Tỉ lệ khách quay lại và phân tích theo lứa khách với AI: đo đúng khả năng giữ khách

Tỉ lệ khách quay lại cho biết trong những người đã mua, bao nhiêu phần quay lại mua tiếp. Nhưng nếu tính thành một con số chung cho cả cửa hàng, nó gần như luôn che mất điều quan trọng nhất: khách mới đến gần đây có quay lại tốt bằng khách đến trước đây không.

Cách trả lời câu hỏi đó là phân tích theo lứa, trong tiếng Anh gọi là cohort: gom khách theo tháng họ mua lần đầu, rồi theo dõi mỗi lứa quay lại thế nào qua các tháng sau. Bài này hướng dẫn cách nhờ trợ lý AI lập bảng theo lứa, đọc bảng cho đúng, và những sai lầm hay gặp. Ví dụ là ví dụ giả định của một quán cà phê có ứng dụng tích điểm và một tiệm bán đồ gia dụng online.

Vì sao một con số tỉ lệ quay lại chung dễ đánh lừa

Giả sử năm nay quán chạy một đợt khai trương chi nhánh mới với nhiều ưu đãi, kéo về rất nhiều khách mua lần đầu. Phần lớn khách khuyến mãi chỉ đến một lần. Tỉ lệ quay lại chung của cả năm sẽ tụt xuống, và nếu chỉ nhìn con số đó, bạn có thể nghĩ chất lượng phục vụ giảm. Thực tế, khách cũ vẫn quay lại đều như trước; chỉ là cơ cấu khách đã thay đổi.

Trường hợp ngược lại cũng xảy ra. Một tiệm bán online giảm quảng cáo tìm khách mới trong vài tháng; tỉ lệ quay lại chung tăng lên vì phần lớn đơn đến từ khách cũ. Trông như giữ khách tốt hơn, nhưng thật ra chỉ là ít khách mới hơn. Trong cả hai trường hợp, con số chung bị chi phối bởi việc khách mới chiếm bao nhiêu phần, chứ không phản ánh việc giữ khách đang tốt lên hay xấu đi.

Phân tích theo lứa tách hai chuyện đó ra. Mỗi lứa khách được so với chính nó qua thời gian, và các lứa được so với nhau ở cùng một độ tuổi, ví dụ cùng là tháng thứ hai sau lần mua đầu. Khi đó bạn thấy rõ: lứa tháng Ba quay lại ở tháng thứ hai được bao nhiêu phần, lứa tháng Bảy thì sao, và chiều hướng đang đi lên hay đi xuống.

Định nghĩa trước khi tính: thế nào là quay lại

Phần lớn tranh cãi về con số giữ khách đến từ việc mỗi người hiểu chữ "quay lại" một kiểu. Trước khi nhờ AI tính, hãy viết rõ ra:

• Lứa khách được xác định theo đâu: thường là tháng của lần mua đầu tiên. Với quán bán hằng ngày có thể dùng tuần; với hàng mua thưa như nội thất có thể dùng quý.
• Quay lại nghĩa là gì: có ít nhất một giao dịch trong khoảng thời gian đang xét. Cần ghi rõ có tính đơn bị huỷ, đơn trả hàng hay không; thông thường là không.
• Đếm theo khoảng nào: "tháng thứ hai sau lần đầu" nghĩa là tháng dương lịch kế tiếp, hay là từ ngày ba mươi mốt đến ngày sáu mươi kể từ lần mua đầu. Cách thứ hai công bằng hơn với khách mua đầu vào cuối tháng.
• Con số chính là gì: phần trăm khách còn mua trong từng khoảng, hay phần trăm khách đã quay lại ít nhất một lần tính đến thời điểm đó. Hai cách cho hai đường cong khác nhau, đều đúng nhưng không được trộn.
• Ai được tính: chỉ khách có mã định danh. Ghi lại tỉ lệ doanh thu có gắn mã để biết bảng đang nói về bao nhiêu phần khách.

Viết các định nghĩa này thành một đoạn văn và dán thẳng vào câu lệnh cho AI. Lần sau tính lại, dùng đúng đoạn đó để các kỳ còn so được với nhau. Dữ liệu chỉ cần mã khách ngẫu nhiên, ngày và số tiền; không gửi tên hay số điện thoại.

Đọc bảng tam giác theo lứa

Kết quả thường được trình bày thành bảng hình tam giác: mỗi hàng là một lứa, mỗi cột là tháng thứ mấy kể từ lần mua đầu, mỗi ô là phần trăm khách của lứa đó còn mua trong tháng ấy. Dưới đây là một phần bảng giả định của quán cà phê.

Đọc theo cột, không đọc theo hàng. Cột tháng thứ nhất cho thấy lứa tháng Bảy quay lại kém hẳn các lứa khác, khớp với việc phần lớn khách lứa đó đến vì ưu đãi khai trương. Lứa tháng Tám trở lại mức bình thường, nghĩa là quán không có vấn đề chung về giữ khách.

Đọc theo hàng cho biết đường cong rơi của từng lứa. Ở ví dụ này, phần rơi lớn nhất nằm giữa lần mua đầu và tháng thứ nhất, sau đó chậm dần. Đó là hình dạng rất phổ biến: ai đã quay lại lần hai thì thường ở lại lâu hơn. Vì vậy nhiều cửa hàng tập trung vào việc biến lần mua đầu thành lần mua thứ hai.

Ô "chưa đủ thời gian" phải để trống, không được điền số không. Nếu để AI điền không, trung bình theo cột sẽ bị kéo xuống sai.

Câu lệnh mẫu để AI lập bảng theo lứa

Ví dụ cho tiệm đồ gia dụng bán online, dữ liệu mười tám tháng, mã khách đã thay bằng mã ngẫu nhiên (ví dụ giả định).

1. "Tệp có ba cột ma_khach, ngay_mua, so_tien, đã loại đơn huỷ và trả hàng. Đọc tệp, báo số khách, số giao dịch, ngày đầu, ngày cuối. Chưa phân tích."
2. "Xác định lứa của mỗi khách là tháng của lần mua đầu tiên. Báo số khách mới theo từng tháng."
3. Dán đoạn định nghĩa quay lại đã viết ở mục trên, rồi: "Lập bảng tam giác: hàng là lứa, cột là quý thứ một đến quý thứ năm sau lần mua đầu, ô là phần trăm khách của lứa có ít nhất một giao dịch trong quý đó. Ô chưa đủ thời gian để trống, không ghi số không."
4. "Kèm bảng thứ hai với số khách thực tế trong mỗi ô, để kiểm cỡ mẫu."
5. "So các lứa ở cùng cột quý thứ một. Lứa nào cao hoặc thấp bất thường so với trung vị của cột? Chỉ nêu số, không đoán nguyên nhân."
6. Tự đối chiếu ngẫu nhiên một ô: lọc khách của một lứa, đếm tay số người có giao dịch trong khoảng tương ứng.

Ở ví dụ này dùng quý thay vì tháng vì đồ gia dụng mua thưa. Nếu dùng tháng, phần lớn ô sẽ rất nhỏ và dao động mạnh. Chọn độ dài khoảng theo chu kỳ mua thật của ngành.

Bước bốn quan trọng: một lứa chỉ có ba mươi khách thì một hai người quay lại hay không cũng làm phần trăm nhảy mạnh. Đừng kết luận từ ô có quá ít người.

Những kết luận sai hay gặp

So lứa mới với lứa cũ khi lứa mới chưa đủ thời gian. Tỉ lệ "đã quay lại ít nhất một lần" của lứa cũ đương nhiên cao hơn vì họ có nhiều tháng hơn để quay lại. So phải ở cùng cột, tức cùng độ tuổi của lứa.

Đổ hết cho chất lượng phục vụ. Lứa quay lại kém có thể vì kênh đưa khách tới khác đi, vì mùa, vì giá, vì đối thủ. Bảng theo lứa cho biết chuyện gì xảy ra và ở lứa nào, chứ không tự nói vì sao. Cần đọc thêm phản hồi của khách và nhớ lại những gì đã thay đổi trong tháng đó.

Coi lứa khuyến mãi là thất bại. Lứa khuyến mãi quay lại theo tỉ lệ thấp hơn, nhưng do số khách lớn hơn, số người ở lại thật có thể vẫn nhiều hơn một lứa thường. Nên xem cả số người, không chỉ phần trăm.

Quên mùa vụ. Lứa đến ngay trước Tết hay trước mùa tựu trường có thể có thói quen quay lại khác. Khi có dữ liệu đủ hai năm, so lứa tháng Một năm nay với lứa tháng Một năm trước sẽ công bằng hơn so với lứa tháng Mười Hai.

Thêm một góc nhìn: doanh thu cộng dồn của mỗi lứa

Phần trăm khách quay lại chỉ đếm người, không đếm tiền. Một lứa có ít người quay lại nhưng mỗi người mua lớn có thể mang về nhiều hơn một lứa quay lại đông mà mua nhỏ. Vì vậy, bên cạnh bảng phần trăm, nên nhờ AI lập thêm bảng doanh thu cộng dồn bình quân trên mỗi khách của từng lứa: tính tới tháng thứ một, thứ hai, thứ ba, mỗi khách của lứa đó đã chi tổng cộng bao nhiêu kể từ lần mua đầu.

Bảng này trả lời một câu hỏi rất thực tế: một khách mới đến trong tháng Ba, sau sáu tháng, đã mang lại cho cửa hàng bao nhiêu tiền, và con số đó có khác khách đến trong tháng Bảy không. Với lứa khuyến mãi, bảng doanh thu thường cho bức tranh rõ hơn bảng phần trăm, vì nó tính cả phần giảm giá ở lần mua đầu.

Câu lệnh mẫu: "Với mỗi lứa, tính tổng tiền các giao dịch từ lần mua đầu đến hết tháng thứ một, thứ hai, thứ ba, chia cho số khách của lứa. Ô chưa đủ thời gian để trống." Khi đọc, cũng đọc theo cột như bảng phần trăm. Lưu ý đây là doanh thu, chưa trừ giá vốn và chi phí; muốn biết lứa nào thật sự có lãi cần ghép thêm số chi phí, phần đó thuộc bài phân tích chi phí và hiệu quả.

Dùng kết quả để làm tốt lần mua thứ hai

Nếu bảng cho thấy phần rơi lớn nhất nằm ngay sau lần mua đầu, việc đáng làm nhất là chăm chút khoảng thời gian đó. Với quán cà phê, có thể là nhân viên nhớ món của khách mới ở lần thứ hai, hay phiếu tích điểm được tặng thêm một dấu cho lần ghé thứ hai trong tháng. Với tiệm online, có thể là hỏi thăm sau giao hàng xem sản phẩm có dùng ổn không, kèm hướng dẫn bảo quản, chứ không phải ngay lập tức gửi mã giảm giá.

Mỗi thay đổi như vậy là một thử nghiệm. Bảng theo lứa chính là công cụ đo kết quả: nếu từ tháng Mười bạn bắt đầu hỏi thăm sau giao hàng, hãy theo dõi cột tháng thứ nhất của các lứa từ tháng Mười trở đi so với các lứa trước. Ghi rõ ngày bắt đầu thay đổi để khi đọc bảng, bạn và AI biết đường ranh giới nằm ở đâu.

Khi trình bày cho người cùng quản lý, đừng đưa nguyên bảng tam giác. Nhờ AI viết ba câu: lứa gần nhất quay lại ở tháng thứ nhất được bao nhiêu phần so với trung bình sáu lứa trước, lứa nào bất thường và đã biết lý do chưa, và thử nghiệm nào đang chạy. Bảng chi tiết để kèm cho ai muốn xem sâu.

Câu hỏi thường gặp

Tỉ lệ khách quay lại bao nhiêu là tốt?

Không có con số chung cho mọi ngành. Quán ăn sáng, tiệm tạp hoá, cửa hàng nội thất có chu kỳ mua rất khác nhau. Cách so có ý nghĩa nhất là so cửa hàng bạn với chính nó qua các lứa và qua các năm, ở cùng độ tuổi của lứa.

Phân tích theo lứa khác gì với phân nhóm khách RFM?

RFM chia khách hiện có theo hành vi mua để quyết định chăm sóc từng người. Phân tích theo lứa nhìn từng đợt khách mới qua thời gian để đánh giá khả năng giữ khách của cửa hàng. Hai cách bổ sung cho nhau, thường dùng cả hai.

Cần bao nhiêu dữ liệu để lập bảng theo lứa?

Ít nhất sáu đến mười hai tháng để có vài lứa với đủ cột để so. Mỗi lứa nên có từ vài trăm khách trở lên; lứa quá nhỏ cho phần trăm dao động mạnh. Cửa hàng ít khách mới có thể gộp lứa theo quý.

Khách vãng lai không có mã thì có tính được không?

Không. Phân tích theo lứa cần biết một người đã mua lần đầu khi nào và có quay lại không, nên phải có mã định danh. Ghi rõ trong báo cáo phần doanh thu có gắn mã để người đọc biết giới hạn của con số.

AI có thể tự giải thích vì sao một lứa quay lại kém không?

AI chỉ thấy số trong bảng nên sẽ đoán, và lời đoán thường nghe hợp lý nhưng không có căn cứ. Hãy yêu cầu AI chỉ ra lứa bất thường, còn nguyên nhân thì bạn đối chiếu với những gì đã xảy ra ở cửa hàng trong tháng đó.

Gửi dữ liệu khách lên AI để phân tích theo lứa có an toàn không?

An toàn hơn nhiều nếu chỉ gửi mã khách ngẫu nhiên, ngày mua và số tiền. Bảng đối chiếu mã với tên, số điện thoại giữ trên máy của cửa hàng. Dùng tài khoản có tuỳ chọn không dùng dữ liệu để huấn luyện theo cài đặt hiện hành.