Chất lượng dịch vụ Gronroos là gì? Mô hình và cách áp dụng

Mô hình chất lượng dịch vụ Gronroos là gì

Khi tìm kiếm “chất lượng dịch vụ Gronroos là gì”, bạn thường đang cần một mô hình để giải thích vì sao khách hàng đánh giá một dịch vụ tốt hoặc kém. Mô hình của Christian Grönroos phân biệt chất lượng khách hàng nhận được thành hai phần chính: chất lượng kỹ thuật, tức khách hàng nhận được gì, và chất lượng chức năng, tức dịch vụ được cung cấp như thế nào. Hình ảnh doanh nghiệp cũng ảnh hưởng đến cách khách hàng diễn giải trải nghiệm đó.

Điểm cần nhớ là Gronroos nhìn chất lượng dịch vụ từ góc độ cảm nhận của khách hàng. Một ngân hàng có thể xử lý giao dịch chính xác, đó là chất lượng kỹ thuật, nhưng nếu nhân viên giao tiếp thiếu rõ ràng thì chất lượng chức năng vẫn bị đánh giá thấp. Trong luận văn định lượng, bạn có thể dùng ba thành phần này để xây dựng biến độc lập giải thích sự hài lòng, ý định tiếp tục sử dụng hoặc lòng trung thành.

Gronroos phát triển cách tiếp cận này trong nghiên cứu về chất lượng dịch vụ và marketing dịch vụ. Khi trình bày nguồn gốc mô hình, bạn cần kiểm tra tài liệu gốc mà khoa hoặc giảng viên yêu cầu. Trong phạm vi nguồn được xác minh của bài này, thang đo dịch vụ có nền tảng gần với hướng tiếp cận chất lượng cảm nhận là SERVQUAL của Parasuraman và cộng sự. Mô hình đó được trình bày trong mô hình SERVQUAL và SERVQUAL, nhưng không nên đồng nhất SERVQUAL với Gronroos.

Các thành phần trong mô hình

Mô hình Gronroos thường được triển khai với hai thành phần chất lượng cốt lõi và một yếu tố hình ảnh. Bạn cần quyết định ngay từ chương 2 và chương 3 xem hình ảnh doanh nghiệp là một thành phần của chất lượng cảm nhận hay là biến trung gian, biến điều tiết hoặc biến kết quả. Không có một cách gắn biến duy nhất phù hợp với mọi đề tài.

Chất lượng kỹ thuật không chỉ là một chỉ tiêu vận hành nội bộ. Bạn cần viết các biến quan sát theo điều mà khách hàng có thể nhận biết, chẳng hạn “dịch vụ cung cấp đúng kết quả đã cam kết”. Nếu câu hỏi yêu cầu khách hàng đánh giá một quy trình mà họ không thể quan sát, dữ liệu sẽ dễ bị trả lời theo cảm tính.

Chất lượng chức năng thường liên quan đến quá trình tương tác. Những nội dung như tốc độ phản hồi, sự rõ ràng của thông tin, thái độ nhân viên và khả năng hỗ trợ khi có lỗi có thể thuộc nhóm này. Tuy nhiên, bạn nên tránh trộn quá nhiều nội dung của SERVQUAL vào một thang đo Gronroos nếu đề tài không giải thích được sự khác biệt lý thuyết.

Hình ảnh doanh nghiệp có thể làm thay đổi cách khách hàng đánh giá hai thành phần trên. Cùng một thời gian chờ, khách hàng có thể đánh giá doanh nghiệp uy tín dễ chịu hơn một thương hiệu ít được tin tưởng. Vì vậy, phần giả thuyết cần nói rõ hình ảnh doanh nghiệp tác động trực tiếp đến kết quả nào.

Mô hình gốc và các mở rộng phổ biến

Mô hình gốc của Gronroos nhấn mạnh sự so sánh giữa kỳ vọng và cảm nhận của khách hàng. Trong cách diễn giải thực nghiệm, chất lượng cảm nhận hình thành từ kết quả dịch vụ, quá trình cung cấp dịch vụ và hình ảnh doanh nghiệp. Đây là nền tảng để bạn xây dựng mô hình có cấu trúc rõ ràng thay vì chỉ liệt kê các nhân tố.

Một mở rộng phổ biến là thay đổi biến kết quả. Chất lượng kỹ thuật và chất lượng chức năng có thể được giả thuyết là tác động đến sự hài lòng. Sau đó, sự hài lòng có thể tác động đến ý định sử dụng lại hoặc lòng trung thành. Mô hình này phù hợp khi bảng hỏi của bạn đo cả đánh giá dịch vụ và hành vi dự định.

Một hướng khác là đưa hình ảnh doanh nghiệp vào như biến trung gian. Khi đó, chất lượng kỹ thuật và chất lượng chức năng có thể ảnh hưởng đến hình ảnh, rồi hình ảnh ảnh hưởng đến sự hài lòng. Nếu chọn hướng này, bạn cần đủ biến quan sát cho từng cấu trúc và phải kiểm định đường tác động gián tiếp, không chỉ nhìn vào hệ số tương quan.

Bạn cũng có thể so sánh Gronroos với các mô hình khác. Mô hình SERVPERF tập trung vào cảm nhận thực tế về hiệu suất dịch vụ, còn mô hình 5 khoảng cách chất lượng dịch vụ giải thích các khoảng cách tạo ra chênh lệch giữa kỳ vọng và cảm nhận. Bài 5 khoảng cách chất lượng dịch vụ là gì phù hợp khi đề tài của bạn cần phân tích nguyên nhân quản trị sâu hơn.

Khi chọn mô hình, đừng ghép các thành phần của nhiều mô hình chỉ để tăng số lượng biến. Hội đồng thường hỏi vì sao một biến thuộc mô hình này lại xuất hiện trong mô hình kia, hoặc vì sao hai thang đo có nội dung trùng nhau. Mỗi cấu trúc cần có định nghĩa, nguồn thang đo và lý do phù hợp với bối cảnh nghiên cứu.

Thang đo thường dùng cho từng khái niệm

Thang đo Gronroos không nên được bê nguyên từ một bảng hỏi tiếng nước ngoài rồi đưa vào khảo sát. Bạn cần điều chỉnh ngữ cảnh, kiểm tra cách hiểu của người trả lời và chạy kiểm định độ tin cậy, giá trị của thang đo trên dữ liệu thực tế. Bảng dưới đây là khung tham khảo để thiết kế biến quan sát, không phải bộ câu hỏi đã được xác nhận cho mọi ngành.

Nếu nghiên cứu dịch vụ có nhiều điểm tiếp xúc, bạn nên viết biến quan sát ở mức tổng quát vừa đủ. Ví dụ, “nhân viên giải thích chính sách dễ hiểu” phù hợp hơn “nhân viên tại quầy số 3 giải thích chính sách”, trừ khi nghiên cứu của bạn chỉ giới hạn ở một quầy cụ thể.

Likert 5 hoặc 7 mức đều có thể sử dụng nếu bạn giải thích nhất quán trong chương 3. Thang đo Likert bắt nguồn từ kỹ thuật đo lường thái độ được trình bày trong (Likert, 1932). Bạn nên giữ cùng hướng điểm số, trong đó điểm cao thể hiện mức đánh giá tích cực hơn, và ghi rõ biến đảo chiều nếu có.

Sau khi thu thập dữ liệu, bạn có thể chạy Cronbach's Alpha, kiểm tra Corrected Item-Total Correlation, sau đó chạy EFA nếu thiết kế nghiên cứu dùng SPSS. Cronbach's Alpha từ 0.7 trở lên thường được xem là chấp nhận được theo (Nunnally, 1978). Với thang đo khám phá, Alpha từ 0.6 có thể được xem xét theo (Hair và cộng sự, 2010), nhưng bạn cần trình bày lý do và không nên dùng ngưỡng này để che một thang đo yếu.

Áp dụng vào đề tài của bạn

Giả sử bạn nghiên cứu “Các yếu tố ảnh hưởng đến sự hài lòng của khách hàng đối với ngân hàng số tại Thành phố Hồ Chí Minh”. Bạn có thể xây dựng mô hình gồm chất lượng kỹ thuật, chất lượng chức năng, hình ảnh doanh nghiệp và sự hài lòng. Mỗi biến độc lập nên có khoảng ba đến năm biến quan sát sau khi tham khảo và điều chỉnh thang đo.

Mô hình khái niệm có thể trình bày như sau:

• Chất lượng kỹ thuật tác động đến sự hài lòng.
• Chất lượng chức năng tác động đến sự hài lòng.
• Hình ảnh doanh nghiệp tác động đến sự hài lòng.
• Chất lượng kỹ thuật và chất lượng chức năng có thể tác động đến hình ảnh doanh nghiệp nếu bạn xây dựng mô hình trung gian.

Bốn giả thuyết minh họa:

• H1: Chất lượng kỹ thuật có tác động tích cực đến sự hài lòng của khách hàng đối với ngân hàng số.
• H2: Chất lượng chức năng có tác động tích cực đến sự hài lòng của khách hàng đối với ngân hàng số.
• H3: Hình ảnh doanh nghiệp có tác động tích cực đến sự hài lòng của khách hàng đối với ngân hàng số.
• H4: Hình ảnh doanh nghiệp đóng vai trò trung gian trong mối quan hệ giữa chất lượng chức năng và sự hài lòng của khách hàng.

H4 cần được viết thận trọng. Nếu bạn chưa có lập luận lý thuyết và thang đo phù hợp cho đường tác động này, hãy bỏ giả thuyết trung gian thay vì thêm vào cho mô hình có vẻ phức tạp. Mỗi giả thuyết phải nối được ba phần: lập luận lý thuyết, kết quả từ nghiên cứu trước và mối quan hệ cụ thể trong mô hình của bạn.

Cách viết vào luận văn: “Dựa trên cách tiếp cận chất lượng dịch vụ của Gronroos, nghiên cứu đề xuất rằng [chất lượng kỹ thuật/chất lượng chức năng/hình ảnh doanh nghiệp] có ảnh hưởng [tích cực/tiêu cực] đến [biến phụ thuộc] trong bối cảnh [ngành/dịch vụ/địa bàn]. Do đó, giả thuyết H[ ] được đề xuất: [viết nguyên câu giả thuyết].”

Bạn cũng cần mô tả đối tượng khảo sát, điều kiện để một người được trả lời và cách lấy mẫu. Nếu khảo sát khách hàng ngân hàng số, câu hỏi sàng lọc có thể xác nhận họ đã sử dụng dịch vụ trong khoảng thời gian nghiên cứu. Đừng để người chưa từng trải nghiệm dịch vụ đánh giá chất lượng kỹ thuật hoặc chức năng.

Cách kiểm định mô hình bằng SPSS hoặc SmartPLS

SPSS phù hợp khi bạn cần làm sạch dữ liệu, thống kê mô tả, kiểm tra Cronbach's Alpha, EFA và hồi quy tuyến tính. Quy trình quen thuộc là vào Analyze > Scale > Reliability Analysis để chạy độ tin cậy, sau đó vào Analyze > Dimension Reduction > Factor để chạy EFA. Với hồi quy, dùng Analyze > Regression > Linear và đưa biến phụ thuộc, biến độc lập vào đúng ô.

Khi đọc EFA, bạn có thể kiểm tra KMO and Bartlett's Test, Total Variance Explained và Rotated Component Matrix. KMO từ 0.5 trở lên và Bartlett's Test có ý nghĩa thống kê ở mức dưới 0.05 được dùng theo (Kaiser, 1974). Factor loading từ 0.5 trở lên và tổng phương sai trích từ 50% trở lên có thể tham khảo (Hair và cộng sự, 2010). Những ngưỡng này cần được đọc cùng nội dung biến, không dùng máy móc để xóa hàng loạt.

SmartPLS phù hợp khi mô hình có biến tiềm ẩn, nhiều đường tác động hoặc giả thuyết trung gian. Bạn nhập dữ liệu .csv, vẽ measurement model và structural model, rồi kiểm tra Outer Loadings, Construct Reliability and Validity, Discriminant Validity, Path Coefficients và kết quả Bootstrapping. Trong SmartPLS 4, tên vị trí menu có thể khác SmartPLS 3, nên bạn cần kiểm tra đúng phiên bản đang dùng.

Bảng trên là số liệu minh họa, không phải kết quả của một nghiên cứu thực tế. Khi báo cáo PLS-SEM, outer loading từ 0.7 trở lên có thể tham khảo (Chin, 1998). CR từ 0.7 và AVE từ 0.5 trở lên được dùng để đánh giá độ tin cậy tổng hợp và giá trị hội tụ theo (Fornell và Larcker, 1981). HTMT dưới 0.85, hoặc dưới 0.90 với các khái niệm gần nhau, được đề xuất trong (Henseler và cộng sự, 2015).

Với structural model, bạn có thể báo cáo VIF, path coefficient, t-value, p-value, confidence interval, R² và f². VIF dưới 5 là ngưỡng tham khảo trong (Hair và cộng sự, 2019). R² ở mức 0.75, 0.50 và 0.25 lần lượt được diễn giải là đáng kể, trung bình và yếu trong PLS-SEM theo (Hair và cộng sự, 2011). Nếu chạy bootstrapping, 5.000 mẫu lặp là quy trình được nêu trong (Hair và cộng sự, 2022).

AMOS và CB-SEM có thể phù hợp nếu bạn cần đánh giá model fit theo hướng hiệp phương sai và có cơ sở lý thuyết đủ chặt. Khi dùng AMOS, các chỉ số CFI, TLI, RMSEA và SRMR thuộc CB-SEM, không đưa chúng vào báo cáo SmartPLS. Các ngưỡng CFI và TLI từ 0.90, RMSEA và SRMR không vượt quá 0.08 được nêu cho CB-SEM trong (Hu và Bentler, 1999).

Lỗi thường gặp khi dùng mô hình này

Gọi Gronroos là SERVQUAL. Hai hướng tiếp cận đều nghiên cứu chất lượng dịch vụ nhưng cấu trúc khái niệm khác nhau. Nếu bạn dùng chất lượng kỹ thuật và chất lượng chức năng, hãy giữ thuật ngữ và lập luận của Gronroos nhất quán.

Dùng hình ảnh doanh nghiệp nhưng không xác định vai trò. Hình ảnh có thể là biến độc lập, biến trung gian hoặc một phần của chất lượng cảm nhận. Bạn cần vẽ mũi tên và viết giả thuyết tương ứng trước khi tạo bảng hỏi.

Trộn biến quan sát của nhiều thang đo. Một biến về sự đồng cảm có thể xuất hiện trong SERVQUAL, nhưng chưa chắc đo chất lượng chức năng theo cách bạn định nghĩa. Hãy lập bảng truy nguyên từ khái niệm, nguồn, biến quan sát đến giả thuyết.

Xóa biến chỉ vì muốn output đẹp. Khi Cronbach's Alpha thấp, kiểm tra nội dung biến, mã hóa ngược, dữ liệu thiếu và nhóm khái niệm trước khi loại. Việc loại biến phải có lý do phương pháp, không chỉ dựa vào cột “Alpha if Item Deleted”.

Báo cáo số liệu minh họa như số liệu thật. Bảng ví dụ chỉ giúp bạn biết output cần đọc thế nào. Trong chương 4, bạn phải thay bằng kết quả từ file .sav hoặc .csv của mình, ghi rõ cỡ mẫu và số quan sát hợp lệ.

Câu hỏi thường gặp

Chất lượng dịch vụ Gronroos gồm mấy thành phần

Cách trình bày phổ biến gồm chất lượng kỹ thuật, chất lượng chức năng và hình ảnh doanh nghiệp. Hai thành phần đầu mô tả khách hàng nhận được gì và dịch vụ được cung cấp như thế nào. Hình ảnh doanh nghiệp ảnh hưởng đến cách khách hàng cảm nhận và diễn giải trải nghiệm.

Mô hình Gronroos có dùng được cho đề tài ngân hàng không

Có thể dùng nếu khách hàng thực sự trải nghiệm dịch vụ và có khả năng đánh giá cả kết quả lẫn quá trình cung cấp. Bạn cần điều chỉnh biến quan sát cho ngân hàng, chẳng hạn độ chính xác giao dịch, khả năng phản hồi, hướng dẫn và mức độ đáng tin của ngân hàng.

Nên chọn Gronroos hay SERVQUAL

Chọn Gronroos khi câu hỏi nghiên cứu cần phân biệt kết quả dịch vụ với quá trình phục vụ. Chọn SERVQUAL khi đề tài đã xác định năm nhóm thành phần của mô hình đó và bạn có nguồn thang đo phù hợp. Không nên dùng cả hai mô hình trong cùng một mô hình hồi quy nếu chưa giải thích phần trùng lặp khái niệm.

Có thể chạy mô hình Gronroos bằng SPSS không

Có. SPSS phù hợp với Cronbach's Alpha, EFA và hồi quy tuyến tính. Nếu mô hình có biến tiềm ẩn, nhiều đường tác động hoặc giả thuyết trung gian, SmartPLS có thể giúp bạn đánh giá measurement model và structural model trong cùng một quy trình.

Alpha thấp thì có cần bỏ cả thang đo Gronroos không

Chưa cần. Hãy kiểm tra mã hóa, biến đảo chiều, dữ liệu thiếu, Corrected Item-Total Correlation và nội dung từng biến. Nếu loại một biến, bạn phải ghi lại lý do, chạy lại kiểm định và bảo đảm khái niệm vẫn còn đủ nội dung để đo lường.

Khi làm tiếp, bạn hãy mở phần mô hình nghiên cứu của mình, ghi ba thành phần Gronroos, biến phụ thuộc, nguồn thang đo và các mũi tên giả thuyết vào một trang trước khi chỉnh bảng hỏi; nếu cần chạy trên chính file .sav hoặc .csv, M4 phân tích dữ liệu của DoThesis có thể thực hiện bước phân tích SPSS và SmartPLS này.