Nhiều đề tài bắt đầu bằng một danh sách biến rất dài: chất lượng dịch vụ, niềm tin, giá trị cảm nhận, sự hài lòng, ý định mua lại, truyền miệng… Danh sách ấy có thể đúng về mặt lý thuyết nhưng vẫn dẫn nghiên cứu đi sai hướng. Vấn đề không phải là có bao nhiêu biến, mà là mỗi biến có giúp trả lời một quyết định cụ thể hay không.
Một mô hình nghiên cứu tốt không khởi đầu bằng câu hỏi “biến nào đang phổ biến?”. Nó khởi đầu bằng câu hỏi “sau khi có kết quả, ai cần quyết định điều gì khác đi?”. Khi câu hỏi quyết định rõ, việc chọn biến, thang đo và cách phân tích sẽ gọn hơn đáng kể.
Bắt đầu bằng quyết định cần hỗ trợ
Hãy thử viết đề bài theo cấu trúc rất thực dụng: người ra quyết định cần lựa chọn gì, trong bối cảnh nào, và cần biết điều gì để lựa chọn tốt hơn? Ví dụ, một chuỗi cà phê muốn biết nên ưu tiên rút ngắn thời gian chờ hay cải thiện cách nhân viên xử lý khiếu nại để khách quay lại. Đây không còn là một chủ đề chung chung về “trải nghiệm khách hàng”; đó là một quyết định ưu tiên nguồn lực.
Từ quyết định này, kết quả cần quan sát là khả năng khách quay lại hoặc ý định quay lại. Những yếu tố giải thích hợp lý có thể là thời gian chờ được cảm nhận và chất lượng phục hồi dịch vụ. Nếu đưa thêm mười biến khác chỉ vì các biến đó từng xuất hiện trong bài báo trước, mô hình sẽ nặng hơn nhưng không chắc giúp người quản lý quyết định tốt hơn.
Dùng chuỗi ba câu hỏi để lọc biến
Với từng biến dự kiến, hãy hỏi ba câu. Thứ nhất, nếu biến này thay đổi, quyết định của người sử dụng kết quả có thể thay đổi không? Thứ hai, có cơ chế lý thuyết hoặc bằng chứng đáng tin cậy giải thích vì sao biến này liên quan tới kết quả không? Thứ ba, biến này có thể đo được ở đúng đối tượng, đúng thời điểm và với chất lượng chấp nhận được không?
Một biến chỉ vượt qua câu hỏi thứ hai chưa đủ để được đưa vào mô hình. Chẳng hạn, “mức độ thích công nghệ” có thể liên quan đến ý định dùng ứng dụng giao đồ ăn. Nhưng nếu doanh nghiệp đang quyết định sửa quy trình giao hàng hay thay chính sách đổi món, biến đó không cho biết đòn bẩy vận hành nào nên được ưu tiên. Nó có thể là biến kiểm soát hoặc bị loại ra, tùy câu hỏi nghiên cứu.
Phân biệt biến kết quả, biến giải thích và điều kiện
Sự lẫn lộn thường gặp là gọi mọi yếu tố trong mô hình là “nhân tố ảnh hưởng”. Trước khi đo, cần xác định vai trò của từng biến. Biến kết quả là điều nghiên cứu muốn cải thiện hoặc dự báo. Biến giải thích là đòn bẩy hoặc cơ chế có thể liên quan đến kết quả. Biến điều kiện cho biết mối quan hệ ấy khác đi trong tình huống nào, với nhóm nào hoặc ở thời điểm nào.
Quay lại ví dụ chuỗi cà phê: ý định quay lại là biến kết quả. Cảm nhận về thời gian chờ và chất lượng phục hồi dịch vụ là các biến giải thích. Khách mua mang đi hay ngồi lại có thể là điều kiện đáng xem xét nếu doanh nghiệp có lý do thực tế để tin rằng hai nhóm này đánh giá thời gian chờ khác nhau. Cách phân vai này ngăn mô hình biến thành một sơ đồ nhiều mũi tên nhưng không có câu chuyện quyết định.
Đừng đo điều không thể hành động
Một thang đo có độ tin cậy cao vẫn có thể ít giá trị quản trị nếu tổ chức không thể tác động tới điều nó đo. Điều này không có nghĩa nghiên cứu chỉ được dùng biến dễ thay đổi; một số biến nền như thu nhập, kinh nghiệm hay mức độ quen thuộc là cần thiết để hiểu bối cảnh. Nhưng chúng nên được đặt đúng vai trò: mô tả, phân nhóm hoặc kiểm soát, thay vì được trình bày như một giải pháp.
Một cách kiểm tra đơn giản là tưởng tượng báo cáo cuối cùng. Nếu kết quả cho thấy biến X có liên quan mạnh với kết quả Y, người quản lý sẽ làm gì vào thứ Hai tới? Nếu câu trả lời chỉ là “cần hiểu khách hàng hơn”, biến X chưa tạo đủ giá trị quyết định. Nếu câu trả lời là “thiết kế lại quy tắc ưu tiên đơn hàng giờ cao điểm” hoặc “huấn luyện một kịch bản xử lý lỗi cụ thể”, nghiên cứu đã gần hơn với hành động.
Khóa bản đồ biến trước khi viết bảng hỏi
Trước khi soạn câu hỏi, hãy lập một bảng làm việc ngắn cho chính nhóm nghiên cứu, không nhất thiết đưa vào luận văn. Mỗi dòng gồm: quyết định cần hỗ trợ, biến kết quả, biến giải thích, lý do lý thuyết, chủ thể cung cấp dữ liệu, thời điểm đo và hành động có thể theo sau kết quả. Bảng này giúp phát hiện sớm các biến được chọn chỉ vì “quen tai”, các thang đo không phù hợp ngữ cảnh, hoặc dữ liệu được hỏi ở sai người.
Ví dụ, nếu muốn biết việc giao trễ làm giảm khả năng quay lại, hỏi nhân viên giao hàng về ý định quay lại của khách không phải là lựa chọn tốt. Dữ liệu cần đến từ khách, hoặc từ hồ sơ hành vi phù hợp. Tương tự, nếu thời gian giao thực tế đã được hệ thống ghi nhận, không nên thay thế hoàn toàn bằng một câu hỏi hồi tưởng khi mục tiêu là đánh giá hiệu quả vận hành.
Chọn ít hơn để giải thích rõ hơn
Giảm số biến không phải là làm nghiên cứu nghèo đi. Đó là cách bảo vệ logic của nghiên cứu. Một mô hình gọn cho phép người đọc nhìn thấy đường đi từ vấn đề đến bằng chứng rồi đến quyết định. Nó cũng giảm gánh nặng trả lời, giảm nguy cơ chồng lấn khái niệm và giúp thảo luận kết quả bớt liệt kê.
Trước khi chốt mô hình, hãy đọc lại câu hỏi quyết định ở đầu bài. Mỗi biến phải có mặt vì nó giúp trả lời câu hỏi đó, chứ không phải vì nó có sẵn trong một mô hình nổi tiếng. Khi làm được điều này, bảng hỏi không còn là điểm xuất phát; nó trở thành công cụ được thiết kế để thu đúng bằng chứng cho một lựa chọn rõ ràng.
