[Research Contribution] Xây dựng hệ thống thông minh phát hiện khách hàng rời bỏ dịch vụ tại một số ngân hàng tỉnh Vĩnh Long

15 Tháng Mười Hai, 2025

Từ khóa: Dự đoán khách hàng rời bỏ, Ngân hàng số, Học máy, CRM thông minh, Dữ liệu lớn ngành ngân hàng

Trong kỷ nguyên số, ngành ngân hàng đang đối mặt với nghịch lý: Càng thu hút được nhiều khách hàng, nguy cơ mất họ ngày càng lớn. Hiện tượng “khách hàng rời bỏ dịch vụ” (Customer churn) đang trở thành thách thức lớn, ảnh hưởng trực tiếp đến doanh thu và uy tín của các tổ chức tài chính. Nghiên cứu của nhóm tác giả thuộc UEH Mekong – Đại học Kinh tế Thành phố Hồ Chí Minh (UEH) phối hợp cùng Ngân hàng Quốc tế (VIB) đã ứng dụng mô hình học máy (Machine Learning) để dự đoán khả năng rời bỏ dịch vụ của khách hàng, giúp ngân hàng chủ động giữ chân khách hàng, tối ưu chi phí vận hành và nâng cao năng lực cạnh tranh. Đây cũng chính là minh chứng tiêu biểu cho xu hướng ứng dụng trí tuệ nhân tạo và dữ liệu lớn trong quản trị quan hệ khách hàng (CRM) tại Việt Nam.

Bg 1499x600

Bối cảnh nghiên cứu

Trong tiến trình chuyển đổi số, ngành ngân hàng Việt Nam đang chứng kiến sự cạnh tranh gay gắt giữa ngân hàng truyền thống, ngân hàng số và các công ty tài chính. Sự đa dạng về lựa chọn khiến khách hàng dễ dàng rời bỏ dịch vụ khi không hài lòng, biến “khách hàng rời bỏ dịch vụ” (Customer churn) trở thành thách thức lớn đối với các tổ chức tài chính. Theo nghiên cứu quốc tế, chi phí thu hút khách hàng mới cao gấp 5-6 lần so với duy trì khách hàng hiện hữu và chỉ cần giảm 5% tỷ lệ rời bỏ, lợi nhuận doanh nghiệp có thể tăng gấp đôi.

Tại Việt Nam, xu hướng số hóa và thay đổi hành vi tiêu dùng tài chính, đặc biệt giữa nhóm khách hàng trẻ ưa công nghệ và nhóm truyền thống đề cao sự an toàn, khiến việc quản trị quan hệ khách hàng ngày càng phức tạp. Tại các địa phương như Vĩnh Long, nơi dịch vụ ngân hàng và thẻ ATM đã trở nên phổ biến, khách hàng có thể dễ dàng chuyển sang ngân hàng khác nếu không được chăm sóc hoặc cung cấp ưu đãi phù hợp.

Từ thực tế đó, việc xây dựng hệ thống dự báo rời bỏ dịch vụ trở nên cấp thiết, giúp ngân hàng phát hiện sớm rủi ro và tối ưu chiến lược giữ chân khách hàng. Nghiên cứu do tác giả thuộc UEH thực hiện đã tập trung vào ba nhóm đối tượng:

  • Thứ nhất, Ngân hàng thương mại: được hỗ trợ công cụ dự báo để chủ động chăm sóc và cá nhân hóa ưu đãi;
  • Thứ hai, Khách hàng cá nhân: hưởng dịch vụ phù hợp và kịp thời hơn, tăng mức độ hài lòng;
  • Thứ ba, Cộng đồng nghiên cứu – đào tạo: có thêm trường hợp thực tiễn phục vụ giảng dạy và ứng dụng.

Nghiên cứu tập trung xây dựng mô hình học máy để dự đoán khả năng khách hàng rời bỏ dịch vụ, dựa trên hành vi sử dụng và lịch sử giao dịch. Mô hình này được tích hợp vào hệ thống CRM, giúp ngân hàng theo dõi và quản lý khách hàng hiệu quả hơn.

Picture1

Hình 1: Hệ thống máy học dự báo khách hàng rời bỏ dịch vụ ngân hàng

Quy trình thực hiện gồm bốn bước:

(1) Xác định mục tiêu và các yếu tố liên quan đến việc khách hàng rời bỏ;

(2) Xử lý và chuẩn hóa dữ liệu;

(3) Xây dựng và đánh giá mô hình dự báo;

(4) Triển khai ứng dụng vào thực tế thông qua dashboard tích hợp trên CRM.

Kết quả nghiên cứu

Một trong những thách thức lớn tại các ngân hàng hiện nay là tình trạng khách hàng ngưng sử dụng dịch vụ. Từ thực tế đó, nhóm nghiên cứu đã phát triển một hệ thống dự báo thông minh nhằm phát hiện sớm những khách hàng có nguy cơ rời bỏ, đặc biệt là nhóm khách hàng sử dụng thẻ ATM – Nhóm chiếm tỷ lệ lớn và ảnh hưởng trực tiếp đến nguồn thu của ngân hàng.

Để xây dựng hệ thống, nhóm tác giả sử dụng dữ liệu khách hàng từ năm 2018 đến 2024, bao gồm thông tin giao dịch, nhân khẩu học và mức độ gắn bó của khách hàng. Quá trình phân tích cho thấy hành vi khách hàng khác nhau theo độ tuổi, khu vực, doanh thu, đó là những yếu tố ảnh hưởng mạnh đến khả năng tiếp tục hay ngừng sử dụng dịch vụ của khách hàng.

Trong quá trình thử nghiệm, nhóm so sánh và thực hiện nhiều mô hình dự báo khác nhau để xem mô hình nào cho kết quả tốt nhất. Kết quả cho thấy mô hình XGBoost đạt hiệu suất cao nhất qua các chỉ số về độ chính xác, độ tin cậy và hiệu suất tổng thể, đã nhận diện tốt nhóm khách hàng có nguy cơ rời bỏ.

Từ kết quả mô hình này, nhóm đã xây dựng một giao diện ứng dụng thực tế, tích hợp trực tiếp vào hệ thống CRM của ngân hàng. Cán bộ nghiệp vụ có thể dễ dàng theo dõi, dự báo và quản lý danh sách khách hàng có nguy cơ rời bỏ thông qua bảng điều khiển trực quan, giúp ngân hàng đưa ra quyết định chăm sóc và giữ chân khách hàng kịp thời.

Hàm ý chính sách

Dựa trên kết quả nghiên cứu, nhóm tác giả đề xuất bốn giải pháp trọng tâm:

(1) Tích hợp mô hình dự báo vào hệ thống CRM để cảnh báo sớm khách hàng có nguy cơ rời bỏ và tự động hóa quy trình chăm sóc.

(2) Cá nhân hóa dịch vụ và chiến dịch marketing, tập trung vào nhóm khách hàng có giá trị cao.

(3) Nâng cao trải nghiệm số thông qua mobile banking, chatbot và các tiện ích giao dịch 24/7.

(4) Đào tạo nhân viên về khai thác dữ liệu và sử dụng công cụ phân tích.

Các giải pháp này giúp ngân hàng giảm chi phí thu hút khách hàng mới, duy trì nguồn thu ổn định và củng cố uy tín thương hiệu.

Nghiên cứu đồng thời khẳng định tiềm năng của AI và học máy trong quản trị quan hệ khách hàng, mở rộng khả năng ứng dụng sang các lĩnh vực như phân tích tín dụng, phát hiện gian lận và quản trị rủi ro. Đây cũng là nguồn tư liệu thực tiễn giúp giảng viên và sinh viên rèn luyện kỹ năng phân tích dữ liệu, mô hình hóa và triển khai giải pháp công nghệ. Hơn nữa, đề tài cũng mang lại ba giá trị cốt lõi: (1) Kinh tế cho ngân hàng thông qua giảm churn và tối ưu hóa nguồn lực; (2) Công nghệ cho xã hội khi chứng minh hiệu quả ứng dụng mô hình học máy trong bối cảnh thực tiễn; (3) Học thuật cho giáo dục với một tình huống nghiên cứu giàu giá trị ứng dụng.

Chính vì thế, Nghiên cứu “Xây dựng hệ thống thông minh phát hiện khách hàng rời bỏ dịch vụ tại một số ngân hàng trên địa bàn tỉnh Vĩnh Long” là minh chứng cho định hướng nghiên cứu gắn với thực tiễn, góp phần thúc đẩy chuyển đổi số và nâng cao năng lực cạnh tranh của ngành ngân hàng Việt Nam trong kỷ nguyên trí tuệ nhân tạo.

Xem toàn bộ bài nghiên cứu Xây dựng hệ thống thông minh phát hiện khách hàng rời bỏ dịch vụ tại một số ngân hàng trên địa bàn tỉnh Vĩnh Long TẠI ĐÂY

Nhóm tác giả: ThS. Nguyễn Thị Xuân Đào, ThS. Lê Thành Trung, ThS. Lê Hoàng Son, Lê Quang Trường – Đại học Kinh tế Thành phố Hồ Chí Minh (UEH) và Ngân hàng quốc tế VIB.

Đây là bài viết nằm trong chuỗi bài lan tỏa nghiên cứu và kiến thức ứng dụng với thông điệp “For a More Sustainable Mekong – Vì một Đồng bằng sông Cửu Long bền vững”, thuộc chương trình “Research Contribution For All – Nghiên Cứu Vì Cộng Đồng” do UEH thực hiện. UEH trân trọng kính mời Quý độc giả cùng đón xem bản tin UEH Research Insights tiếp theo.

Tin, ảnh: Tác giả, Phòng Tuyển sinh – Truyền thông UEH Mekong, Ban Truyền thông và Phát triển đối tác UEH

Giọng đọc: Thanh Kiều

Chu kỳ giảm giá của đồng USD?

TS. Đinh Thị Thu Hồng và nhóm nghiên cứu

26 Tháng Sáu, 2021

Việt Nam cần kịch bản cho thương mại tương lai

ThS. Tô Công Nguyên Bảo

26 Tháng Sáu, 2021

Hệ thống tiền tệ tiếp theo như thế nào?

TS. Lê Đạt Chí và nhóm nghiên cứu

26 Tháng Sáu, 2021

Chuyển đổi số trong khu vực công tại Việt Nam

Khoa Quản lý nhà nước

26 Tháng Sáu, 2021

Cần đưa giao dịch công nghệ lên sàn chứng khoán

Bộ Khoa học và Công nghệ

5 Tháng Sáu, 2021

Thiết kế đô thị: tầm nhìn vững chắc cho đô thị bền vững

Viện Đô thị thông minh và Quản lý

5 Tháng Sáu, 2021

Phục hồi du lịch và nỗ lực thoát khỏi vòng xoáy ảnh hưởng bởi Covid-19

Viện Đô thị thông minh và Quản lý

5 Tháng Sáu, 2021

2021 sẽ là năm khởi đầu của chu kỳ tăng trưởng mới

PGS.TS Nguyễn Khắc Quốc Bảo

5 Tháng Sáu, 2021

Quỹ vaccine sẽ khả thi khi có người dân đóng góp

Phạm Khánh Nam, Việt Dũng

5 Tháng Sáu, 2021

Kích thích kinh tế, gia tăng vận tốc dòng tiền

Quách Doanh Nghiệp

5 Tháng Sáu, 2021

Đi tìm chiến lược hậu Covid-19 cho doanh nghiệp bảo hiểm Việt Nam

PGS TS Nguyễn Khắc Quốc Bảo, ThS Lê Văn

5 Tháng Sáu, 2021

Insurtech – Cơ hội và thách thức cho Startup Việt

Ths. Lê Thị Hồng Hoa

5 Tháng Sáu, 2021