Phân khúc khách hàng là chia toàn bộ khách thành vài nhóm có hành vi hoặc nhu cầu giống nhau, để mỗi nhóm được đối xử theo cách phù hợp thay vì gửi một thông điệp cho tất cả. Với cửa hàng nhỏ đã có lịch sử đơn hàng, cách phân khúc dễ bắt đầu nhất là RFM: chấm điểm mỗi khách theo ba yếu tố, lần mua gần nhất cách đây bao lâu, mua bao nhiêu lần, và đã chi bao nhiêu.
RFM không cần phần mềm đắt tiền: một bảng tính và vài công thức là đủ. AI giúp ở chỗ viết công thức, giải thích kết quả và gợi ý tên gọi cho từng nhóm, mà không cần bạn dán dữ liệu thật có tên khách vào chatbot. Bài này đi từng bước, kèm một ví dụ giả định, và chỉ ra những chỗ dễ đọc sai số.
Bốn cách chia khách, và vì sao RFM hợp cửa hàng nhỏ
Có nhiều tiêu chí để phân khúc. Mỗi tiêu chí trả lời một câu hỏi khác nhau, và cửa hàng nhỏ nên chọn tiêu chí mình có dữ liệu thật.
| Tiêu chí | Câu hỏi trả lời | Dữ liệu cần | Hợp với cửa hàng nhỏ khi |
|---|---|---|---|
| Nhân khẩu học | Khách là ai (tuổi, giới, nơi ở) | Thông tin khách tự khai | Chạy quảng cáo nhắm đối tượng |
| Hành vi mua (RFM) | Khách mua thế nào, có còn mua không | Lịch sử đơn hàng có mã khách | Đã bán được vài tháng, có danh sách khách |
| Nhu cầu, việc cần làm | Khách mua để làm gì | Tin nhắn, phỏng vấn | Muốn hiểu sâu để định vị và viết thông điệp |
| Kênh và hoàn cảnh | Khách đến từ đâu, mua lúc nào | Nguồn đơn, giờ đặt | Bán đa kênh, muốn chia ngân sách |
RFM có hai lợi thế lớn: dữ liệu đã nằm sẵn trong sổ đơn hàng, và kết quả dẫn thẳng tới hành động (ai cần được chăm sóc, ai đang dần quên bạn). Nhược điểm là nó chỉ cho biết khách làm gì, không cho biết vì sao. Vì vậy sau khi có nhóm, bạn vẫn cần đọc tin nhắn hoặc nói chuyện với vài khách trong nhóm để hiểu lý do.
Ba chữ R, F, M nghĩa là gì trong thực tế
R — Recency, lần mua gần nhất. Số ngày từ lần mua cuối đến hôm nay. Khách mua tuần trước có khả năng mua lại cao hơn khách mua cách đây một năm. Đây thường là chỉ số dự báo tốt nhất trong ba chỉ số.
F — Frequency, số lần mua. Đếm số đơn trong một khoảng thời gian cố định, thường là mười hai tháng. Với cửa hàng bán hàng tiêu dùng nhanh như đồ ăn sáng hay cà phê, có thể rút xuống ba hoặc sáu tháng.
M — Monetary, tổng chi tiêu. Tổng giá trị các đơn trong cùng khoảng thời gian. Nên dùng doanh thu sau khi trừ đơn hoàn, đơn huỷ, để không tính nhầm người đặt rồi trả.
Chọn khoảng thời gian theo nhịp mua của ngành. Tiệm bán hạt giống cho nhà vườn có nhịp mua theo mùa vụ, nên khoảng mười hai tháng là tối thiểu. Quán cơm trưa văn phòng có nhịp mua hằng tuần, nên ba tháng đã đủ để thấy ai đang rời đi.
Điểm 1 đến 5 cho mỗi chữ. Cách phổ biến là xếp khách theo từng chỉ số rồi chia thành năm phần bằng nhau, phần tốt nhất được 5 điểm. Với R, ngày càng ít thì điểm càng cao; với F và M, càng nhiều càng cao. Nếu có ít khách, chia ba mức thay vì năm cho dễ đọc.
Tính RFM trên bảng tính, AI chỉ viết công thức
Cách an toàn nhất là để dữ liệu thật nằm yên trên máy của bạn, chỉ mô tả cấu trúc bảng cho AI và nhờ nó viết công thức. Không cần dán danh sách khách vào chatbot.
- Xuất lịch sử đơn hàng ra bảng tính với bốn cột: mã khách, ngày đặt, giá trị đơn, trạng thái đơn. Xoá các cột họ tên, số điện thoại, địa chỉ nếu có. Mã khách giúp gộp các đơn của cùng một người.
- Mô tả cho AI: “Bảng có cột A là mã khách, B là ngày đặt, C là giá trị đơn, D là trạng thái. Viết công thức để tạo bảng mới, mỗi dòng một mã khách, gồm số ngày từ lần mua cuối đến ngày hôm nay, số đơn thành công trong mười hai tháng, tổng giá trị đơn thành công.” Ghi rõ bạn dùng bảng tính nào để công thức đúng cú pháp.
- Tiếp tục hỏi: “Viết công thức chấm điểm 1 đến 5 cho mỗi chỉ số theo phân vị, điểm R đảo chiều.” Kiểm công thức trên năm dòng đầu bằng cách tự tính tay.
- Ghép ba điểm thành mã như 5-4-5 hoặc 1-1-2. Lọc và đếm số khách theo từng tổ hợp.
- Chỉ dán cho AI bảng tổng hợp (mỗi nhóm có bao nhiêu khách, chi tiêu trung bình), không dán danh sách từng khách, rồi nhờ gợi ý cách gộp các tổ hợp thành bốn đến sáu nhóm có ý nghĩa.
Nếu bảng tính báo lỗi công thức, dán thông báo lỗi và một dòng dữ liệu mẫu đã thay bằng số giả cho AI để nó sửa. Không cần lộ dữ liệu thật để gỡ lỗi.
Đặt tên nhóm và việc nên làm với từng nhóm (ví dụ giả định)
Ví dụ dưới đây là một cửa hàng giả định bán đồ khô đặc sản ở Đồng Tháp, có vài trăm khách mua qua tin nhắn trong năm. Tên nhóm và tỉ lệ chỉ để minh hoạ cách đọc.
| Nhóm | Đặc điểm điểm số | Việc nên làm |
|---|---|---|
| Khách gắn bó | R cao, F cao, M cao | Cảm ơn riêng, mời thử sản phẩm mới trước, hỏi ý kiến khi định đổi gì |
| Khách mới tiềm năng | R cao, F thấp | Hướng dẫn dùng sản phẩm, gợi ý món mua kèm, nhắc nhẹ lần mua thứ hai |
| Khách đang nguội | R trung bình, F và M từng cao | Hỏi thăm, tìm hiểu lý do, không vội tặng mã giảm giá |
| Khách đã rời | R rất thấp, F thấp | Một lời chào lại có ý nghĩa, sau đó tôn trọng nếu họ không phản hồi |
| Khách mua quà theo mùa | F thấp nhưng M cao, mua đúng dịp lễ | Nhắc trước mùa lễ vài tuần, chuẩn bị gói quà sẵn |
Lưu ý nhóm cuối: RFM thuần tuý sẽ xếp khách mua quà Tết vào nhóm “đang nguội” suốt chín tháng còn lại, dù họ vẫn trung thành theo cách của họ. Đây là ví dụ cho việc phải đọc kết quả bằng hiểu biết về ngành, không chỉ bằng điểm số. Phần nhắn tin và gửi email theo nhóm có ở danh mục Email và Zalo của trang.
Chọn nhóm để tập trung và vẽ chân dung
Phân khúc xong, câu hỏi tiếp theo là dồn sức vào nhóm nào. Ba tiêu chí giúp chọn: nhóm đủ lớn hoặc mang lại đủ doanh thu để đáng làm, bạn tiếp cận được nhóm đó bằng kênh sẵn có, và nhóm đó hợp với điều cửa hàng làm tốt nhất. Một nhóm lớn nhưng chỉ mua khi giảm giá sâu có thể không hợp với cửa hàng muốn định vị chất lượng.
Với nhóm được chọn, bước tiếp theo là vẽ chân dung. Lấy mã khách của nhóm, tìm tin nhắn và đánh giá của họ, che thông tin cá nhân, rồi làm theo quy trình dựng chân dung đã trình bày trong bài riêng của danh mục. Lúc này bạn biết chân dung đó đại diện cho bao nhiêu khách và bao nhiêu doanh thu, thay vì vẽ một nhân vật không biết ở đâu ra.
Đừng quên nhóm khách mới tiềm năng. Họ thường chiếm phần đông danh sách nhưng ít được chú ý, trong khi lần mua thứ hai là thời điểm quyết định khách có ở lại hay không. Hiểu vì sao khách mới không quay lại thường đáng giá hơn tìm thêm khách mới.
Những chỗ dễ đọc sai số khi phân khúc
RFM đơn giản nên rất dễ dùng sai. Kiểm lại những điểm sau trước khi đưa kết quả vào kế hoạch.
- Một khách, nhiều mã: cùng một người đặt bằng hai tài khoản hay hai số điện thoại sẽ bị tính thành hai khách nhỏ. Gộp trước khi tính nếu có thể.
- Đơn sỉ lẫn đơn lẻ: một đại lý nhỏ mua hàng tháng sẽ làm lệch cả điểm F và M. Tách khách sỉ ra phân tích riêng.
- Khoảng thời gian quá ngắn: tính trong ba tháng với sản phẩm mua theo mùa sẽ cho kết quả sai hoàn toàn.
- Tin con số AI tự cộng: nếu lỡ dán bảng cho AI tính tổng, kiểm lại bằng công thức của bảng tính. Mô hình ngôn ngữ có thể cộng sai với bảng dài.
- Coi phân khúc là cố định: khách di chuyển giữa các nhóm hằng tháng. Tính lại định kỳ, và theo dõi số khách chuyển từ nhóm này sang nhóm khác, đó mới là thước đo bạn chăm sóc khách có hiệu quả không.
- Đi quá sâu: phân tích cụm nâng cao, mô hình dự đoán rời bỏ là việc của người làm dữ liệu chuyên sâu, có ở trang AI Phân Tích. Với cửa hàng nhỏ, năm nhóm RFM đọc hiểu được tốt hơn hai mươi cụm không ai giải thích nổi.
Dùng phân khúc đúng mực: chăm sóc chứ không làm phiền
Có danh sách khách đang nguội trong tay, phản xạ đầu tiên của nhiều cửa hàng là nhắn tin dồn dập. Đó là cách nhanh nhất để biến khách đang nguội thành khách chặn tin. Chỉ liên hệ những khách đã đồng ý nhận tin từ cửa hàng, giữ tần suất thưa, và mỗi tin nhắn phải có lý do chính đáng với người nhận: một sản phẩm họ từng mua đã có lại, một lời hỏi thăm sau khi họ phàn nàn, một thông tin hữu ích theo mùa.
Phân khúc cũng không nên dẫn tới đối xử thiếu công bằng mà khách nhận ra được. Ưu đãi riêng cho khách gắn bó là bình thường; nhưng để khách mới chờ lâu hơn hay trả lời họ qua loa vì điểm RFM thấp sẽ phản tác dụng, vì chính họ là nguồn khách gắn bó sau này.
Về dữ liệu, bảng RFM là thông tin về hành vi mua của từng người. Lưu ở nơi chỉ người cần mới mở được, không gửi qua nhóm chat chung, không chia sẻ cho bên ngoài. Khi thuê người làm marketing hay đối tác bên ngoài, chỉ đưa số liệu tổng hợp theo nhóm, và tham khảo quy định bảo vệ dữ liệu cá nhân hiện hành cho những gì cần làm thêm.
Câu hỏi thường gặp
Cửa hàng không có mã khách thì có làm RFM được không?
Khó làm chính xác. Bạn cần một cách để biết các đơn thuộc cùng một người. Nếu bán qua tin nhắn, tài khoản nhắn tin có thể tạm làm mã. Từ nay về sau, hãy gắn mã khách cho mỗi đơn, chẳng hạn mã thành viên, để vài tháng sau có dữ liệu đủ dùng.
Bao nhiêu khách thì phân khúc RFM mới có ý nghĩa?
Từ khoảng một trăm khách trở lên, RFM bắt đầu cho các nhóm đủ lớn để có ý nghĩa. Ít hơn thế, bạn có thể đọc trực tiếp danh sách khách và tự chia nhóm bằng mắt. Khi khách ít, chia ba mức điểm thay vì năm cho mỗi chỉ số.
Có nên dán danh sách khách hàng vào ChatGPT để tính RFM nhanh hơn không?
Không nên dán danh sách có thông tin định danh. Cách an toàn là mô tả cấu trúc bảng và nhờ AI viết công thức, còn dữ liệu nằm trên máy của bạn. Nếu buộc phải dán, chỉ dán mã khách đã thay bằng số ngẫu nhiên và các cột số, không có tên, điện thoại hay địa chỉ.
RFM khác gì giá trị vòng đời khách hàng?
RFM chấm điểm hành vi đã xảy ra để chia nhóm. Giá trị vòng đời ước tính tổng giá trị một khách mang lại trong suốt thời gian gắn bó, thường dùng để quyết định nên chi bao nhiêu để có một khách mới. Hai khái niệm bổ trợ nhau; phần đo lường chi tiết nằm ở danh mục đo lường của trang.
Bao lâu nên tính lại phân khúc một lần?
Mỗi tháng một lần là nhịp phù hợp cho phần lớn cửa hàng nhỏ. Ngành có nhịp mua nhanh như đồ ăn, đồ uống có thể tính hai tuần một lần. Điều quan trọng là giữ nguyên cách tính để so sánh được theo thời gian.
Có nên tặng mã giảm giá cho nhóm khách đang nguội không?
Không nên mặc định như vậy. Giảm giá có thể kéo khách quay lại một lần nhưng dạy họ chỉ mua khi có ưu đãi. Trước tiên hãy hỏi thăm để hiểu lý do họ ngừng mua. Nếu lý do là vận hành như giao trễ hay hàng lỗi, sửa điều đó hiệu quả hơn mọi mã giảm giá.