Cách phân nhóm khách hàng dễ làm nhất cho cửa hàng nhỏ là dựa trên ba câu hỏi về lịch sử mua: lần mua gần nhất cách đây bao lâu, đã mua bao nhiêu lần, tổng chi bao nhiêu. Ba câu hỏi đó, thường gọi tắt là RFM, chia danh sách thành vài nhóm mà mỗi nhóm cần một kiểu thư khác nhau: khách mới cần hướng dẫn, khách quen cần được ghi nhận, khách lâu không quay lại cần một lý do.
Bài này hướng dẫn làm việc đó bằng bảng tính thông thường, dùng AI viết công thức và gợi ý nội dung cho từng nhóm, mà không đưa dữ liệu khách thật vào công cụ AI. Phân tích dữ liệu chuyên sâu hơn có ở trang AI Phân Tích; ở đây chỉ dừng ở mức đủ để gửi thư đúng người.
Vì sao gửi một thư cho tất cả là lãng phí
Khi cùng một thư giảm giá gửi tới mọi người trong danh sách, khách vừa mua hôm qua thấy tiếc vì không được giảm, khách quen mua mười lần thấy mình bị đối xử như người lạ, còn người đăng ký nhận tin nhưng chưa mua bao giờ thì chưa đủ tin để mua chỉ vì một mã giảm giá. Một thư cố nói với tất cả thường không chạm được ai.
Phân nhóm không cần phần mềm đắt tiền. Phần lớn cửa hàng đã có sẵn dữ liệu trong phần mềm bán hàng, sổ đơn trên bảng tính, hay lịch sử đơn trên sàn. Chỉ cần xuất ra được ba cột: mã khách, ngày mua, số tiền mỗi đơn. Từ đó bảng tính làm được phần còn lại.
Lợi ích lớn nhất của việc phân nhóm không nằm ở doanh số của một đợt gửi mà ở chỗ bạn ít làm phiền người không cần. Ít thư thừa thì ít người huỷ nhận, ít người báo spam, danh sách giữ được lâu. Về lâu dài, đó là thứ quyết định kênh email hay Zalo của bạn còn dùng được hay không.
Ba chỉ số và cách chấm cho cửa hàng nhỏ
Mỗi khách được chấm điểm từ một đến ba cho mỗi chỉ số. Ngưỡng cụ thể tuỳ ngành và chu kỳ mua của bạn; số trong bảng chỉ là ví dụ giả định cho một cửa hàng quần áo.
| Chỉ số | Câu hỏi | Ba điểm | Hai điểm | Một điểm |
|---|---|---|---|---|
| Gần đây (R) | Lần mua cuối cách đây bao lâu? | Dưới hai tháng | Hai đến sáu tháng | Trên sáu tháng |
| Tần suất (F) | Mua bao nhiêu lần trong một năm qua? | Từ bốn lần | Hai đến ba lần | Một lần |
| Giá trị (M) | Tổng chi trong một năm qua? | Nhóm chi nhiều nhất | Nhóm giữa | Nhóm chi ít nhất |
Với giá trị, thay vì đặt ngưỡng tiền cố định, bạn có thể chia khách thành ba phần bằng nhau theo tổng chi. Cách này tự điều chỉnh khi giá cả thay đổi. Với ngành có chu kỳ mua dài như nội thất, ngưỡng gần đây phải giãn ra nhiều; với tiệm cà phê hay cửa hàng thực phẩm, ngưỡng phải ngắn lại.
Làm trên bảng tính với AI viết công thức
Bạn không cần biết viết công thức phức tạp. AI làm tốt việc này nếu bạn mô tả cấu trúc bảng mà không đưa dữ liệu thật. Các bước:
- Xuất danh sách đơn hàng một năm gần nhất với ba cột: mã khách, ngày đơn, tiền đơn. Thay tên và số điện thoại bằng mã khách nếu phần mềm chưa có sẵn mã.
- Mô tả bảng cho AI bằng lời: "Bảng tính có cột A là mã khách, cột B là ngày đơn, cột C là số tiền. Hãy viết công thức tạo bảng tổng hợp mỗi khách một dòng với ngày mua gần nhất, số đơn trong mười hai tháng, tổng tiền, rồi chấm điểm R, F, M theo ngưỡng sau." Kèm ngưỡng bạn đã chọn.
- Chép công thức vào bảng, kiểm thử bằng tay với năm khách bạn nhớ rõ: ngày mua gần nhất đúng không, số đơn đúng không.
- Ghép ba điểm thành mã nhóm, ví dụ khách 3-3-3 là khách tốt nhất, khách 1-1-1 là khách đã nguội.
- Gộp mã nhóm thành năm sáu nhóm có tên dễ hiểu để dùng khi gửi thư.
Nếu dữ liệu chỉ vài trăm dòng và bạn quen bảng tính, cả quy trình mất chừng một buổi. Lần sau chỉ cần dán dữ liệu mới vào và bảng tự tính lại. Đừng dán bảng dữ liệu khách thật vào chatbot để nó tính hộ; công thức bảng tính làm được và dữ liệu ở lại máy của bạn.
Năm nhóm thường gặp và kiểu thư cho mỗi nhóm
Tên nhóm dưới đây đặt theo ý nghĩa với việc gửi thư. Bạn có thể gộp hoặc tách tuỳ số lượng khách.
| Nhóm | Điểm điển hình | Khách cần gì | Kiểu thư hoặc tin hợp |
|---|---|---|---|
| Khách thân thiết | R cao, F cao, M cao | Được ghi nhận, biết tin trước | Mời xem hàng mới sớm, thư cảm ơn riêng, hỏi ý kiến |
| Khách mới | R cao, F thấp | Hướng dẫn, lý do mua lần hai | Cách dùng, bảo quản, gợi ý món đi kèm |
| Khách đều đặn | R vừa, F vừa | Được nhắc đúng lúc | Bản tin định kỳ, nhắc theo mùa |
| Khách đang nguội | R thấp, F từng cao | Một lý do quay lại | Thư hỏi thăm, chia sẻ thay đổi của cửa hàng |
| Khách đã mất | R rất thấp, F thấp | Có thể không cần gì | Một thư hỏi còn muốn nhận tin không, rồi ngừng nếu không phản hồi |
Thư cho nhóm khách thân thiết không nhất thiết phải là giảm giá. Nhiều khách quen trân trọng việc được báo trước hàng mới hay được hỏi ý kiến hơn là một mã giảm nhỏ. Còn với nhóm đã mất, việc hỏi thẳng và ngừng gửi giúp danh sách sạch hơn.
Khi dữ liệu nằm rải rác ở nhiều nơi
Cửa hàng bán cả tại quầy, trên sàn và qua tin nhắn thường có dữ liệu ở ba bốn chỗ: phần mềm bán hàng tại quầy, trang quản lý người bán của sàn, sổ đơn tự ghi trên bảng tính. Cùng một khách có thể xuất hiện ở hai nơi với hai cách ghi tên khác nhau. Trước khi phân nhóm, cần gom về một bảng và quyết định cách nhận ra cùng một người.
Cách thực tế là dùng số điện thoại làm khoá chung, vì hầu hết đơn đều có. Chuẩn hoá về cùng một dạng, bỏ dấu cách và dấu chấm, rồi đổi thành mã khách trước khi làm gì tiếp. Đơn trên sàn thường không cho bạn liên hệ khách ngoài sàn để quảng cáo, nên đơn sàn chỉ dùng để hiểu hành vi mua, còn danh sách gửi thư chỉ gồm người đã tự đăng ký với bạn.
AI giúp được ở bước chuẩn hoá: mô tả các dạng số điện thoại lộn xộn bạn gặp, nhờ viết công thức làm sạch. Như trước, mô tả bằng ví dụ bịa ra, không dán dữ liệu thật. Phần đối chiếu những trường hợp khó, như một người dùng hai số, để người trong cửa hàng tự quyết.
Dùng AI soạn thư khác nhau cho từng nhóm
Khi đã có nhóm, AI giúp bạn viết nhiều phiên bản của cùng một thông điệp cho từng nhóm. Ví dụ giả định: cửa hàng quần áo ở Hải Phòng chuẩn bị ra bộ sưu tập mùa đông. Thay vì một thư chung, bạn nhờ AI viết bốn phiên bản: khách thân thiết được mời xem trước hai ngày, khách mới được gợi ý cách phối với món đã mua, khách đều đặn nhận thư bình thường, khách đang nguội nhận thư kể những gì đã thay đổi ở cửa hàng từ lần cuối họ ghé.
Câu lệnh mẫu: "Bạn là người viết thư cho một cửa hàng quần áo nữ nhỏ. Viết bốn phiên bản thư giới thiệu bộ sưu tập mùa đông cho bốn nhóm khách sau, mỗi thư dưới một trăm năm mươi chữ, cùng giọng thân thiện, xưng shop. Nhóm một: khách thân thiết, mời xem trước. Nhóm hai: khách mới mua lần đầu. Nhóm ba: khách mua đều. Nhóm bốn: khách lâu chưa quay lại. Không hứa giảm giá, không dùng từ cường điệu."
AI chỉ cần biết tên nhóm và đặc điểm chung, không cần danh sách người trong nhóm. Sau khi có bốn bản nháp, bạn kiểm thông tin sản phẩm, sửa giọng, rồi gửi mỗi bản cho đúng nhóm trong công cụ gửi thư hay tài khoản Zalo doanh nghiệp.
Ví dụ giả định: hai tháng sau khi bắt đầu phân nhóm
Một cửa hàng quần áo nhỏ có khoảng một nghìn hai trăm khách trong danh sách. Trước đây mỗi tháng gửi hai thư chung cho tất cả. Sau khi phân nhóm, cửa hàng gửi bản tin chung một lần mỗi tháng, thêm một thư riêng cho nhóm khách thân thiết khi có hàng mới, và một thư hỏi thăm cho nhóm khách đang nguội.
Sau hai tháng, tổng số thư gửi đi giảm, số người huỷ nhận cũng giảm theo. Nhóm khách thân thiết trả lời thư nhiều hơn hẳn, có người hỏi giữ size trước. Nhóm khách nguội phản hồi ít, nhưng vài người quay lại mua và nói họ tưởng cửa hàng đã đóng cửa. Không có con số nào ở đây là chuẩn để so; điều đáng học là cách làm: gửi ít đi, nói đúng với từng nhóm, rồi nhìn phản hồi của chính khách mình để chỉnh tiếp.
Giữ phân nhóm sống và không biến nó thành hồ sơ theo dõi
Tính lại định kỳ. Khách di chuyển giữa các nhóm mỗi tháng. Tính lại trước mỗi đợt gửi lớn, hoặc ít nhất mỗi tháng một lần, để khách vừa quay lại không bị xếp vào nhóm đã mất.
Ít nhóm thì làm được. Năm sáu nhóm là đủ với cửa hàng nhỏ. Hai mươi nhóm nghe khoa học nhưng không ai viết nổi hai mươi phiên bản thư, và nhóm nào cũng quá ít người để học được gì.
Chỉ dùng dữ liệu cần thiết. Phân nhóm theo lịch sử mua là đủ. Không cần và không nên suy đoán thu nhập, tình trạng hôn nhân hay sức khoẻ của khách từ dữ liệu mua hàng, kể cả khi AI có thể gợi ý làm thế.
Người xem dữ liệu càng ít càng tốt. Bảng tính có mã khách kèm tổng chi là dữ liệu nhạy cảm của cửa hàng. Lưu ở chỗ có mật khẩu, không gửi qua nhóm chat chung, xoá các bản xuất tạm sau khi dùng xong.
Khách có quyền không bị nhắm. Nếu khách yêu cầu ngừng nhận thư hay xoá dữ liệu, làm theo và xoá họ khỏi mọi bảng phân nhóm, không chỉ khỏi danh sách gửi.
Câu hỏi thường gặp
Mô hình RFM là gì và cửa hàng nhỏ có dùng được không?
RFM chấm khách theo ba chỉ số: lần mua gần nhất, số lần mua và tổng chi. Cửa hàng nhỏ dùng được bằng bảng tính thông thường, chỉ cần xuất được mã khách, ngày đơn và số tiền đơn trong một năm gần nhất.
Cần bao nhiêu khách thì phân nhóm mới có ý nghĩa?
Từ vài trăm khách đã có ích, vì bạn bắt đầu thấy rõ nhóm khách quen và nhóm khách nguội. Với ít hơn, có thể chia đơn giản thành khách đã mua và chưa mua, khách mua gần đây và lâu rồi.
Có nên đưa bảng dữ liệu khách vào chatbot để phân nhóm hộ không?
Không nên. Mô tả cấu trúc bảng bằng lời và nhờ AI viết công thức bảng tính là đủ. Dữ liệu khách ở lại trên máy của bạn, không đi qua một bên thứ ba và vẫn ra được kết quả như nhau.
Nên chia khách thành bao nhiêu nhóm?
Năm đến sáu nhóm là vừa với cửa hàng nhỏ, đủ để viết thư khác nhau mà vẫn kịp làm. Chia quá nhiều nhóm thì mỗi nhóm quá ít người và bạn không đủ sức viết riêng cho từng nhóm.
Khách thân thiết có cần được giảm giá nhiều hơn không?
Không nhất thiết. Nhiều khách quen trân trọng việc được biết hàng mới sớm, được cảm ơn riêng hay được hỏi ý kiến hơn là một mã giảm nhỏ. Hãy thử cả hai cách và xem nhóm này phản hồi với cách nào.
Bao lâu thì nên tính lại phân nhóm khách hàng?
Mỗi tháng một lần, hoặc trước mỗi đợt gửi lớn. Khách di chuyển giữa các nhóm khá nhanh, tính lại giúp khách vừa quay lại không bị gửi nhầm thư dành cho khách đã lâu không mua.