Phân tích giỏ hàng là việc đọc hàng nghìn đơn để tìm những món khách hay mua chung trong cùng một lần, rồi dùng điều đó để bày hàng, ghép combo hoặc gợi ý mua thêm. Người bán lâu năm thường cảm được vài cặp quen thuộc, như bánh mì đi với sữa, mì gói đi với trứng. Dữ liệu giúp bạn kiểm cảm nhận đó và tìm ra những cặp không ai để ý.
Trợ lý AI có phân tích tệp làm được phép đếm này trong vài phút, nhưng kết quả rất dễ đọc sai. Một món bán chạy sẽ xuất hiện cạnh mọi món khác, và trông như "hay mua kèm" với tất cả. Bài này giải thích ba con số cần hiểu, cách ra lệnh cho AI, và cách thử nghiệm trước khi đổi cả cửa hàng. Ví dụ là ví dụ giả định của một tiệm bánh và một cửa hàng tiện lợi nhỏ.
Phân tích giỏ hàng trả lời câu hỏi gì, và không trả lời câu gì
Câu hỏi cốt lõi là: khi khách đã cầm món này, khả năng họ cũng mua món kia là bao nhiêu, và khả năng đó cao hơn bình thường bao nhiêu. Trả lời được câu đó, bạn biết nên đặt hai món gần nhau trên kệ, nên ghép chúng vào một suất combo, hay nên để nhân viên gợi ý món thứ hai khi khách gọi món thứ nhất. Với cửa hàng online, đây là gốc của mục "khách thường mua kèm" ở trang sản phẩm.
Có ba điều phân tích này không nói được. Thứ nhất, nó không nói vì sao khách mua chung. Hai món có thể đi cùng vì hợp nhau khi dùng, vì cùng được bày ở một góc, hoặc vì cùng đang khuyến mãi. Thứ hai, nó không nói được nếu bạn ghép combo thì khách có mua nhiều hơn không; có khi combo chỉ làm khách trả ít hơn cho đúng những gì họ vẫn mua. Thứ ba, nó không nói gì về khách không mua, vì dữ liệu chỉ có đơn đã xảy ra.
Vì vậy hãy coi kết quả phân tích giỏ hàng là danh sách giả thuyết đáng thử, không phải kết luận. Phần cuối bài có cách thử một gợi ý trong vài tuần để biết nó thật sự làm tăng doanh thu hay chỉ đổi chỗ doanh thu. Phân tích này cũng bổ sung cho bảng xếp nhóm ABC: một món nhóm C mà luôn đi kèm món nhóm A có thể là thứ giữ khách, không nên cắt vội.
Dữ liệu cần có: từng đơn, từng dòng hàng
Khác với phân tích doanh thu, bài toán này bắt buộc có dữ liệu chi tiết tới từng dòng trong đơn. Bảng tổng theo mã hàng không dùng được. Bảng tối thiểu gồm:
- Mã đơn: để biết những dòng nào thuộc cùng một lần mua.
- Mã hàng hoặc tên hàng: nên dùng tên nhóm hàng nếu có quá nhiều mã lẻ, ví dụ gộp các vị sữa chua thành "sữa chua", nếu không các cặp sẽ bị chia vụn.
- Số lượng: không bắt buộc cho phép đếm cặp, nhưng hữu ích khi xem sâu.
- Thời điểm và kênh: giỏ hàng buổi sáng và buổi tối, tại quầy và giao hàng, thường rất khác nhau.
- Cột đánh dấu khuyến mãi: dòng nào đang thuộc combo hay chương trình giảm giá.
Bảng này không cần tên, số điện thoại hay địa chỉ của khách. Nếu phần mềm xuất kèm các cột đó, xoá chúng trước khi tải lên. Mã đơn cũng nên được thay bằng số thứ tự nếu mã đơn gốc chứa thông tin như số điện thoại hoặc mã thành viên. Việc tách, gộp và chuẩn hoá tên hàng thuộc khâu chuẩn bị dữ liệu, có hướng dẫn riêng ở trang AI Dữ Liệu.
Về cỡ dữ liệu: vài trăm đơn thường chưa đủ, vì phần lớn cặp chỉ xuất hiện dăm lần. Từ vài nghìn đơn trở lên thì các cặp phổ biến mới ổn định.
Ba con số cần hiểu: độ phổ biến, độ tin cậy, độ nâng
Lấy ví dụ giả định một tiệm bánh có một nghìn đơn trong tháng. Cà phê sữa có mặt trong bốn trăm đơn, bánh bông lan trong một trăm đơn, cả hai cùng có mặt trong sáu mươi đơn.
| Con số | Nói nôm na | Trong ví dụ | Đọc thế nào |
|---|---|---|---|
| Độ phổ biến của cặp | Bao nhiêu phần đơn có cả hai món | 60 trên 1.000, tức 6% | Thấp quá thì cặp không đủ quan trọng để làm gì |
| Độ tin cậy từ cà phê sang bánh | Trong các đơn có cà phê, bao nhiêu phần có bánh | 60 trên 400, tức 15% | Có chiều: từ bánh sang cà phê là 60 trên 100, tức 60% |
| Độ nâng | Khả năng mua chung so với mức nếu hai món chẳng liên quan | 6% chia cho 40% nhân 10%, bằng 1,5 | Lớn hơn 1 là đi cùng nhiều hơn ngẫu nhiên; gần 1 là không liên quan |
Đọc ví dụ: người mua bánh bông lan có tới sáu phần mười cũng gọi cà phê sữa, nhưng điều đó một phần chỉ vì cà phê sữa vốn có mặt trong bốn phần mười mọi đơn. Độ nâng 1,5 nói rằng cặp này đi cùng nhau nhiều hơn mức ngẫu nhiên khoảng một nửa. Đó là mối liên hệ thật nhưng vừa phải.
Quy tắc dễ nhớ khi đọc bảng AI trả về: chỉ xem độ tin cậy thì sẽ bị món bán chạy đánh lừa, nên luôn đọc kèm độ nâng, và bỏ qua cặp có quá ít đơn dù độ nâng cao.
Câu lệnh mẫu: từ tệp đơn hàng đến danh sách cặp đáng thử
Ví dụ cho một cửa hàng tiện lợi nhỏ ở Thái Nguyên với ba tháng đơn hàng, đã xoá thông tin khách (ví dụ giả định).
- "Tệp đính kèm có các cột ma_don, ten_nhom_hang, so_luong, gio_ban, co_khuyen_mai. Mỗi dòng là một món trong một đơn. Đọc tệp, báo số đơn, số nhóm hàng, số món trung bình mỗi đơn. Chưa phân tích."
- Kiểm số đơn với phần mềm bán hàng. Kiểm thêm tỉ lệ đơn chỉ có một món: nếu rất cao, phân tích giỏ hàng sẽ có ít thông tin và bạn nên biết điều đó trước.
- "Chỉ dùng các đơn có từ hai nhóm hàng trở lên. Với mọi cặp nhóm hàng xuất hiện chung ít nhất ba mươi đơn, tính độ phổ biến, độ tin cậy theo cả hai chiều và độ nâng. Sắp theo độ nâng giảm dần, trình bày hai mươi cặp đầu."
- "Làm lại phép tính trên, nhưng loại các dòng có co_khuyen_mai bằng có. So hai danh sách: cặp nào chỉ mạnh khi có khuyến mãi?"
- "Tách riêng đơn trước mười giờ sáng và sau năm giờ chiều. Cặp nào chỉ xuất hiện mạnh ở một khung giờ?"
- "Từ các bảng trên, chọn năm cặp đáng thử nghiệm bán kèm. Với mỗi cặp nêu số đơn, độ nâng, và một rủi ro có thể làm kết quả không như kỳ vọng."
Ngưỡng ba mươi đơn ở bước ba là để loại cặp hiếm. Bạn điều chỉnh theo cỡ dữ liệu: dữ liệu càng lớn, ngưỡng càng nên cao. Nếu AI trả về cặp có độ nâng rất cao nhưng chỉ dựa trên vài đơn, gần như chắc đó là nhiễu.
Kiểm phép đếm của AI trước khi tin danh sách cặp
Phép đếm cặp nghe đơn giản nhưng có vài chỗ trợ lý AI hay làm sai mà không báo. Chỗ thứ nhất là đếm dòng thay vì đếm đơn: nếu một đơn có hai dòng cà phê sữa vì khách gọi hai lần, AI có thể đếm cặp cà phê–bánh hai lần cho cùng một đơn. Chỗ thứ hai là tính cả cặp một món với chính nó. Chỗ thứ ba là lấy mẫu số sai khi tính độ tin cậy, ví dụ chia cho tổng số đơn thay vì số đơn có món thứ nhất.
Cách kiểm nhanh nhất là chọn một cặp trong danh sách, tự lọc trong bảng tính: đếm số mã đơn khác nhau có món A, số mã đơn khác nhau có món B, số mã đơn có cả hai. Ba con số đó đủ để tự tính lại độ tin cậy và độ nâng bằng máy tính bỏ túi. Nếu khớp với kết quả AI, bạn yên tâm với cả bảng. Nếu lệch, yêu cầu AI trình bày lại cách nó đếm từng bước cho đúng cặp đó, thường sẽ thấy ngay chỗ sai.
Một câu lệnh giúp giảm lỗi từ đầu: "Trước khi đếm cặp, chuyển bảng về dạng mỗi đơn một danh sách các nhóm hàng không lặp lại. Báo lại số đơn sau khi chuyển." Con số này phải bằng số đơn ở bước đọc tệp. Bước nhỏ này mất vài giây nhưng chặn được loại lỗi phổ biến nhất.
Những cặp ảo hay gặp
Cặp do chính combo tạo ra. Nếu cửa hàng đang bán combo bánh mì và nước, cặp này đương nhiên mạnh. Đó không phải phát hiện mới mà là bóng của quyết định cũ. Bước loại dòng khuyến mãi trong câu lệnh mẫu là để tách loại cặp này.
Cặp do vị trí trưng bày. Hai món đặt sát nhau ở quầy thanh toán sẽ hay được mua chung chỉ vì khách nhìn thấy cả hai lúc chờ. Đổi chỗ một món, cặp đó có thể yếu đi. Biết vị trí hiện tại của hàng giúp bạn đọc kết quả đúng hơn.
Cặp do một nhóm khách đặc biệt. Một quán ăn gần đó ngày nào cũng mua đá và chanh với số lượng lớn sẽ tạo ra cặp đá–chanh rất mạnh. Cặp đó có thật, nhưng không nói gì về khách lẻ. Đơn sỉ hoặc đơn của khách quen cố định nên tách riêng.
Cặp hiển nhiên. Bàn chải và kem đánh răng, mì gói và trứng. Những cặp này đúng nhưng không cho bạn thêm hành động nào, vì khách đã tự mua chung. Giá trị thường nằm ở những cặp có độ nâng khá mà bạn chưa từng nghĩ tới.
Mua cùng không có nghĩa mua vì nhau. Đây là phiên bản nhỏ của nguyên lý tương quan khác nhân quả. Có thể cả hai món đều được mua vào cùng một thời điểm, như sáng thứ Bảy, vì cùng một lý do khác. Thử nghiệm mới trả lời được câu hỏi nhân quả.
Biến kết quả thành bán kèm, và thử trước khi làm lớn
Từ danh sách cặp đáng thử, có ba kiểu hành động phổ biến với cửa hàng nhỏ. Kiểu thứ nhất là bày gần nhau: đặt món thứ hai ngay cạnh món thứ nhất hoặc ở lối đi khách hay đi tiếp. Kiểu thứ hai là gợi ý bằng lời: nhân viên quầy được dặn khi khách gọi món A thì hỏi một câu về món B, hoặc với cửa hàng online thì món B hiện trong mục gợi ý. Kiểu thứ ba là ghép combo có giá: cách này tốn biên lãi nhất, vì bạn giảm giá cho cả những khách vốn đã mua đủ hai món.
Nên thử theo thứ tự từ ít tốn kém đến nhiều tốn kém. Cách thử đơn giản: chọn một cặp, áp dụng thay đổi trong hai đến bốn tuần, giữ mọi thứ khác ổn định, rồi so độ tin cậy của cặp và giá trị trung bình mỗi đơn có món A với cùng số tuần trước đó. Nếu có hai chi nhánh tương tự, áp dụng ở một nơi và giữ nguyên nơi kia làm đối chứng sẽ cho kết quả đáng tin hơn nhiều so với so trước–sau ở một nơi.
Khi đọc kết quả thử, hỏi AI cả hai mặt: món B có bán thêm không, và có món nào khác bị bán ít đi không. Đôi khi khách mua thêm món gợi ý nhưng bỏ món họ định mua, tổng giỏ không đổi. Đánh giá khuyến mãi một cách đầy đủ hơn, gồm cả phần doanh thu bị kéo từ tuần sau lên tuần này, có trong bài riêng về hiệu quả khuyến mãi.
Câu hỏi thường gặp
Cửa hàng có ít đơn mỗi ngày thì phân tích giỏ hàng có ý nghĩa không?
Có thể, nhưng cần gom dữ liệu dài hơn. Nếu mỗi ngày chỉ vài chục đơn, nên dùng từ ba đến sáu tháng và gộp mã hàng thành nhóm lớn hơn. Với quá ít đơn, phần lớn cặp chỉ xuất hiện vài lần và kết quả chủ yếu là nhiễu.
Độ nâng bao nhiêu thì coi là đáng chú ý?
Không có ngưỡng cố định. Độ nâng trên 1 cho thấy hai món đi cùng nhiều hơn ngẫu nhiên. Nên xem độ nâng cùng với số đơn của cặp: một cặp độ nâng vừa phải nhưng có hàng trăm đơn thường đáng hành động hơn một cặp độ nâng rất cao chỉ có vài đơn.
Có cần phần mềm chuyên dụng để tính các con số này không?
Không bắt buộc. Trợ lý AI có phân tích tệp hoặc bảng tính đều tính được với vài nghìn đơn. Điều quan trọng hơn là kiểm lại một hai cặp bằng cách tự lọc trong bảng tính để chắc AI đếm đúng.
Kết quả phân tích giỏ hàng có dùng được cho cửa hàng online không?
Dùng được và thường dữ liệu còn sạch hơn vì mọi đơn đều ghi đủ dòng hàng. Lưu ý mục gợi ý mua kèm trên trang đã có sẵn sẽ tạo ra chính những cặp nó gợi ý, nên cần đánh dấu đơn nào có bấm từ mục gợi ý.
Có nên ghép combo cho mọi cặp có độ nâng cao không?
Không nên. Combo có giảm giá làm mất biên lãi ở những khách vốn đã mua đủ hai món. Hãy thử bày gần nhau hoặc gợi ý bằng lời trước, đo kết quả, rồi mới cân nhắc combo cho một vài cặp có lợi rõ ràng.
Đưa dữ liệu đơn hàng lên AI cần lưu ý gì về khách hàng?
Phân tích giỏ hàng không cần biết khách là ai. Xoá tên, số điện thoại, địa chỉ, mã thành viên trước khi tải lên, và kiểm mã đơn có chứa thông tin cá nhân không. Dùng công cụ có tuỳ chọn không lấy dữ liệu để huấn luyện theo cài đặt hiện hành.