ECSI là gì? Thành phần, mô hình và cách kiểm định
Mô hình ECSI là gì
ECSI là viết tắt của European Customer Satisfaction Index, thường được dùng để xây dựng mô hình nghiên cứu về sự hài lòng và lòng trung thành của khách hàng. Khi mở rộng ECSI vào đề tài, bạn không chỉ hỏi khách hàng có hài lòng hay không. Bạn đo cả kỳ vọng trước khi sử dụng, hình ảnh thương hiệu, chất lượng cảm nhận, giá trị cảm nhận, sự hài lòng, khiếu nại và lòng trung thành.
Điểm cần nhớ là ECSI là một mô hình quan hệ giữa các biến tiềm ẩn. Mỗi khái niệm được đo bằng nhiều biến quan sát trong bảng hỏi, sau đó bạn kiểm định các mối quan hệ bằng hồi quy, SEM hoặc PLS-SEM. Tên ECSI thường xuất hiện cạnh các mô hình như SERVQUAL, SERVPERF và mô hình 5 khoảng cách chất lượng dịch vụ. Bạn có thể xem thêm chủ đề Mô hình nghiên cứu, mô hình SERVQUAL và mô hình SERVPERF để chọn khung phù hợp với đề tài.
Một mô hình ECSI hoàn chỉnh thường có hai phần. Phần thứ nhất là mô hình đo lường, trả lời câu hỏi các biến quan sát có đo đúng khái niệm hay không. Phần thứ hai là mô hình cấu trúc, trả lời câu hỏi chất lượng cảm nhận, giá trị cảm nhận hoặc sự hài lòng tác động thế nào đến lòng trung thành.
Các thành phần trong mô hình
Bạn có thể hình dung ECSI theo chuỗi sau: hình ảnh và kỳ vọng ảnh hưởng đến chất lượng cảm nhận, giá trị cảm nhận và sự hài lòng. Sự hài lòng tiếp tục liên quan đến khiếu nại và lòng trung thành. Tùy ngành, bạn có thể giữ toàn bộ cấu trúc hoặc loại một thành phần không phù hợp với bối cảnh nghiên cứu.
| Thành phần | Nội dung cần đo | Ví dụ biến quan sát có thể phát triển |
|---|---|---|
| Hình ảnh | Ấn tượng tổng thể của khách hàng về doanh nghiệp hoặc thương hiệu | Thương hiệu có uy tín, đáng tin cậy, có hình ảnh tốt |
| Kỳ vọng | Mức chất lượng khách hàng dự kiến trước hoặc trong quá trình sử dụng | Dịch vụ được kỳ vọng đáp ứng nhu cầu, chất lượng dự kiến ở mức cao |
| Chất lượng cảm nhận | Đánh giá thực tế của khách hàng về sản phẩm hoặc dịch vụ | Dịch vụ ổn định, nhân viên đáp ứng, quy trình thuận tiện |
| Giá trị cảm nhận | So sánh lợi ích nhận được với chi phí bỏ ra | Mức giá hợp lý, lợi ích tương xứng với chi phí |
| Sự hài lòng | Đánh giá tổng thể sau trải nghiệm | Hài lòng với quyết định sử dụng, trải nghiệm đáp ứng mong đợi |
| Khiếu nại | Khả năng khách hàng phản ánh hoặc không hài lòng sau sử dụng | Có phát sinh khiếu nại, doanh nghiệp xử lý khiếu nại thỏa đáng |
| Lòng trung thành | Ý định tiếp tục sử dụng, giới thiệu hoặc ưu tiên thương hiệu | Tiếp tục sử dụng, giới thiệu cho người khác, ít có ý định chuyển đổi |
Các thành phần này không bắt buộc phải xuất hiện với số lượng giống nhau trong mọi đề tài. Ví dụ, nghiên cứu ngân hàng có thể đặt trọng tâm vào chất lượng dịch vụ, giá trị cảm nhận và sự hài lòng. Nghiên cứu thương mại điện tử có thể thêm trải nghiệm nền tảng, niềm tin hoặc rủi ro cảm nhận, nhưng khi thêm biến mới bạn cần giải thích cơ sở lý thuyết và nguồn thang đo.
Bạn nên phân biệt ECSI với mô hình 5 khoảng cách chất lượng dịch vụ. Mô hình 5 khoảng cách tập trung vào khoảng cách trong quá trình cung cấp dịch vụ, còn ECSI tập trung vào cách khách hàng hình thành sự hài lòng và lòng trung thành. Hai mô hình có thể liên quan, nhưng không nên ghép các biến chỉ vì tên gọi nghe gần nhau.
Mô hình gốc và các mở rộng phổ biến
Mô hình ECSI thường được dùng như một khung nghiên cứu cấp độ khách hàng. Logic cốt lõi là khách hàng hình thành đánh giá về chất lượng và giá trị, từ đó hình thành sự hài lòng. Sự hài lòng có thể liên quan đến ý định trung thành, còn khiếu nại phản ánh phản ứng của khách hàng khi trải nghiệm không đạt kỳ vọng.
Khi áp dụng vào luận văn, bạn cần vẽ sơ đồ mũi tên trước khi viết giả thuyết. Một sơ đồ tối giản có thể gồm: Hình ảnh → Kỳ vọng; Hình ảnh → Sự hài lòng; Kỳ vọng → Chất lượng cảm nhận; Chất lượng cảm nhận → Giá trị cảm nhận; Chất lượng cảm nhận → Sự hài lòng; Giá trị cảm nhận → Sự hài lòng; Sự hài lòng → Lòng trung thành.
Các mở rộng phổ biến thường thêm biến theo bối cảnh. Với dịch vụ số, bạn có thể thêm chất lượng hệ thống hoặc trải nghiệm người dùng. Với giáo dục, có thể xem chất lượng giảng dạy, dịch vụ hỗ trợ và giá trị cảm nhận là các tiền tố của sự hài lòng. Với bán lẻ, có thể thêm niềm tin, sự thuận tiện hoặc ý định mua lại.
Việc thêm biến không làm mô hình tốt hơn một cách tự động. Mỗi biến mới làm tăng số giả thuyết, số biến quan sát và yêu cầu về cỡ mẫu. Nếu mô hình có quá nhiều cấu trúc nhưng bảng hỏi chỉ thu được một nhóm khách hàng nhỏ, phần kiểm định sẽ khó giải thích khi bảo vệ.
Khi tham khảo mô hình khác, hãy ghi rõ phần nào được kế thừa và phần nào được điều chỉnh. Chẳng hạn, bạn có thể dùng ECSI làm khung cho sự hài lòng, sau đó dùng các chiều chất lượng dịch vụ từ SERVQUAL. Cách làm này cần một lập luận rõ ràng về quan hệ giữa chất lượng dịch vụ và chất lượng cảm nhận, thay vì đặt hai tên mô hình cạnh nhau trong sơ đồ.
Thang đo thường dùng cho từng khái niệm
ECSI không tự cung cấp một danh sách câu hỏi cố định dùng nguyên văn cho mọi ngành. Bạn cần tìm thang đo gốc phù hợp, dịch và điều chỉnh ngữ cảnh, rồi kiểm định bằng dữ liệu của đề tài. Bảng dưới đây là bản đồ khái niệm để bạn bắt đầu xây dựng bảng hỏi, không phải bộ biến đã được xác nhận cho nghiên cứu của bạn.
| Khái niệm | Hướng tìm nguồn thang đo | Nội dung cần bảo đảm |
|---|---|---|
| Hình ảnh | Thang đo hình ảnh thương hiệu hoặc hình ảnh doanh nghiệp | Các biến phải phản ánh ấn tượng tổng thể, không trộn với chất lượng dịch vụ cụ thể |
| Kỳ vọng | Thang đo kỳ vọng trước trải nghiệm | Câu hỏi cần chỉ rõ khách hàng kỳ vọng gì và trong bối cảnh nào |
| Chất lượng cảm nhận | Thang đo chất lượng sản phẩm hoặc dịch vụ | Có thể kế thừa các chiều phù hợp từ SERVQUAL, nhưng phải giải thích cách quy về chất lượng cảm nhận |
| Giá trị cảm nhận | Thang đo giá trị so với chi phí hoặc lợi ích | Tránh chỉ hỏi giá rẻ, vì giá trị còn bao gồm lợi ích và sự đánh đổi |
| Sự hài lòng | Thang đo đánh giá tổng thể và mức đáp ứng kỳ vọng | Không dùng lại nguyên văn các biến đo chất lượng làm biến đo hài lòng |
| Khiếu nại | Thang đo phản ứng khi trải nghiệm không đạt | Xác định rõ bạn đo ý định khiếu nại, số lần khiếu nại hay đánh giá xử lý khiếu nại |
| Lòng trung thành | Thang đo ý định mua lại, tiếp tục sử dụng và giới thiệu | Phân biệt lòng trung thành với sự hài lòng, vì khách hàng hài lòng chưa chắc tiếp tục sử dụng |
Nếu dùng thang Likert, bạn cần thống nhất số mức đo và hướng mã hóa. Thang Likert bắt nguồn từ kỹ thuật đo thái độ được trình bày bởi (Likert, 1932). Trong bảng hỏi tiếng Việt, nên dùng một câu dẫn rõ ràng, chẳng hạn “Vui lòng cho biết mức độ đồng ý của bạn với các phát biểu sau”, rồi giữ cùng một chiều từ hoàn toàn không đồng ý đến hoàn toàn đồng ý.
Sau khi có dữ liệu, bạn có thể kiểm tra độ tin cậy bằng Cronbach's Alpha. Alpha từ 0.7 trở lên thường được chấp nhận theo (Nunnally, 1978), còn thang đo khám phá có thể xem xét mức từ 0.6 theo (Hair và cộng sự, 2010). Corrected Item-Total Correlation từ 0.3 trở lên được dùng làm mốc tham khảo theo (Nunnally và Bernstein, 1994). Những mốc này không cho phép bạn xóa biến máy móc. Bạn cần xem nội dung biến, tương quan giữa các biến và lập luận lý thuyết trước khi quyết định.
Áp dụng vào đề tài của bạn
Giả sử bạn nghiên cứu sự hài lòng và lòng trung thành của khách hàng đối với một ứng dụng giao đồ ăn. Bạn có thể đặt sự hài lòng là biến phụ thuộc trung gian, lòng trung thành là biến kết quả, còn chất lượng cảm nhận, giá trị cảm nhận và hình ảnh thương hiệu là các biến giải thích.
Mô hình minh họa gồm bốn giả thuyết chính:
- H1: Chất lượng cảm nhận tác động cùng chiều đến sự hài lòng của khách hàng.
- H2: Giá trị cảm nhận tác động cùng chiều đến sự hài lòng của khách hàng.
- H3: Hình ảnh thương hiệu tác động cùng chiều đến sự hài lòng của khách hàng.
- H4: Sự hài lòng tác động cùng chiều đến lòng trung thành của khách hàng.
Nếu muốn giữ kỳ vọng, bạn có thể thêm giả thuyết rằng kỳ vọng ảnh hưởng đến chất lượng cảm nhận hoặc sự hài lòng. Tuy nhiên, hãy xác định thời điểm đo. Một bảng hỏi phát cho khách hàng sau khi đã dùng dịch vụ thường đo kỳ vọng hồi tưởng, không hoàn toàn giống kỳ vọng được đo trước trải nghiệm.
Bạn cũng cần quyết định biến nào là biến độc lập, trung gian và phụ thuộc. Nếu kiểm định vai trò trung gian của sự hài lòng, bạn cần kiểm tra cả tác động từ chất lượng cảm nhận đến sự hài lòng, từ sự hài lòng đến lòng trung thành và tác động gián tiếp. Bootstrapping khoảng tin cậy cho indirect effect là cách thường dùng, với điều kiện khoảng tin cậy không chứa zero theo (Preacher và Hayes, 2008).
Cách viết vào luận văn: “Dựa trên khung ECSI và bối cảnh [ngành/thị trường], nghiên cứu đề xuất [biến độc lập] tác động đến [biến phụ thuộc] thông qua [biến trung gian]. Cụ thể, nghiên cứu kiểm định các giả thuyết H1 đến H4 về mối quan hệ giữa [tên biến] và [tên biến].”
Khi viết chương 3, hãy ghi rõ nguồn của từng thang đo, số biến quan sát ban đầu, cách dịch và cách điều chỉnh từ ngữ. Khi viết chương 4, hãy báo cáo số biến còn lại sau Cronbach's Alpha hoặc EFA, rồi mới chuyển sang kiểm định mô hình cấu trúc. Đừng vẽ một mô hình có bảy khái niệm nhưng phần giả thuyết chỉ giải thích ba mối quan hệ.
Cách kiểm định mô hình bằng SPSS hoặc SmartPLS
SPSS phù hợp khi bạn muốn làm sạch dữ liệu, thống kê mô tả, Cronbach's Alpha, EFA, tương quan và hồi quy. Bạn có thể bắt đầu tại Analyze > Scale > Reliability Analysis, đưa các biến quan sát của từng khái niệm vào cùng một lần chạy, sau đó chọn Statistics và đánh dấu Scale if item deleted để xem tác động khi loại biến.
Nếu dùng EFA, vào Analyze > Dimension Reduction > Factor. Chọn KMO and Bartlett's Test, bảng Rotated Component Matrix và phương pháp xoay phù hợp với thiết kế nghiên cứu. KMO từ 0.5 trở lên và Bartlett có ý nghĩa thống kê thường được xem là điều kiện đạt theo (Kaiser, 1974). Eigenvalue lớn hơn 1 là một quy tắc trích nhân tố được nhắc đến trong (Kaiser, 1960), còn factor loading từ 0.5 trở lên và tổng phương sai trích từ 50% trở lên được dùng làm mốc tham khảo theo (Hair và cộng sự, 2010).
SmartPLS phù hợp khi ECSI được xây dựng như mô hình PLS-SEM với nhiều biến tiềm ẩn và mẫu nghiên cứu không lớn. Bạn nhập file .csv, tạo construct, kéo các biến quan sát vào từng construct, nối các mũi tên theo giả thuyết, rồi chạy PLS-SEM Algorithm. Sau đó chạy Bootstrapping để xem path coefficient, standard deviation, t-value và p-value. Quy trình đánh giá mô hình đo lường trước rồi đánh giá mô hình cấu trúc phù hợp với cách tiếp cận hai bước được nêu trong (Anderson và Gerbing, 1988).
Trong SmartPLS, outer loading từ 0.7 trở lên là mốc thường dùng theo (Chin, 1998) hoặc (Hair và cộng sự, 2022). CR từ 0.7 và AVE từ 0.5 trở lên được dùng để xem xét độ tin cậy tổng hợp và giá trị hội tụ theo (Fornell và Larcker, 1981). HTMT nên dưới 0.85, hoặc dưới 0.90 với các khái niệm gần nhau, theo (Henseler và cộng sự, 2015). VIF dưới 5 là mốc kiểm tra cộng tuyến được báo cáo trong (Hair và cộng sự, 2019).
Bảng kết quả SmartPLS mẫu
Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Tên cột được trình bày theo nhóm kết quả thường gặp trong SmartPLS để bạn biết cần tìm gì trong file output.
| Path Coefficients | Original Sample (O) | Sample Mean (M) | Standard Deviation (STDEV) | T Statistics | P Values |
|---|---|---|---|---|---|
| Chất lượng cảm nhận → Sự hài lòng | 0.412 | 0.409 | 0.071 | 5.803 | 0.000 |
| Giá trị cảm nhận → Sự hài lòng | 0.286 | 0.289 | 0.083 | 3.446 | 0.001 |
| Hình ảnh thương hiệu → Sự hài lòng | 0.174 | 0.171 | 0.078 | 2.231 | 0.026 |
| Sự hài lòng → Lòng trung thành | 0.638 | 0.636 | 0.049 | 13.020 | 0.000 |
Khi đọc bảng, bạn xem dấu của Original Sample để biết chiều tác động, P Values để đánh giá ý nghĩa thống kê theo mức ý nghĩa đã chọn, rồi đối chiếu với giả thuyết. Bạn vẫn phải báo cáo R² của biến nội sinh, f² của từng tác động và Q² nếu quy trình của bạn yêu cầu. R² ở mức 0.75, 0.50 và 0.25 lần lượt được mô tả là đáng kể, trung bình và yếu trong PLS-SEM theo (Hair và cộng sự, 2011). Q² lớn hơn 0 cho thấy mô hình có khả năng dự báo theo (Stone, 1974). Khi chạy bootstrapping, có thể dùng 5.000 mẫu lặp theo (Hair và cộng sự, 2022).
Lỗi thường gặp khi dùng mô hình này
Lỗi đầu tiên là dùng ECSI như một nhãn trang trí. Bạn đưa tên ECSI vào tiêu đề nhưng sơ đồ chỉ có chất lượng dịch vụ và sự hài lòng, không giải thích vì sao các biến đó đại diện cho cấu trúc ECSI. Cách sửa là ghi rõ phần kế thừa, phần loại bỏ và lý do phù hợp với ngành nghiên cứu.
Lỗi thứ hai là trộn ECSI với SERVQUAL mà không phân biệt cấp độ khái niệm. SERVQUAL thường cung cấp các chiều chất lượng dịch vụ, còn ECSI mô tả quan hệ rộng hơn giữa kỳ vọng, chất lượng cảm nhận, giá trị, hài lòng và trung thành. Bạn có thể tham khảo mô hình 5 khoảng cách chất lượng dịch vụ là gì, nhưng không nên gộp toàn bộ biến vào một bảng hỏi nếu chưa có mô hình lý thuyết.
Lỗi thứ ba là dùng cùng một câu hỏi để đo hai khái niệm. Ví dụ, “dịch vụ đáp ứng mong đợi” có thể bị dùng cho cả kỳ vọng, chất lượng cảm nhận và sự hài lòng. Khi đó, các construct dễ bị chồng lấn và HTMT có thể không đạt.
Lỗi thứ tư là loại biến chỉ vì một con số thấp. Nếu Cronbach's Alpha tăng sau khi xóa một biến, bạn vẫn cần xem biến đó có ý nghĩa lý thuyết hay không. Hãy lưu lại output từng vòng, ghi lý do loại biến và tránh xóa liên tục cho đến khi bảng kết quả đẹp.
Lỗi cuối là báo cáo p-value mà bỏ qua tác động. Một đường dẫn có ý nghĩa thống kê nhưng hệ số nhỏ vẫn cần được diễn giải thận trọng. Bạn nên trình bày đồng thời path coefficient, p-value, khoảng tin cậy hoặc t-value, R² và ý nghĩa thực tiễn trong bối cảnh nghiên cứu.
Câu hỏi thường gặp
ECSI có phải là mô hình đo chất lượng dịch vụ không
ECSI rộng hơn một mô hình đo chất lượng dịch vụ. Chất lượng cảm nhận là một thành phần có thể được đo bằng các biến về sản phẩm hoặc dịch vụ, nhưng ECSI còn xem xét kỳ vọng, hình ảnh, giá trị cảm nhận, sự hài lòng, khiếu nại và lòng trung thành.
Nếu đề tài của bạn chỉ hỏi các chiều đáp ứng, tin cậy, đồng cảm và phương tiện hữu hình, SERVQUAL có thể là khung trực tiếp hơn. Bạn có thể đối chiếu với mô hình SERVQUAL trước khi chốt mô hình.
ECSI nên chạy bằng SPSS hay SmartPLS
SPSS phù hợp cho Cronbach's Alpha, EFA, hồi quy và các bước làm sạch dữ liệu. SmartPLS phù hợp khi bạn muốn kiểm định đồng thời mô hình đo lường và mô hình cấu trúc với các biến tiềm ẩn.
Bạn không cần chạy cả hai phần mềm chỉ để có nhiều bảng. Hãy chọn theo mô hình, loại giả thuyết, cỡ mẫu và yêu cầu của giảng viên. Nếu dùng SmartPLS, không đưa CFI, TLI hoặc RMSEA của CB-SEM vào phần đánh giá PLS-SEM.
Có bắt buộc phải giữ biến khiếu nại trong ECSI không
Không bắt buộc. Khiếu nại chỉ nên giữ nếu bối cảnh nghiên cứu có ý nghĩa cho hành vi phản hồi sau trải nghiệm và bạn có thang đo phù hợp. Nếu bảng hỏi không đủ dữ liệu về khiếu nại, bạn có thể loại thành phần này nhưng cần nêu rõ trong phần điều chỉnh mô hình.
Có thể dùng thang đo SERVQUAL cho ECSI không
Có thể dùng các chiều SERVQUAL để đo hoặc giải thích chất lượng cảm nhận trong một mô hình ECSI mở rộng, nhưng bạn phải chỉ rõ quan hệ giữa hai khung. Không nên gọi toàn bộ thang đo SERVQUAL là thang đo ECSI.
Bạn cũng cần kiểm tra lại ngữ cảnh dịch vụ, cách dịch biến quan sát và kết quả Cronbach's Alpha, EFA hoặc outer loading trên dữ liệu thật của mình.
Nếu mô hình ECSI có quá nhiều biến thì làm sao
Trước hết, hãy bỏ các biến không gắn với câu hỏi nghiên cứu, không phải xóa biến chỉ vì mô hình nhìn phức tạp. Sau đó kiểm tra số biến quan sát, cỡ mẫu và khả năng thu thập dữ liệu. Mốc 5 đến 10 quan sát cho mỗi biến quan sát thường được dùng để tham khảo theo (Hair và cộng sự, 2010), nhưng bạn vẫn cần đối chiếu với thiết kế và yêu cầu của đề tài.
Bạn có thể xây dựng mô hình rút gọn gồm chất lượng cảm nhận, giá trị cảm nhận, sự hài lòng và lòng trung thành nếu bốn khái niệm này trả lời được câu hỏi nghiên cứu. Hãy sửa sơ đồ, giả thuyết và bảng hỏi cùng lúc để tránh tình trạng chương 1, chương 3 và file SPSS dùng ba phiên bản khác nhau.
Mở file dữ liệu của bạn, lập bảng đối chiếu giữa từng giả thuyết, construct và nhóm biến quan sát, sau đó chạy kiểm định theo đúng thứ tự đo lường rồi cấu trúc. Nếu cần hỗ trợ chạy phân tích trên chính file .sav hoặc .csv, bạn có thể dùng module M4 phân tích dữ liệu của DoThesis.