấy mô hình có độ giải thích rất cao và phù hợp với dữ liệu thực tế. Sai số chuẩn của ước lượng là 0,42551, phản ánh mức độ dao động của sai số ở mức thấp. Hệ số Durbin-Watson đạt giá trị 2,111, nằm trong khoảng an toàn gần với giá trị 2, cho thấy không có hiện tượng tự tương quan nghiêm trọng trong mô hình hồi quy.
4.5.2. Kiểm định sự phù hợp của mô hình hồi quy (ANOVA)
Bảng 4.11 cung cấp kết quả kiểm định tổng thể của mô hình hồi quy thông qua phân tích phương sai (ANOVA), nhằm xác định liệu các biến độc lập có giải thích được sự biến đổi của SHL của KH hay không.
- Bảng 4.11. Kết quả kiểm định ANOVA mô hình hồi quy
Kết quả kiểm định cho thấy tổng bình phương hồi quy (Sum of Squares = 221,778) cao hơn đáng kể so với tổng bình phương phần dư (Sum of Squares = 53,231), điều này chứng tỏ các biến độc lập bao gồm Sự tin cậy (TC), Sự đảm bảo (DB), Số hoá (SH),
Phương tiện hữu hình (HH) và Đội ngũ nhân viên (NV) có khả năng giải thích đáng kể sự biến động của SHL của KH đối với dịch vụ NHS tại BIDV.
Kết quả cho thấy F = 244,979 với Sig. < 0,001, chứng tỏ mô hình hồi quy có ý nghĩa thống kê, nghĩa là tồn tại ít nhất một biến độc lập ảnh hưởng đáng kể đến SHL của KH. Điều này xác nhận sự phù hợp của mô hình với dữ liệu khảo sát, đồng thời là nền tảng cho việc phân tích chi tiết tác động của từng nhân tố.
4.5.3. Kết quả phân tích MLR Luận văn: KQNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.
Bảng 4.12 cung cấp các hệ số hồi quy của các biến độc lập, qua đó đánh giá mức độ ảnh hưởng của từng yếu tố đến SHL của KH đối với dịch vụ NHS tại BIDV. Các kết quả được phân tích dựa trên hệ số hồi quy chưa chuẩn hóa (Beta), hệ số chuẩn hóa, giá trị t, mức ý nghĩa Sig. và kiểm tra đa cộng tuyến thông qua chỉ số VIF.
- Bảng 4.12. Kết quả phân tích hồi quy tuyến tính
Từ kết quả trên, phương trình hồi quy tuyến tính được xác định dựa trên hệ số chuẩn hóa như sau:
- SHL = 0,393*TC + 0,320*DB + 0,302*SH + 0,227*NV + 0,149*HH
Kết quả phân tích cho thấy cả 05 biến độc lập đều có mức ý nghĩa p < 0,001, khẳng định các yếu tố này đều có tác động tích cực và có ý nghĩa thống kê đến SHL của KH. Việc sử dụng hệ số Beta chuẩn hóa cho phép xác định thứ tự ưu tiên các nhân tố tác động: Sự tin cậy (TC) có ảnh hưởng mạnh nhất (beta = 0,393), tiếp theo lần lượt là Sự đảm bảo (DB) (beta = 0,320), Số hoá (SH) (beta = 0,302), Nhân viên (NV) (beta = 0,227) và cuối cùng là Phương tiện hữu hình (HH) (beta = 0,149).
Kết quả kiểm định cho thấy tất cả các hệ số VIF đều nhỏ hơn 2, khẳng định mô hình không gặp phải hiện tượng đa cộng tuyến, từ đó đảm bảo tính tin cậy của các hệ số hồi quy chuẩn hóa.
- Hình 4.2. Biểu đồ Histogram kiểm tra phân phối phần dư chuẩn hóa
Biểu đồ Hình 4.2 thể hiện phân phối của phần dư chuẩn hóa trong mô hình hồi quy đối với biến phụ thuộc SHL. Kết quả cho thấy phần dư có xu hướng phân bố đối xứng quanh giá trị trung bình gần bằng 0 (Mean = 5,59E-16) với độ lệch chuẩn 0,992. Hình dạng của biểu đồ bám sát đường cong phân phối chuẩn lý thuyết, cho thấy giả định về phân phối chuẩn của phần dư được đảm bảo, giúp duy trì tính hợp lệ của các kiểm định giả thuyết. Luận văn: KQNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.
- Hình 4.3. Biểu đồ Normal P-P Plot kiểm tra phân phối phần dư chuẩn hóa
Hình 4.3 thể hiện biểu đồ Normal P-P Plot dùng để kiểm tra giả định về phân phối chuẩn của phần dư. Kết quả cho thấy các điểm dữ liệu xác suất tích lũy quan sát được bám rất sát đường chéo kỳ vọng. Điều này củng cố thêm bằng chứng cho thấy phần dư của mô hình tuân theo phân phối chuẩn, đảm bảo rằng các giả định thống kê cốt lõi của mô hình hồi quy tuyến tính không bị vi phạm.
- Hình 4.4. Biểu đồ phân tán kiểm tra tính đồng nhất phương sai của phần dư
Quan sát biểu đồ phân tán Scatterplot tại Hình 4.4, các điểm dữ liệu phân bố ngẫu nhiên và tập trung chủ yếu xung quanh trục 0 mà không tạo thành bất kỳ hình dáng hoặc xu hướng đặc biệt nào. Điều này chứng tỏ mô hình thỏa mãn giả định về tính đồng nhất phương sai của phần dư, giúp các ước lượng trong mô hình hồi quy đạt được độ tin cậy cao.
- Bảng 4.13. Kết quả kiểm định các giả thuyết nghiên cứu
Dựa trên kết quả phân tích hồi quy tại Bảng 4.13, nghiên cứu tiến hành kiểm định các giả thuyết nhằm xác định mức độ tác động của từng nhân tố đến SHL của KH đối với dịch vụ NHS tại BIDV.
Giả thuyết H1 – Sự tin cậy (TC): Biến Sự tin cậy (TC) có hệ số Beta chuẩn hóa = 0,393, với Sig. < 0,001. Điều này chứng tỏ rằng khi yếu tố sự tin cậy được cảm nhận tích cực (hệ thống thực hiện dịch vụ đúng như giới thiệu, giao dịch xử lý chính xác, bảo mật thông tin tốt), thì SHL của KH sẽ tăng trung bình 0,393 đơn vị, trong điều kiện các yếu tố khác không thay đổi. Giả thuyết H1 được chấp nhận.
Giả thuyết H2 – Số hoá (SH): Biến Số hoá (SH) có hệ số Beta chuẩn hóa = 0,302, với Sig. < 0,001. Điều này cho thấy rằng khi các yếu tố số hoá được tăng cường (cung cấp đa dạng dịch vụ trực tuyến, giải pháp thanh toán điện tử hiện đại, hoạt động tích cực trên nền tảng số), thì SHL sẽ tăng thêm trung bình 0,302 đơn vị. Giả thuyết H2 được chấp nhận.
Giả thuyết H3 – Sự đảm bảo (DB): Biến Sự đảm bảo (DB) có hệ số Beta chuẩn hóa = 0,320, với Sig. < 0,001. Điều này phản ánh rằng khi ngân hàng củng cố được sự đảm bảo (độ uy tín cao, không chia sẻ thông tin cá nhân trái phép, tạo cảm giác an toàn khi giao dịch), KH sẽ có xu hướng đưa ra đánh giá SHL cao hơn, với mức tăng trung bình 0,320 đơn vị. Giả thuyết H3 được chấp nhận. Luận văn: KQNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.
Giả thuyết H4 – Phương tiện hữu hình (HH): Biến Phương tiện hữu hình (HH) có hệ số Beta chuẩn hóa = 0,149, với Sig. < 0,001. Điều này cho thấy rằng khi yếu tố hữu hình được đảm bảo (giao diện ứng dụng được thiết kế đẹp, sắp xếp dịch vụ khoa học, tính năng hiện đại và dễ tra cứu), KH sẽ tăng mức độ SHL thêm 0,149 đơn vị. Giả thuyết H4 được chấp nhận.
Giả thuyết H5 – Đội ngũ nhân viên (NV): Biến Đội ngũ nhân viên (NV) có hệ số Beta chuẩn hóa = 0,227, với Sig. < 0,001. Điều này chứng tỏ rằng khi đội ngũ nhân viên thể hiện năng lực phục vụ tốt (thái độ lịch sự, thân thiện, tư vấn có lợi cho KH, có kiến thức chuyên môn vững), SHL sẽ tăng trung bình 0,227 đơn vị. Giả thuyết H5 được chấp nhận.
Nhìn chung, kết quả phân tích hồi quy đa biến cho thấy tất cả 5 yếu tố ảnh hưởng đều có tác động cùng chiều và có ý nghĩa thống kê đến SHL của KH. Điều này khẳng định tất cả các giả thuyết từ H1 đến H5 đều được chấp nhận, trong đó Sự tin cậy (TC) là yếu tố có tác động tích cực mạnh nhất (Beta = 0,393) đến SHL của KH đối với dịch vụ dịch vụ NHS tại BIDV.
4.6. Kiểm tra phương sai đồng nhất theo đặc điểm cá nhân
4.6.1. Theo giới tính
Nhằm kiểm tra xem có sự khác biệt phương sai về SHL đối với dịch vụ NHS tại BIDV giữa hai nhóm giới tính (nam và nữ) hay không, nghiên cứu sử dụng kiểm định Levene để đánh giá tính đồng nhất của phương sai giữa hai nhóm. Bảng kết quả kiểm định Levene (Tests of Homogeneity of Variances) cho thấy giá trị Sig. lớn hơn 0,05, chứng tỏ không có sự khác biệt đáng kể về phương sai giữa hai nhóm giới tính
- Bảng 4.14. Kết quả kiểm tra phương sai đồng nhất theo giới tính
Dựa trên kết quả phân tích tại Bảng 4.14, giá trị Sig. của kiểm định Levene đạt 0,631, lớn hơn nhiều so với ngưỡng ý nghĩa thống kê 0,05. Kết quả này khẳng định rằng giả định về tính đồng nhất phương sai giữa nhóm KH nam và KH nữ được thỏa mãn, cho thấy mức độ biến động trong cảm nhận về SHL là tương đương nhau giữa các giới tính.
Kết quả kiểm định t (Independent Samples T-test) cho thấy giá trị Sig. (2-tailed) bằng 0,506, lớn hơn 0,05, cho phép kết luận rằng không có sự khác biệt có ý nghĩa thống kê về mức độ hài lòng giữa KH nam và nữ đối với dịch vụ NHS tại BIDV. Điều này đảm bảo rằng các ước lượng của mô hình hồi quy trước đó là đáng tin cậy và không chịu tác động của phương sai không đồng nhất theo giới tính. Luận văn: KQNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.
4.6.2. Theo độ tuổi
- Bảng 4.15. Kết quả kiểm tra phương sai đồng nhất theo độ tuổi
Về tính đồng nhất của phương sai: Kết quả kiểm định Levene cho thấy giá trị Sig. = 0,610 > 0,05. Do đó, phương sai của các nhóm độ tuổi là đồng nhất, thỏa mãn điều kiện để thực hiện phân tích ANOVA.
Về sự khác biệt giữa các nhóm: Phân tích ANOVA cho thấy giá trị F = 0,816 đi kèm với Sig. = 0,443, lớn hơn ngưỡng 0,05.
Kết luận: Với mức ý nghĩa 5%, có thể khẳng định không có sự khác biệt rõ rệt về SHL của KH đối với dịch vụ NHS tại BIDV giữa các nhóm độ tuổi khác nhau. Điều này cho thấy dù ở độ tuổi nào thì cảm nhận của người phản hồi về SHL đều tương đồng như nhau.
TÓM TẮT CHƯƠNG 4
Chương 4 đóng vai trò trung tâm trong việc cụ thể hóa mô hình lý thuyết thông qua các bằng chứng thực nghiệm thu thập từ 300 KH đang trải nghiệm dịch vụ NHS tại BIDV. Kết quả triển khai nghiên cứu đã cung cấp một cái nhìn toàn diện về thực trạng và các nhân tố quyết định đến SHL của người dùng trong kỷ nguyên số hóa.
- Tiến trình phân tích được thực hiện một cách chặt chẽ qua các giai đoạn sau:
Đặc điểm mẫu và thống kê mô tả: với quy mô 300 KH, mẫu nghiên cứu thể hiện sự cân bằng và tính đại diện cao với 58,3% là nữ giới và sự phân bổ rộng khắp các độ tuổi từ thanh niên đến trung niên. Các chỉ số thống kê mô tả phản ánh một góc nhìn tích cực từ phía người dùng, khi phần lớn các tiêu chí đo lường đều ghi nhận mức đánh giá trung bình khá cao trên thang Likert 1–7.
Độ tin cậy và tính hợp lệ của thang đo: thông qua kiểm định Cronbach’s Alpha và phân tích CFA, bộ công cụ đo lường đã chứng minh được sự nhất quán nội tại tuyệt vời cùng giá trị hội tụ và phân biệt rõ nét. Các chỉ số độ phù hợp của mô hình (như CMIN/DF = 1,043 và CFI = 0,997) đã xác nhận rằng mô hình lý thuyết hoàn toàn tương thích với dữ liệu khảo sát thực tế.
Mô hình hồi quy và các nhân tố ảnh hưởng: Phân tích MLR đã soi sáng cơ chế tác động của 05 nhân tố then chốt, giải thích được 80,6% sự biến thiên của SHL. Kết quả cho thấy:
Sự tin cậy (TC) là động lực thúc đẩy mạnh mẽ nhất (beta = 0,393), khẳng định tầm quan trọng của tính chính xác và bảo mật.
Các yếu tố Sự đảm bảo (DB), Số hoá (SH), Đội ngũ nhân viên (NV) và Phương tiện hữu hình (HH) đều có những đóng góp tích cực và có ý nghĩa thống kê ở mức p < 0,001. Luận văn: KQNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.
Kiểm định các giả định và tính ổn định: Việc kiểm soát nghiêm ngặt các giả định về đa cộng tuyến, tự tương quan và phân phối chuẩn của phần dư đã bảo chứng cho tính khách quan của các kết quả ước lượng. Đồng thời, các kiểm định sự khác biệt (T-test và ANOVA) đã chứng minh rằng mức độ hài lòng không bị chi phối bởi các đặc điểm nhân khẩu học như giới tính hay độ tuổi, phản ánh một chất lượng dịch vụ đồng nhất và ổn định mà BIDV đang cung cấp cho mọi phân khúc KH.
Toàn bộ hệ thống bằng chứng thống kê trong Chương 4 là cơ sở dữ liệu quan trọng để tác giả tiến tới đánh giá thực trạng và đề xuất các giải pháp mang tính chiến lược trong chương tiếp theo.
CHƯƠNG 5. KẾT LUẬN VÀ THẢO LUẬN
5.1. Kết luận và kết quả nghiên cứu
Kết quả phân tích hồi quy tuyến tính được sử dụng nhằm xem xét mối quan hệ giữa các biến độc lập và biến phụ thuộc trong mô hình nghiên cứu. Kết quả cho thấy tất cả các giả thuyết đều được chấp nhận khi đạt mức ý nghĩa thống kê p < 0,05.
- Giả thuyết H1: Sự tin cậy có ảnh hưởng tích cực đến SHL của KH.
Kết quả kiểm định giả thuyết cho thấy sự tin cậy có tác động tích cực đến SHL của KH trong lĩnh vực ngân hàng, với hệ số hồi quy β = 0,393 và p < 0,001. Điều này chứng tỏ khi KH cảm nhận được mức độ an toàn và tin tưởng cao đối với các sản phẩm, dịch vụ mà ngân hàng cung cấp, mức độ hài lòng tổng thể của họ cũng sẽ gia tăng. Kết quả này cũng phù hợp với các nghiên cứu trước đó của Phan Thị Cúc và cộng sự (2023), Kaur và cộng sự (2021) khi đều khẳng định vai trò quan trọng của sự tin cậy trong việc nâng cao SHL của KH đối với dịch vụ ngân hàng.
Mức độ ảnh hưởng của yếu tố này là lớn nhất trong mô hình nghiên cứu. Trước hết, lĩnh vực ngân hàng gắn liền trực tiếp với tài chính và thông tin cá nhân nên KH rất nhạy cảm với rủi ro. Khi không cảm thấy an toàn, họ khó có thể hài lòng, dù các yếu tố khác được đảm bảo tốt. Vì vậy, sự tin cậy đóng vai trò nền tảng và có tác động mạnh hơn các yếu tố còn lại.
- Giả thuyết H2: Số hoá có ảnh hưởng tích cực đến SHL của KH. Luận văn: KQNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.
Kết quả kiểm định giả thuyết cho thấy số hóa có tác động tích cực đến SHL của KH, với hệ số hồi quy β = 0,302 và giá trị p < 0,001. Điều này cho thấy khi ngân hàng đẩy mạnh áp dụng công nghệ và chuyển đổi các quy trình truyền thống sang nền tảng số, mức độ hài lòng của KH sẽ được cải thiện đáng kể. Số hóa trong ngân hàng được thể hiện thông qua việc triển khai các ứng dụng như mobile banking, internet banking, trí tuệ nhân tạo (AI) và phân tích dữ liệu lớn (Big Data), giúp nâng cao hiệu quả và cá nhân hóa dịch vụ. Kết quả này cũng phù hợp với nghiên cứu của Bhuvaneswari và Maruthamuthu (2024), khi chỉ ra rằng khả năng tương tác số, tính linh hoạt trong truy cập và mức độ tích hợp công nghệ đều góp phần nâng cao SHL của KH.
Tuy nhiên, mức độ ảnh hưởng của yếu tố này không phải là lớn nhất trong mô hình nghiên cứu. Điều này có thể cho thấy mặc dù số hóa mang lại nhiều tiện ích và trải nghiệm hiện đại, KH vẫn đặc biệt quan tâm đến các yếu tố cốt lõi khác như sự tin cậy và an toàn. Khi các nhu cầu cơ bản về bảo mật và uy tín đã được đáp ứng, KH mới đánh giá cao hơn các yếu tố liên quan đến công nghệ và tiện ích. Do đó, ngân hàng cần kết hợp giữa việc phát triển nền tảng số và đảm bảo độ tin cậy để nâng cao SHL một cách toàn diện.
- Giả thuyết H3: Sự đảm bảo có ảnh hưởng tích cực đến SHL của KH
Kết quả kiểm định giả thuyết cho thấy sự đảm bảo có tác động tích cực đến SHL của KH, với hệ số hồi quy β = 0,320 và giá trị p < 0,001. Điều này cho thấy khi KH cảm nhận được sự chuyên nghiệp, đáng tin cậy và hỗ trợ hiệu quả từ phía ngân hàng, mức độ hài lòng của họ sẽ được nâng cao.
Trong bối cảnh chuyển đổi số, sự đảm bảo không chỉ dừng lại ở kiến thức chuyên môn và thái độ phục vụ của nhân viên mà còn mở rộng sang các yếu tố như bảo mật thông tin, tính chính xác trong giao dịch và khả năng hỗ trợ kỹ thuật kịp thời. Những yếu tố này giúp KH cảm thấy an tâm và tự tin hơn khi sử dụng dịch vụ NHS.
Kết quả này cũng phù hợp với các nghiên cứu trước đó như Kim và Yang (2023), Kaur và cộng sự (2021), Hadid và cộng sự (2020), khi đều khẳng định vai trò quan trọng của sự đảm bảo trong việc nâng cao SHL của KH.
- Giả thuyết H4: Phương tiện hữu hình có ảnh hưởng tích cực đến SHL của KH
Kết quả kiểm định giả thuyết cho thấy phương tiện hữu hình có tác động tích cực đến SHL của KH, với hệ số hồi quy β = 0,149 và giá trị p < 0,001. Điều này chứng tỏ khi các yếu tố trực quan trên nền tảng số được thiết kế tốt, mức độ hài lòng của KH sẽ tăng lên. Luận văn: KQNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.
Phương tiện hữu hình trong NHS được thể hiện qua giao diện ứng dụng di động và website. Một giao diện thân thiện, dễ sử dụng và chuyên nghiệp giúp KH thao tác thuận tiện và mang lại trải nghiệm tích cực. Đồng thời, các tính năng như thanh toán nhanh, chuyển tiền dễ dàng, quản lý tài chính hiệu quả cùng với hệ thống bảo mật và hỗ trợ 24/7 cũng góp phần nâng cao cảm giác an toàn và tin tưởng.
Tuy mức độ tác động không quá cao so với các yếu tố khác, nhưng kết quả này cũng cho thấy phương tiện hữu hình không chỉ cải thiện trải nghiệm người dùng mà còn góp phần nâng cao SHL của KH đối với dịch vụ NHS.
- Giả thuyết H5: Đội ngũ nhân viên có ảnh hưởng tích cực đến SHL của KH
Kết quả kiểm định giả thuyết cho thấy nhân viên phục vụ có tác động tích cực đến SHL của KH, với hệ số hồi quy β = 0,227 và giá trị p < 0,001. Điều này cho thấy khi KH nhận được sự hỗ trợ tận tâm, kịp thời và hiệu quả từ đội ngũ nhân viên, mức độ hài lòng của họ sẽ được nâng cao.
Mặc dù NHS chủ yếu hoạt động trên nền tảng công nghệ, vai trò của nhân viên vẫn rất quan trọng trong việc tạo dựng niềm tin và mang lại trải nghiệm tích cực cho KH được thể hiện qua thái độ chuyên nghiệp, thân thiện và khả năng hỗ trợ hiệu quả.
Kết quả này cũng phù hợp với nghiên cứu của Kaur và cộng sự (2021), khi cho thấy đội ngũ nhân viên chất lượng cao không chỉ nâng cao SHL mà còn góp phần gia tăng sự trung thành của KH đối với NHS.
5.2. Thảo luận Luận văn: KQNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.
Phần thảo luận này nhằm đối chiếu kết quả nghiên cứu hiện tại với các công trình trong và ngoài nước, qua đó làm rõ những điểm tương đồng, khác biệt cũng như đóng góp khoa học của đề tài. Các yếu tố tác động đến SHL của KH đối với dịch vụ NHS tại BIDV được phân tích dựa trên các nền tảng lý thuyết và nghiên cứu thực nghiệm trước đây, từ đó đánh giá mức độ phù hợp của kết quả và rút ra các hàm ý thực tiễn.
5.2.1. So sánh với các nghiên cứu trong nước
Phan Thị Cúc và cộng sự (2023) cho rằng các yếu tố như phương tiện hữu hình, năng lực phục vụ và sự tin cậy đều có ảnh hưởng đến SHL của KH. Kết quả nghiên cứu hiện tại nhìn chung phù hợp với phát hiện này, đặc biệt là các yếu tố như sự tin cậy (H1, β = 0,393; p = 0,000), phương tiện hữu hình (H4, β = 0,227; p = 0,000) và đội ngũ nhân viên (H5, β = 0,149; p = 0,000) đều có tác động tích cực đến SHL của KH. Điều này cho thấy trong bối cảnh TP.HCM – một đô thị lớn và năng động – KH không chỉ quan tâm đến sự tiện ích mà còn đặc biệt coi trọng niềm tin, hình ảnh thương hiệu và phong cách phục vụ của ngân hàng.
Một nghiên cứu của Bùi Văn Thụy (2019) về các yếu tố ảnh hưởng đến SHL của KH cá nhân đối với dịch vụ ngân hàng điện tử (E-Banking) tại các ngân hàng thương mại trên địa bàn tỉnh Đồng Nai cho rằng sự đảm bảo là một yếu tố quan trọng. Kết quả nghiên cứu hiện tại tiếp tục củng cố quan điểm này khi cho thấy sự đảm bảo (H3, β = 0,302; p = 0,000) có tác động tích cực đến SHL của KH. Tuy nhiên, điểm khác biệt là trong nghiên cứu này, sự đảm bảo có mức độ ảnh hưởng đáng kể, trong khi ở nghiên cứu của Bùi Văn Thụy (2019), yếu tố này không được đánh giá là có tác động mạnh. Sự khác biệt này có thể xuất phát từ sự thay đổi trong bối cảnh nghiên cứu, đặc biệt là sự phát triển mạnh mẽ của công nghệ số và mức độ phổ biến của dịch vụ NHS trong những năm gần đây. Bên cạnh đó, sự khác biệt về khu vực nghiên cứu (TP.HCM so với Đồng Nai) cũng có thể ảnh hưởng đến nhận thức của KH, khi người dùng tại các đô thị lớn thường có yêu cầu cao hơn về tính an toàn, bảo mật và chất lượng phục vụ. Ngoài ra, mức độ cạnh tranh giữa các ngân hàng và sự cải thiện trong chất lượng dịch vụ cũng góp phần làm gia tăng vai trò của yếu tố sự đảm bảo trong việc nâng cao SHL của KH.
5.2.2. So sánh với các nghiên cứu quốc tế Luận văn: KQNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.
Hadid và cộng sự (2020) đã nghiên cứu mối quan hệ giữa chất lượng dịch vụ NHS và SHL của KH tại các ngân hàng thương mại ở Malaysia, cho rằng các yếu tố như độ tin cậy, phương tiện hữu hình, sự đồng cảm, sự đảm bảo và chất lượng dịch vụ tổng thể đều có tác động tích cực đến SHL. Kết quả nghiên cứu hiện tại cũng ghi nhận sự tương đồng khi các yếu tố như sự tin cậy (H1), sự đảm bảo (H3) và phương tiện hữu hình (H4) đều ảnh hưởng tích cực đến SHL của KH. Tuy nhiên, nghiên cứu này đã bổ sung thêm yếu tố số hóa (H2, β = 0,320; p < 0,001) với mức độ tác động đứng thứ hai, điều mà Hadid và cộng sự (2020) chưa đề cập. Điều này cho thấy trong bối cảnh chuyển đổi số ngày càng mạnh mẽ, KH không chỉ quan tâm đến chất lượng dịch vụ truyền thống mà còn đặc biệt chú trọng đến trải nghiệm công nghệ, tính tiện lợi và khả năng truy cập dịch vụ mọi lúc, mọi nơi. Qua đó, vai trò của số hóa ngày càng trở nên quan trọng và là một yếu tố then chốt trong việc nâng cao SHL của KH đối với dịch vụ NHS.
Zouari và Abdelhedi (2021) đã mở rộng mô hình SERVQUAL trong bối cảnh ngân hàng Hồi giáo, qua đó xác định năm thành phần của chất lượng dịch vụ gồm: độ tin cậy, tuân thủ, số hóa, phương tiện hữu hình và kỹ năng con người. Kết quả nghiên cứu hiện tại phần nào củng cố quan điểm này khi các yếu tố như độ tin cậy (H1), số hóa (H2) và đội ngũ nhân viên (H5) đều có tác động tích cực đến SHL của KH. Tuy nhiên, điểm khác biệt đáng chú ý là nghiên cứu này cho thấy phương tiện hữu hình (H4) có ảnh hưởng tích cực đến SHL, trái với kết quả của Zouari và Abdelhedi (2021), khi yếu tố này không có ý nghĩa thống kê. Sự khác biệt này có thể xuất phát từ bối cảnh nghiên cứu và đặc điểm KH. Cụ thể, trong môi trường NHS tại Việt Nam, đặc biệt ở các đô thị lớn, KH ngày càng chú trọng đến trải nghiệm giao diện, tính dễ sử dụng và tính thẩm mỹ của ứng dụng số. Ngoài ra, mức độ phát triển công nghệ, thói quen sử dụng dịch vụ số và kỳ vọng của người dùng cũng có sự khác biệt so với bối cảnh ngân hàng Hồi giáo, từ đó làm gia tăng vai trò của phương tiện hữu hình trong việc nâng cao SHL của KH.
5.3. Đóng góp về lý thuyết
Nghiên cứu góp phần bổ sung và hoàn thiện cơ sở lý thuyết về chất lượng dịch vụ trong lĩnh vực NHS thông qua việc kế thừa và mở rộng mô hình SERVQUAL. Kết quả nghiên cứu không chỉ khẳng định vai trò của các yếu tố truyền thống như sự tin cậy, sự đảm bảo, phương tiện hữu hình và đội ngũ nhân viên, mà còn nhấn mạnh thêm vai trò của yếu tố số hóa trong bối cảnh chuyển đổi số hiện nay. Qua đó, nghiên cứu góp phần làm rõ hơn mô hình các yếu tố ảnh hưởng đến SHL của KH trong môi trường NHS.
5.4. Đóng góp về thực tiễn Luận văn: KQNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.
Nghiên cứu cung cấp cơ sở giúp các ngân hàng, đặc biệt là BIDV, nhận diện rõ các yếu tố quan trọng tác động đến SHL của KH.
Kết quả nghiên cứu cho thấy SHL của KH đối với dịch vụ NHS chịu tác động tổng hợp từ nhiều yếu tố, trong đó nổi bật nhất là sự tin cậy, tiếp đến là số hóa, sự đảm bảo, đội ngũ nhân viên và phương tiện hữu hình. Điều này phản ánh một thực tế rằng trong bối cảnh chuyển đổi số mạnh mẽ hiện nay, KH không chỉ quan tâm đến yếu tố an toàn và độ tin cậy mà còn đặc biệt chú trọng đến trải nghiệm sử dụng dịch vụ trên nền tảng công nghệ. Đồng thời, yếu tố con người và giao diện trực quan vẫn giữ vai trò quan trọng trong việc hoàn thiện trải nghiệm tổng thể
5.4.1. Xây dựng và củng cố niềm tin của KH
Trước hết, BIDV cần ưu tiên xây dựng và củng cố niềm tin của KH, bởi đây là yếu tố có tác động mạnh nhất đến SHL và quyết định tiếp tục sử dụng dịch vụ. Để làm được điều này, BIDV không chỉ dừng lại ở việc đầu tư vào công nghệ mà còn phải triển khai đồng bộ nhiều giải pháp cụ thể.
Về hệ thống bảo mật, ngân hàng cần áp dụng các công nghệ bảo mật tiên tiến như xác thực đa lớp (OTP, sinh trắc học), mã hóa dữ liệu và giám sát giao dịch theo thời gian thực nhằm phát hiện và ngăn chặn kịp thời các hành vi gian lận. Đồng thời, cần thường xuyên nâng cấp hệ thống để thích ứng với các rủi ro công nghệ ngày càng tinh vi.
Về quản trị rủi ro, BIDV cần xây dựng quy trình kiểm soát chặt chẽ trong toàn bộ quá trình giao dịch, đảm bảo tính chính xác và hạn chế tối đa sai sót. Các sự cố nếu xảy ra cần được xử lý nhanh chóng, minh bạch và có cơ chế bồi thường hợp lý để duy trì niềm tin của KH.
Bên cạnh đó, yếu tố minh bạch thông tin cũng đóng vai trò quan trọng. BIDV cần công khai rõ ràng các điều khoản sử dụng, phí dịch vụ, cũng như chính sách bảo mật để KH dễ dàng nắm bắt và hiểu rõ quyền lợi của mình.
Ngoài ra, BIDV cần tăng cường truyền thông và hướng dẫn KH về cách sử dụng dịch vụ an toàn, như cảnh báo các hình thức lừa đảo, hướng dẫn bảo vệ thông tin cá nhân và tài khoản. Điều này không chỉ giúp giảm thiểu rủi ro mà còn tạo cảm giác được quan tâm và bảo vệ từ phía ngân hàng. Luận văn: KQNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.
Cuối cùng, việc duy trì uy tín thương hiệu thông qua chất lượng dịch vụ ổn định, xử lý khiếu nại hiệu quả và cam kết bảo vệ KH sẽ góp phần củng cố niềm tin lâu dài. Khi KH cảm thấy an toàn và tin tưởng, họ sẽ có xu hướng gắn bó và sử dụng dịch vụ nhiều hơn.
5.4.2. Chuyển đổi số và đổi mới công nghệ
BIDV cần đẩy mạnh chuyển đổi số một cách toàn diện thông qua việc đầu tư mạnh mẽ vào hạ tầng công nghệ và không ngừng cải tiến các nền tảng NHS. Trong bối cảnh cạnh tranh ngày càng gay gắt, chuyển đổi số không chỉ là xu hướng mà đã trở thành yêu cầu tất yếu để nâng cao năng lực cạnh tranh và đáp ứng kỳ vọng ngày càng cao của KH.
Trước hết, BIDV cần tập trung nâng cấp và tối ưu hóa nền tảng công nghệ như BIDV smartbanking, BIDV Direct theo hướng hiện đại, ổn định và có khả năng xử lý nhanh. Hệ thống cần đảm bảo tốc độ giao dịch nhanh chóng, hạn chế lỗi kỹ thuật và hoạt động liên tục 24/7, từ đó mang lại trải nghiệm liền mạch cho người dùng. Một hệ thống ổn định sẽ giúp KH cảm thấy tin tưởng và sẵn sàng sử dụng dịch vụ thường xuyên hơn.
Bên cạnh đó, việc thiết kế giao diện thân thiện và dễ sử dụng là yếu tố then chốt trong trải nghiệm số. BIDV cần xây dựng giao diện trực quan, đơn giản hóa các bước thao tác và tối ưu hành trình người dùng, đặc biệt đối với những KH ít am hiểu công nghệ. Việc giảm thiểu sự phức tạp trong quá trình sử dụng sẽ giúp KH tiết kiệm thời gian và nâng cao mức độ hài lòng.
Một khía cạnh quan trọng khác là cá nhân hóa dịch vụ. BIDV có thể ứng dụng các công nghệ như trí tuệ nhân tạo (AI) và dữ liệu lớn (Big Data) để phân tích hành vi, nhu cầu và thói quen sử dụng của KH. Từ đó, BIDV có thể đưa ra các gợi ý sản phẩm, dịch vụ phù hợp, cung cấp thông báo thông minh hoặc thiết kế các gói dịch vụ riêng biệt cho từng nhóm KH. Việc cá nhân hóa không chỉ giúp nâng cao trải nghiệm mà còn tạo cảm giác được quan tâm và thấu hiểu từ phía BIDV.
Nhìn chung, việc đẩy mạnh chuyển đổi số không chỉ giúp ngân hàng nâng cao trải nghiệm KH mà còn góp phần gia tăng mức độ hài lòng, tần suất sử dụng dịch vụ và lợi thế cạnh tranh trên thị trường.
5.4.3. Nâng cao chất lượng đội ngũ nhân viên Luận văn: KQNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.
BIDV cần chú trọng nâng cao chất lượng đội ngũ nhân viên, bởi dù dịch vụ NHS ngày càng tự động hóa, yếu tố con người vẫn giữ vai trò quan trọng trong việc tạo dựng trải nghiệm và SHL của KH. Nhân viên BIDV không chỉ là người hỗ trợ kỹ thuật mà còn là cầu nối giữa BIDV và KH, góp phần xây dựng niềm tin và hình ảnh thương hiệu.
Trước hết, BIDV cần tăng cường đào tạo chuyên môn nghiệp vụ cho nhân viên nhằm đảm bảo khả năng tư vấn chính xác và xử lý hiệu quả các vấn đề liên quan đến sản phẩm, dịch vụ. Trong môi trường NHS, kiến thức về sản phẩm truyền thống thôi là chưa đủ, nhân viên còn cần hiểu rõ các nền tảng công nghệ, quy trình giao dịch trực tuyến và các rủi ro liên quan để hỗ trợ KH một cách toàn diện.
Bên cạnh đó, việc phát triển kỹ năng công nghệ là yêu cầu thiết yếu. Nhân viên cần thành thạo trong việc sử dụng các hệ thống NHS, có khả năng hướng dẫn KH thao tác trên ứng dụng, đồng thời xử lý nhanh các sự cố kỹ thuật phát sinh. Điều này đặc biệt quan trọng đối với nhóm KH chưa quen với công nghệ, giúp họ dễ dàng tiếp cận và sử dụng dịch vụ.
Ngoài ra, BIDV cần chú trọng kỹ năng giao tiếp và chăm sóc KH. Thái độ phục vụ thân thiện, tận tâm, cùng khả năng lắng nghe và thấu hiểu nhu cầu KH sẽ tạo ra trải nghiệm tích cực và nâng cao SHL. Trong bối cảnh cạnh tranh cao, chất lượng tương tác giữa nhân viên và KH có thể trở thành yếu tố khác biệt quan trọng giữa các ngân hàng.
Một khía cạnh quan trọng khác là xây dựng văn hóa phục vụ lấy KH làm trung tâm. BIDV cần khuyến khích nhân viên chủ động hỗ trợ, giải quyết vấn đề nhanh chóng và linh hoạt, đồng thời tạo cơ chế đánh giá hiệu quả làm việc gắn liền với mức độ hài lòng của KH.
Cuối cùng, cần có chính sách đãi ngộ và khuyến khích phù hợp để tạo động lực làm việc cho nhân viên. Khi nhân viên cảm thấy được ghi nhận và phát triển, họ sẽ có xu hướng gắn bó lâu dài và phục vụ KH tốt hơn.
Nhìn chung, việc nâng cao chất lượng đội ngũ nhân viên không chỉ giúp cải thiện hiệu quả vận hành mà còn góp phần quan trọng trong việc nâng cao trải nghiệm và SHL của KH trong môi trường NHS.
5.4.4. Nâng cao sự đảm bảo Luận văn: KQNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.
BIDV cần chú trọng nâng cao sự đảm bảo nhằm giúp KH cảm thấy an tâm khi sử dụng dịch vụ NHS. Yếu tố này không chỉ thể hiện qua trình độ chuyên môn và sự chuyên nghiệp của nhân viên mà còn bao gồm tính an toàn của hệ thống và độ chính xác trong giao dịch.
BIDV tăng cường bảo mật, đảm bảo giao dịch diễn ra ổn định và minh bạch, đồng thời cung cấp thông tin rõ ràng để KH dễ dàng theo dõi. Bên cạnh đó, việc duy trì các kênh hỗ trợ nhanh chóng như tổng đài hoặc chat trực tuyến sẽ giúp KH được giải đáp kịp thời, từ đó gia tăng sự tin tưởng.
5.4.5. Cải thiện phương tiện hữu hình
BIDV cần chú trọng cải thiện phương tiện hữu hình, đặc biệt là giao diện và trải nghiệm người dùng trên các nền tảng số, bởi đây là yếu tố trực tiếp tác động đến cảm nhận và mức độ hài lòng của KH trong quá trình sử dụng dịch vụ. Trong môi trường NHS, giao diện chính là “điểm chạm” đầu tiên giữa KH và ngân hàng, do đó cần được đầu tư một cách bài bản.
Trước hết, giao diện ứng dụng và website cần được thiết kế theo hướng thân thiện, trực quan và dễ sử dụng, với bố cục rõ ràng, thao tác đơn giản và logic. Điều này giúp KH, kể cả những người ít am hiểu công nghệ, có thể dễ dàng tiếp cận và sử dụng dịch vụ mà không gặp nhiều khó khăn. Đồng thời, cần đảm bảo tính nhất quán trong thiết kế để tạo cảm giác chuyên nghiệp và đáng tin cậy.
Ngoài ra, việc tích hợp đa dạng tiện ích số như quản lý tài chính cá nhân, thanh toán hóa đơn, chuyển tiền nhanh, tiết kiệm trực tuyến và hỗ trợ KH 24/7 sẽ giúp gia tăng giá trị sử dụng của nền tảng. Khi KH có thể thực hiện nhiều nhu cầu trên cùng một ứng dụng, họ sẽ có xu hướng sử dụng thường xuyên hơn và cảm thấy hài lòng hơn.
Cuối cùng, BIDV cần thường xuyên cập nhật và cải tiến giao diện dựa trên phản hồi của người dùng nhằm đảm bảo tính phù hợp với nhu cầu thực tế. Một nền tảng số hiện đại, tiện ích và dễ sử dụng không chỉ nâng cao trải nghiệm mà còn góp phần gia tăng SHL và lòng trung thành của KH. Luận văn: KQNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.
5.4.6. Xây dựng một chiến lược phát triển đồng bộ và dài hạn
Trong bối cảnh chuyển đổi số diễn ra nhanh chóng, việc chỉ tập trung vào công nghệ hoặc chỉ chú trọng yếu tố con người đều chưa đủ, mà cần có sự phối hợp chặt chẽ giữa hai yếu tố này để mang lại trải nghiệm toàn diện cho KH.
Trước hết, BIDV cần xác định rõ định hướng phát triển dài hạn với mục tiêu lấy KH làm trung tâm. Mọi hoạt động từ đầu tư công nghệ, thiết kế sản phẩm đến quy trình phục vụ đều cần xoay quanh việc nâng cao trải nghiệm và đáp ứng kỳ vọng của KH. Điều này đòi hỏi sự nhất quán trong chiến lược và sự phối hợp giữa các bộ phận trong toàn hệ thống.
Bên cạnh đó, BIDV cần đảm bảo chất lượng dịch vụ ổn định và đồng nhất trên tất cả các kênh, từ giao dịch truyền thống đến nền tảng số. KH kỳ vọng có thể trải nghiệm dịch vụ một cách liền mạch, không gián đoạn, do đó việc duy trì hiệu suất hệ thống, giảm thiểu lỗi kỹ thuật và nâng cao độ tin cậy là rất quan trọng.
Ngoài ra, BIDV cần chú trọng liên tục cải tiến và đổi mới. Công nghệ và nhu cầu KH luôn thay đổi, vì vậy BIDV cần thường xuyên cập nhật, nâng cấp dịch vụ và áp dụng các giải pháp mới để không bị tụt hậu. Việc thu thập phản hồi KH và phân tích dữ liệu sử dụng sẽ giúp ngân hàng hiểu rõ hơn nhu cầu thực tế, từ đó điều chỉnh chiến lược phù hợp. Một yếu tố không thể thiếu là khả năng thích ứng linh hoạt với thị trường. BIDV cần nhanh chóng nắm bắt xu hướng, điều chỉnh sản phẩm và dịch vụ để đáp ứng kịp thời nhu cầu ngày càng đa dạng của KH. Đồng thời, việc xây dựng văn hóa tổ chức linh hoạt, khuyến khích đổi mới sáng tạo cũng sẽ hỗ trợ quá trình chuyển đổi này.
Cuối cùng, sự kết hợp hiệu quả giữa công nghệ hiện đại và đội ngũ nhân viên chuyên nghiệp sẽ tạo ra giá trị khác biệt cho BIDV. Khi KH vừa được trải nghiệm nền tảng số tiện lợi, vừa nhận được sự hỗ trợ tận tâm khi cần thiết, mức độ hài lòng sẽ được nâng cao đáng kể. Đây chính là yếu tố then chốt giúp BIDV không chỉ giữ chân KH mà còn nâng cao vị thế cạnh tranh trên thị trường trong dài hạn.
5.5. Hạn chế của nghiên cứu và đề xuất cho các nghiên cứu tương lai Luận văn: KQNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.
Bên cạnh những đóng góp đạt được, đề tài vẫn tồn tại một số hạn chế nhất định cần được nhìn nhận một cách đầy đủ để định hướng cho các nghiên cứu tiếp theo.
Thứ nhất, hạn chế về phạm vi nghiên cứu. Nghiên cứu chủ yếu được thực hiện tại một khu vực cụ thể (TP.HCM), do đó kết quả phản ánh đặc điểm của nhóm KH tại khu vực này, nơi có mức độ phát triển kinh tế và trình độ công nghệ cao hơn so với nhiều địa phương khác. Điều này có thể làm giảm tính khái quát của kết quả khi áp dụng cho các khu vực khác như nông thôn hoặc các tỉnh có mức độ tiếp cận công nghệ thấp hơn. Trong tương lai, nghiên cứu nên mở rộng phạm vi khảo sát sang nhiều địa phương khác nhau, đặc biệt là khu vực ngoài TP.HCM, nhằm nâng cao tính đại diện và khả năng khái quát hóa kết quả. Đồng thời, các nghiên cứu so sánh giữa các vùng miền có thể giúp kiểm định tính ổn định của mô hình trong các bối cảnh kinh tế – xã hội khác nhau.
Thứ hai, hạn chế về mẫu nghiên cứu. Mặc dù nghiên cứu đã thu thập dữ liệu từ nhiều đối tượng, nhưng kích thước mẫu và cách chọn mẫu có thể chưa đại diện hoàn toàn cho toàn bộ tệp KH của ngân hàng. Một số nhóm KH như người lớn tuổi, KH ít sử dụng công nghệ hoặc KH ở khu vực ngoại thành có thể chưa được phản ánh đầy đủ trong kết quả nghiên cứu. Trong các nghiên cứu tiếp theo, cần mở rộng kích thước mẫu và áp dụng phương pháp lấy mẫu xác suất nhằm nâng cao tính đại diện của mẫu. Đồng thời, việc tăng cường khảo sát các nhóm KH như người lớn tuổi, KH ít sử dụng công nghệ hoặc cư trú tại khu vực ngoại thành sẽ giúp kết quả phản ánh đầy đủ hơn đặc điểm của toàn bộ tệp KH.
Thứ ba, hạn chế về mô hình nghiên cứu. Nghiên cứu chỉ tập trung vào một số yếu tố chính như sự tin cậy, số hóa, sự đảm bảo, phương tiện hữu hình và nhân viên phục vụ, trong khi trên thực tế, SHL của KH còn có thể chịu ảnh hưởng bởi nhiều yếu tố khác như chi phí dịch vụ, giá trị cảm nhận, trải nghiệm cảm xúc, thương hiệu hay yếu tố xã hội. Việc chưa đưa các biến này vào mô hình có thể làm giảm mức độ giải thích của mô hình nghiên cứu. Trong các nghiên cứu tiếp theo, mô hình nên được mở rộng bằng cách bổ sung các yếu tố này nhằm nâng cao khả năng giải thích SHL của KH. Đồng thời, việc kiểm định vai trò trung gian hoặc điều tiết của các biến này sẽ giúp làm rõ hơn cơ chế tác động giữa các yếu tố trong mô hình.
Thứ tư, hạn chế về yếu tố thời điểm nghiên cứu. Dữ liệu được thu thập tại một thời điểm nhất định, trong khi hành vi và kỳ vọng của KH đối với dịch vụ NHS có thể thay đổi nhanh chóng theo sự phát triển của công nghệ và thị trường. Do đó, các nghiên cứu trong tương lai nên xem xét việc áp dụng thiết kế nghiên cứu theo thời gian nhằm theo dõi sự thay đổi trong hành vi và kỳ vọng của KH. Luận văn: KQNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.
Cuối cùng, nghiên cứu chưa xem xét đầy đủ tác động của môi trường cạnh tranh và yếu tố bên ngoài, như chính sách pháp lý, xu hướng công nghệ hoặc chiến lược của các ngân hàng khác. Trong các nghiên cứu tiếp theo, cần xem xét bổ sung các yếu tố môi trường bên ngoài này nhằm đánh giá toàn diện hơn các nhân tố tác động đến SHL của KH.
XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY:
===>>> Luận văn: Sự hài lòng khách hàng về dịch vụ ngân hàng số ở BIDV

Dịch Vụ Viết Luận Văn 24/7 Chuyên cung cấp dịch vụ làm luận văn thạc sĩ, báo cáo tốt nghiệp, khóa luận tốt nghiệp, chuyên đề tốt nghiệp và Làm Tiểu Luận Môn luôn luôn uy tín hàng đầu. Dịch Vụ Viết Luận Văn 24/7 luôn đặt lợi ích của các bạn học viên là ưu tiên hàng đầu. Rất mong được hỗ trợ các bạn học viên khi làm bài tốt nghiệp. Hãy liên hệ ngay Dịch Vụ Viết Luận Văn qua Website: https://hotrovietluanvan.com/ – Hoặc Gmail: hotrovietluanvan24@gmail.com

[…] ===>>> Luận văn: KQNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV […]