7P Marketing Mix là gì? Cách xây dựng mô hình nghiên cứu

Mô hình 7P Marketing Mix là gì

7P Marketing Mix là mô hình dùng để phân tích các nhóm yếu tố marketing ảnh hưởng đến cảm nhận, sự hài lòng, ý định mua hoặc hành vi của khách hàng trong lĩnh vực dịch vụ. Bảy thành phần gồm Product, Price, Place, Promotion, People, Process và Physical Evidence. Bốn thành phần đầu kế thừa từ Marketing Mix 4P, còn People, Process và Physical Evidence được bổ sung để phản ánh đặc điểm của dịch vụ.

Khi đưa 7P vào luận văn, bạn cần phân biệt hai cách sử dụng. Cách thứ nhất là dùng 7P như một khung phân tích để mô tả hoạt động marketing của doanh nghiệp. Cách thứ hai là biến từng chữ P thành một biến độc lập trong mô hình định lượng, sau đó đo ảnh hưởng của chúng đến một biến phụ thuộc như sự hài lòng hoặc ý định mua.

Mô hình 7P thường được liên hệ với marketing dịch vụ và thang đo chất lượng dịch vụ. Nguồn kinh điển cho việc đo nhận thức về chất lượng dịch vụ là SERVQUAL của Parasuraman, Zeithaml và Berry, với năm nhóm thành phần chất lượng dịch vụ (Parasuraman và cộng sự, 1988). Tuy nhiên, SERVQUAL và 7P không phải cùng một mô hình. SERVQUAL tập trung vào chất lượng cảm nhận, còn 7P mô tả các công cụ marketing mà doanh nghiệp có thể thiết kế và điều chỉnh.

Nếu đề tài của bạn nghiên cứu công nghệ hoặc chấp nhận hệ thống, mô hình AIDA, AIDA là gì, TAM hoặc UTAUT có thể phù hợp hơn. Bạn nên chọn 7P vì câu hỏi nghiên cứu thực sự cần giải thích vai trò của cả marketing mix, thay vì đưa đủ bảy biến vào mô hình chỉ vì tên đề tài có chữ marketing.

Các thành phần trong mô hình

Bảy thành phần dưới đây là cách diễn giải thường dùng khi nghiên cứu doanh nghiệp dịch vụ. Bạn cần điều chỉnh câu chữ theo ngành, đối tượng khảo sát và bối cảnh cụ thể.

Product có thể gồm chất lượng, danh mục và mức độ phù hợp với nhu cầu. Với một ứng dụng giao đồ ăn, Product có thể liên quan đến số lượng nhà hàng, tính ổn định của ứng dụng và lựa chọn giao hàng. Với khách sạn, Product có thể là loại phòng, tiện nghi và gói dịch vụ đi kèm.

Price cần được hỏi theo cảm nhận của người trả lời. Bạn có thể đo giá có hợp lý, dễ hiểu, tương xứng với chất lượng và phù hợp khả năng chi trả hay không. Tránh gộp giá rẻ vào giá hợp lý, vì khách hàng có thể đánh giá một thương hiệu có giá cao nhưng vẫn đáng tiền.

Place và Promotion cũng phải đặt trong bối cảnh cụ thể. Place của ngân hàng có thể liên quan đến mạng lưới chi nhánh và ứng dụng, trong khi Place của thương mại điện tử thường gắn với khả năng tiếp cận nền tảng và giao nhận. Promotion có thể bao gồm quảng cáo trên mạng xã hội, mã giảm giá, nội dung giới thiệu và thông tin từ người ảnh hưởng.

People, Process và Physical Evidence là ba nhóm giúp mô hình phù hợp hơn với dịch vụ. Nhân viên có thể tạo ra trải nghiệm trực tiếp. Quy trình ảnh hưởng đến thời gian và công sức của khách hàng. Bằng chứng hữu hình giúp người dùng đánh giá một dịch vụ vốn khó kiểm tra trước khi mua.

Mô hình gốc và các mở rộng phổ biến

Marketing Mix 4P gắn với Product, Price, Place và Promotion. Khi áp dụng cho dịch vụ, khung 4P thường được mở rộng thành 7P bằng cách thêm People, Process và Physical Evidence. Phần mở rộng này làm mô hình bao quát hơn các điểm tiếp xúc giữa khách hàng và nhà cung cấp dịch vụ.

Bạn cũng có thể gặp các khung khác trong cùng một luận văn. SERVQUAL đo khoảng cách giữa kỳ vọng và cảm nhận về chất lượng dịch vụ, dựa trên các nhóm như độ tin cậy, khả năng đáp ứng, năng lực phục vụ, sự đồng cảm và phương tiện hữu hình (Parasuraman và cộng sự, 1988). Mô hình này phù hợp khi biến phụ thuộc là chất lượng dịch vụ hoặc sự hài lòng được giải thích từ chất lượng cảm nhận.

Mô hình 7P phù hợp khi bạn muốn kiểm tra các quyết định marketing. Chẳng hạn, đề tài có thể hỏi liệu Product, Price, Place, Promotion, People, Process và Physical Evidence có ảnh hưởng đến sự hài lòng của khách hàng tại một chuỗi phòng gym hay không.

Một mở rộng khác là kết hợp 7P với mô hình hành vi. Bạn có thể dùng 7P làm các biến độc lập, sự hài lòng làm biến trung gian và ý định mua lại làm biến phụ thuộc. Nếu dùng biến trung gian, bạn cần nêu rõ cơ chế lý thuyết, giả thuyết và cách kiểm định hiệu ứng gián tiếp. Đừng thêm mediator chỉ để mô hình có nhiều mũi tên hơn.

Khi đề tài tập trung vào khách hàng quay lại, lý thuyết RFM hoặc mô hình RFM có thể bổ trợ cho việc phân nhóm khách hàng theo dữ liệu giao dịch. RFM không thay thế 7P, vì RFM mô tả hành vi mua dựa trên Recency, Frequency và Monetary, còn 7P mô tả các yếu tố marketing.

Thang đo thường dùng cho từng khái niệm

Không có một bộ câu hỏi 7P dùng nguyên xi cho mọi ngành. Bạn cần tìm thang đo phù hợp, dịch và điều chỉnh cho bối cảnh Việt Nam, sau đó kiểm tra bằng dữ liệu của chính đề tài. SERVQUAL là nguồn tham khảo quan trọng cho các thành phần chất lượng dịch vụ và Physical Evidence, nhưng không nên ghi rằng SERVQUAL là thang đo gốc cho toàn bộ 7P (Parasuraman và cộng sự, 1988).

Bảng trên là bản đồ khái niệm, chưa phải bảng hỏi đã được xác nhận cho đề tài của bạn. Mỗi biến độc lập thường có từ ba biến quan sát trở lên, nhưng số lượng cụ thể phụ thuộc vào nguồn thang đo và mô hình. Dùng cùng một câu hỏi cho hai khái niệm khác nhau sẽ làm ranh giới giữa các biến bị mờ.

Bạn nên dùng thang Likert năm hoặc bảy mức và ghi rõ ý nghĩa hai đầu thang đo. Likert là nền tảng của dạng đo thái độ nhiều mức (Likert, 1932). Câu hỏi nên nói về một ý duy nhất. Ví dụ, câu “Giá và chất lượng của dịch vụ rất phù hợp” gộp hai nội dung, vì vậy người trả lời không biết nên đánh giá giá hay chất lượng.

Sau khi thu thập dữ liệu, bạn có thể chạy Cronbach's Alpha và xem Corrected Item-Total Correlation. Cronbach's Alpha từ 0.7 thường được xem là chấp nhận được (Nunnally, 1978), còn thang đo khám phá có thể cân nhắc mức Alpha từ 0.6 theo bối cảnh (Hair và cộng sự, 2010). Corrected Item-Total Correlation từ 0.3 trở lên là ngưỡng thường được sử dụng (Nunnally và Bernstein, 1994).

Áp dụng vào đề tài của bạn

Giả sử bạn nghiên cứu: “Các yếu tố của 7P Marketing Mix ảnh hưởng đến sự hài lòng của khách hàng đối với dịch vụ phòng gym tại Thành phố Hồ Chí Minh”. Mô hình có bảy biến độc lập là Product, Price, Place, Promotion, People, Process và Physical Evidence. Biến phụ thuộc là Satisfaction.

Bạn có thể viết mô hình khái niệm theo hướng các yếu tố marketing ảnh hưởng trực tiếp đến sự hài lòng. Nếu phạm vi luận văn chỉ yêu cầu bốn giả thuyết, hãy chọn bốn yếu tố có cơ sở từ bối cảnh nghiên cứu và giải thích rõ lý do loại năm yếu tố còn lại. Không nên viết đủ H1 đến H7 nếu bạn không thể xây dựng lập luận và thang đo cho từng biến.

Ví dụ, mô hình rút gọn gồm Product, Price, People và Process. Các giả thuyết có thể viết như sau:

• H1: Product có ảnh hưởng cùng chiều đến sự hài lòng của khách hàng đối với dịch vụ phòng gym.
• H2: Price có ảnh hưởng cùng chiều đến sự hài lòng của khách hàng đối với dịch vụ phòng gym.
• H3: People có ảnh hưởng cùng chiều đến sự hài lòng của khách hàng đối với dịch vụ phòng gym.
• H4: Process có ảnh hưởng cùng chiều đến sự hài lòng của khách hàng đối với dịch vụ phòng gym.

Cụm “có ảnh hưởng cùng chiều” là giả thuyết cần kiểm định, chưa phải kết quả. Sau khi chạy hồi quy hoặc PLS-SEM, bạn mới kết luận giả thuyết được ủng hộ hay không dựa trên path coefficient, p-value hoặc khoảng tin cậy bootstrap.

Hãy xác định đơn vị phân tích trước khi viết bảng hỏi. Nếu đơn vị là khách hàng đã sử dụng dịch vụ ít nhất một tháng, câu hỏi sàng lọc cần loại người chưa từng sử dụng. Các biến nhân khẩu học như giới tính, độ tuổi, thu nhập và tần suất sử dụng có thể dùng để mô tả mẫu hoặc kiểm soát, nhưng chúng không tự động trở thành thành phần của 7P.

Với cỡ mẫu, quy tắc 5 đến 10 quan sát cho mỗi biến quan sát thường được trích dẫn (Hair và cộng sự, 2010). Đây là căn cứ tham khảo, không thay thế cho việc xem xét số biến, số nhóm và phương pháp phân tích. Nếu chạy hồi quy với m biến độc lập, quy tắc n từ 50 + 8m trở lên thường được dùng trong kiểm tra cỡ mẫu (Tabachnick và Fidell, 2013).

Cách viết vào luận văn: “Dựa trên mục tiêu nghiên cứu về [biến phụ thuộc] trong bối cảnh [ngành hoặc địa bàn], nghiên cứu đề xuất xem xét ảnh hưởng của [các biến độc lập]. Cụ thể, H1 đến H4 lần lượt kiểm định mối quan hệ giữa [tên biến] và [tên biến phụ thuộc].” Bạn thay phần trong ngoặc vuông bằng mô hình thật, không chép nguyên ví dụ phòng gym nếu đề tài của bạn thuộc ngành khác.

Cách kiểm định mô hình bằng SPSS hoặc SmartPLS

SPSS phù hợp khi mô hình của bạn dùng thang đo tổng hợp, cần thống kê mô tả, Cronbach's Alpha, EFA và hồi quy tuyến tính. Bạn có thể kiểm tra KMO, Bartlett's Test, Total Variance Explained và Rotated Component Matrix trong SPSS, sau đó tính điểm trung bình cho từng nhân tố để chạy hồi quy.

SmartPLS phù hợp khi mô hình có biến tiềm ẩn, nhiều biến quan sát, mediator hoặc moderator và bạn muốn đánh giá đồng thời mô hình đo lường với mô hình cấu trúc. Quy trình nên tách thành hai phần: đánh giá measurement model trước, sau đó đánh giá structural model, phù hợp với cách tiếp cận hai bước (Anderson và Gerbing, 1988).

Trong SmartPLS 4, bạn nhập file .csv, tạo construct Product, Price, People và Process, rồi kéo đường dẫn đến Satisfaction. Kiểm tra Outer Loadings, Cronbach's Alpha, rho_A, Composite Reliability, AVE và HTMT ở measurement model. Sau đó chạy Calculate > PLS-SEM Algorithm và Calculate > Bootstrapping để xem Path Coefficients, t-statistics, p-values và confidence intervals.

Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Tên cột mô phỏng cách bạn có thể trình bày output SmartPLS 4 sau khi chạy Bootstrapping.

Nếu đọc đúng bảng minh họa, Product, Price và People có path coefficient dương cùng p-value dưới 0.05, còn Process chưa có bằng chứng thống kê ở mức này. Bạn vẫn cần xem confidence interval, VIF và chất lượng measurement model trước khi kết luận cuối cùng.

Trong PLS-SEM, outer loading từ 0.7 trở lên là ngưỡng thường được tham khảo (Chin, 1998). Composite Reliability từ 0.7 và AVE từ 0.5 được dùng để đánh giá độ tin cậy tổng hợp và giá trị hội tụ (Fornell và Larcker, 1981). HTMT nên dưới 0.85, hoặc dưới 0.90 với các khái niệm gần nhau (Henseler và cộng sự, 2015). VIF dưới 5 là ngưỡng báo cáo thường dùng (Hair và cộng sự, 2019).

Với structural model, R² cho biết mức độ biến độc lập giải thích biến phụ thuộc. Các mức 0.75, 0.50 và 0.25 lần lượt được diễn giải là đáng kể, trung bình và yếu trong một hướng dẫn PLS-SEM (Hair và cộng sự, 2011). f² ở mức 0.02, 0.15 và 0.35 lần lượt biểu thị hiệu ứng nhỏ, vừa và lớn (Cohen, 1988). Khi bootstrapping, bạn nên ghi rõ số mẫu lặp; 5.000 bootstrap subsamples là lựa chọn được nêu trong (Hair và cộng sự, 2022).

Nếu dùng SPSS để chạy hồi quy, kiểm tra bảng Coefficients, Model Summary và ANOVA. Hệ số Beta chuẩn hóa cho biết chiều và cường độ tương đối, p-value dùng để xem bằng chứng thống kê, còn R² cho biết tỷ lệ biến thiên của Satisfaction được giải thích bởi mô hình. Durbin-Watson trong khoảng 1 đến 3 là khoảng tham khảo thường dùng khi kiểm tra độc lập phần dư (Field, 2013).

Lỗi thường gặp khi dùng mô hình này

Lỗi đầu tiên là coi bảy chữ P như bảy biến bắt buộc. Một mô hình tốt phải xuất phát từ câu hỏi nghiên cứu, bối cảnh và tài liệu tham khảo. Nếu Promotion không phù hợp với nhóm khách hàng hoặc bạn không có cách đo rõ ràng, hãy giải thích phạm vi thay vì đưa biến này vào cho đủ.

Lỗi thứ hai là lấy một bảng hỏi 7P trên mạng rồi dịch từng câu mà không kiểm tra khái niệm. Thang đo cần được điều chỉnh ngôn ngữ, thử trên một nhóm nhỏ và xem người trả lời có hiểu cùng một nghĩa hay không. Khi điều chỉnh nhiều, bạn phải ghi rõ đây là thang đo tham khảo và kiểm định lại bằng dữ liệu của đề tài.

Lỗi thứ ba là trộn 7P với SERVQUAL trong cùng một biến. Ví dụ, “nhân viên phục vụ nhanh” có thể thuộc People hoặc khả năng đáp ứng của SERVQUAL, tùy định nghĩa bạn chọn. Hãy lập bảng ánh xạ khái niệm trước khi viết giả thuyết, tránh để một biến quan sát đo hai cấu trúc.

Lỗi thứ tư là kết luận quan hệ nhân quả chỉ từ tương quan hoặc p-value. Dữ liệu khảo sát cắt ngang cho phép bạn kiểm định mối liên hệ theo mô hình đề xuất, nhưng cách diễn giải cần bám vào thiết kế nghiên cứu. Bạn cũng cần kiểm tra common method bias nếu mọi biến đều được đo bằng cùng một bảng hỏi và cùng một thời điểm, theo hướng dẫn của (Podsakoff và cộng sự, 2003).

Lỗi cuối là báo cáo ngưỡng mà không ghi nguồn hoặc dùng CFI, TLI, RMSEA để đánh giá SmartPLS. CFI, TLI, RMSEA và SRMR thuộc nhóm chỉ số fit của CB-SEM, với nguồn (Hu và Bentler, 1999). Chúng không nên được đưa vào một bài viết hướng dẫn đánh giá mô hình PLS-SEM như thể hai phương pháp là một.

Câu hỏi thường gặp

7P Marketing Mix có bắt buộc phải dùng đủ bảy yếu tố không?

Không. Bạn có thể dùng toàn bộ bảy yếu tố nếu mỗi yếu tố phù hợp với bối cảnh và có thang đo rõ ràng. Bạn cũng có thể chọn một số thành phần, nhưng cần giải thích tiêu chí lựa chọn trong phần cơ sở lý thuyết và phương pháp nghiên cứu.

7P Marketing Mix khác 4P Marketing Mix ở điểm nào?

4P gồm Product, Price, Place và Promotion. 7P bổ sung People, Process và Physical Evidence để mô tả thêm con người, quy trình và các dấu hiệu hữu hình trong dịch vụ. Bài giải thích 4P Marketing Mix sẽ phù hợp nếu đề tài của bạn chỉ tập trung vào bốn nhóm marketing truyền thống.

Nên chạy SPSS hay SmartPLS cho mô hình 7P?

SPSS phù hợp với quy trình Cronbach's Alpha, EFA và hồi quy trên các nhân tố đã tổng hợp. SmartPLS phù hợp khi bạn muốn đánh giá biến tiềm ẩn và các đường dẫn trong mô hình cấu trúc cùng lúc. Hãy chọn theo mô hình, cỡ mẫu, yêu cầu của giảng viên và khả năng giải thích output khi bảo vệ.

Có thể dùng thang đo SERVQUAL cho mô hình 7P không?

Bạn có thể tham khảo SERVQUAL cho các khía cạnh chất lượng dịch vụ, đặc biệt khi nghiên cứu sự đáp ứng, độ tin cậy, sự đồng cảm hoặc phương tiện hữu hình. SERVQUAL không tự động trở thành thang đo cho cả bảy thành phần 7P, nên bạn cần trình bày rõ khái niệm và nguồn của từng nhóm biến.

Alpha thấp thì có nên xóa biến để mô hình đạt không?

Bạn cần xem Corrected Item-Total Correlation, nội dung biến quan sát và lý do lý thuyết trước khi xóa. Việc xóa nhiều biến chỉ để đẩy Alpha lên có thể làm thay đổi nội dung khái niệm. Nếu phải loại biến, hãy ghi lại từng vòng chạy, lý do loại và kiểm tra lại cấu trúc thang đo.

Bạn hãy mở file dữ liệu, lập bảng gồm tên biến, nguồn thang đo, số biến quan sát và phương pháp kiểm định trước khi chạy lần đầu. Khi cần hỗ trợ chạy phân tích trên chính file .sav hoặc .csv, bạn có thể xem module M4 phân tích dữ liệu của DoThesis.