Phân tích Mua lại Khách hàng Mới

I. Giới thiệu Máy tính

Máy tính Phân tích Mua lại Khách hàng Mới là công cụ chuyên dụng để phân tích hành vi mua lại của người dùng mới đăng ký sau đăng ký. Bằng cách tính toán tỷ lệ mua lại 7 và 30 ngày, công cụ này giúp bạn có được những hiểu biết sâu sắc về lòng trung thành của khách hàng mới và tiềm năng mua lại, cung cấp hỗ trợ dữ liệu để phát triển các chiến lược vận hành khách hàng mới.

Tính năng Cốt lõi

• Phân tích Tỷ lệ Mua lại 7 Ngày: Thống kê về hành vi mua lại của khách hàng mới trong 7 ngày sau khi đăng ký (bao gồm ngày đăng ký)
• Phân tích Tỷ lệ Mua lại 30 Ngày: Thống kê về hành vi mua lại của khách hàng mới trong 30 ngày sau khi đăng ký (bao gồm ngày đăng ký)
• Phân tích Xu hướng Thời gian: Cung cấp biểu đồ xu hướng tỷ lệ mua lại hàng ngày, hàng tuần và hàng tháng để quan sát những thay đổi trong hành vi mua lại
• Thống kê Nhóm: Nhóm theo tháng đăng ký để hiển thị hiệu suất mua lại của khách hàng mới trong các giai đoạn khác nhau

Kịch bản Ứng dụng

• Đánh giá hiệu quả của các chiến lược vận hành khách hàng mới
• Xác định đặc điểm của các nhóm khách hàng mới có tỷ lệ mua lại cao hơn
• So sánh hiệu suất mua lại của khách hàng mới qua các giai đoạn khác nhau
• Phát triển các chiến lược kích hoạt và giữ chân khách hàng mới

Khách hàng Mục tiêu

Máy tính này phù hợp với tất cả các ngành công nghiệp và kịch bản cần phân tích hành vi mua lại khách hàng mới, đặc biệt là các loại khách hàng sau:

• Ngành Thực phẩm và Đồ uống: Nhà hàng, chuỗi thức ăn nhanh, quán cà phê, cửa hàng trà sữa, v.v. Phân tích mua lại của khách hàng mới sau lần tiêu dùng đầu tiên, đánh giá tác động của chất lượng thực phẩm và trải nghiệm dịch vụ đến việc giữ chân khách hàng mới
• Nền tảng Thương mại Điện tử: Thương mại điện tử B2C, nền tảng C2C, thương mại điện tử dọc, v.v. Phân tích tỷ lệ mua lại của người dùng mới sau đăng ký, tối ưu hóa hoạt động khách hàng mới và chiến lược đề xuất sản phẩm
• Ngành Bán lẻ: Siêu thị, cửa hàng tiện lợi, cửa hàng chuyên dụng, bán lẻ thương hiệu, v.v. Hiểu thói quen mua lại của khách hàng mới, phát triển chiến lược tiếp thị thành viên và khuyến mãi
• Dịch vụ Cuộc sống: Tiệm làm đẹp, câu lạc bộ thể dục, dịch vụ rửa xe, dịch vụ gia đình, v.v. Đánh giá cách chất lượng dịch vụ thúc đẩy mua lại khách hàng mới
• Giáo dục Trực tuyến: Nền tảng khóa học trực tuyến, tổ chức đào tạo, v.v. Phân tích tỷ lệ mua lại của học viên mới, tối ưu hóa nội dung khóa học và trải nghiệm học tập
• Dịch vụ Đăng ký: Nền tảng video, nền tảng âm nhạc, nền tảng đọc sách, v.v. Phân tích ý muốn gia hạn và hành vi mua lại của người dùng mới sau khi đăng ký
• Các Doanh nghiệp B2C Khác: Bất kỳ doanh nghiệp nào nhắm đến người tiêu dùng cá nhân, miễn là liên quan đến việc thu hút khách hàng mới và chuyển đổi mua lại, đều có thể sử dụng công cụ này để phân tích

Điều kiện Tiên quyết: Doanh nghiệp của bạn cần có thể cung cấp dữ liệu với ID người dùng, ngày đặt hàng và ngày đăng ký, và khách hàng mới thường có đơn hàng vào ngày đăng ký.

---

II. Giới thiệu Thuật toán

2.1 Khái niệm Cốt lõi

Định nghĩa Mua lại

Mua lại: Người dùng có nhiều ngày đặt hàng khác nhau trong một cửa sổ thời gian được chỉ định (count(distinct order_date) > 1).

Ví dụ:

• Người dùng A đăng ký và đặt hàng vào 2024-01-01, sau đó đặt hàng khác vào 2024-01-03 → Có mua lại
• Người dùng B đăng ký và đặt hàng vào 2024-01-01, đặt nhiều đơn hàng trong cùng một ngày (nhưng chỉ có 1 ngày đặt hàng) → Không có mua lại

Định nghĩa Cửa sổ Thời gian

• Cửa sổ 7 ngày: Từ ngày đăng ký đến ngày đăng ký + 6 ngày, tổng cộng 7 ngày (bao gồm ngày đăng ký)
• Cửa sổ 30 ngày: Từ ngày đăng ký đến ngày đăng ký + 29 ngày, tổng cộng 30 ngày (bao gồm ngày đăng ký)

2.2 Logic Tính toán

Bước 1: Lọc Dữ liệu

Hệ thống lọc những người dùng đáp ứng các điều kiện sau:

1. Ngày đăng ký phải được cung cấp: Người dùng phải có trường ngày đăng ký hợp lệ
2. Phải có đơn hàng vào ngày đăng ký: Chỉ những người dùng đặt hàng vào ngày đăng ký mới được tính; người dùng không có đơn hàng vào ngày đăng ký sẽ bị loại trừ

Bước 2: Đánh giá Mua lại Người dùng

Đối với mỗi người dùng đủ điều kiện:

1. Lấy tất cả các ngày đặt hàng (không trùng lặp) của người dùng trong cửa sổ thời gian được chỉ định sau khi đăng ký
2. Đánh giá xem số lượng ngày đặt hàng có lớn hơn 1 không
   • Nếu count(distinct order_date) > 1 → Người dùng có mua lại
   • Nếu count(distinct order_date) = 1 → Người dùng không có mua lại

Bước 3: Tính toán Tỷ lệ Mua lại

Tỷ lệ mua lại tổng thể:

Tỷ lệ Mua lại = Số lượng người dùng có mua lại / Tổng số người dùng đủ điều kiện

Tỷ lệ mua lại được nhóm theo ngày đăng ký:

Tỷ lệ mua lại vào một ngày cụ thể = Số lượng người dùng đăng ký vào ngày đó có mua lại / Tổng số người dùng đăng ký vào ngày đó

Bước 4: Hiển thị Kết quả

1. Chỉ số Tổng thể:
   • Tỷ lệ mua lại 7 ngày: Tỷ lệ mua lại của tất cả khách hàng mới trong 7 ngày sau khi đăng ký
   • Tỷ lệ mua lại 30 ngày: Tỷ lệ mua lại của tất cả khách hàng mới trong 30 ngày sau khi đăng ký
2. Biểu đồ Xu hướng:
   • Xu hướng Hàng ngày Tỷ lệ Mua lại 7 Ngày: Hiển thị tỷ lệ mua lại hàng ngày 7 ngày theo ngày đăng ký
   • Xu hướng 30 Ngày Tỷ lệ Mua lại 7 Ngày: Hiển thị tỷ lệ mua lại hàng ngày 30 ngày theo ngày đăng ký (Lưu ý: Biểu đồ này hiển thị tỷ lệ mua lại trong 30 ngày sau khi đăng ký, không phải trong 7 ngày)
3. Bảng Thống kê Nhóm:
   • Nhóm theo tháng đăng ký
   • Hiển thị số lượng khách hàng mới, số lượng mua lại 7 ngày, số lượng mua lại 30 ngày, tỷ lệ mua lại 7 ngày và tỷ lệ mua lại 30 ngày cho mỗi tháng

2.3 Quy tắc Lọc Dữ liệu

• Phạm vi Thời gian: Biểu đồ và bảng chỉ hiển thị dữ liệu từ 2 năm gần nhất; dữ liệu lịch sử hơn 2 năm sẽ tự động được lọc
• Tính đầy đủ Dữ liệu: Các bản ghi thiếu các trường quan trọng (ID người dùng, ngày đặt hàng, ngày đăng ký) sẽ tự động bị loại trừ

---

III. Hướng dẫn Sử dụng và Lưu ý

3.1 Chuẩn bị Dữ liệu

Các Trường Bắt buộc

Trước khi nhập dữ liệu, vui lòng đảm bảo tệp dữ liệu của bạn chứa ba trường sau:

1. ID Người dùng (user_id)
   • Mô tả: Trường xác định duy nhất người dùng (ID người dùng hoặc số điện thoại)
   • Yêu cầu định dạng: Văn bản hoặc số đều được chấp nhận
   • Ví dụ: U001, 12345, 13800138000
2. Ngày Đặt hàng (order_date)
   • Mô tả: Ngày người dùng đặt hàng
   • Yêu cầu định dạng: Hỗ trợ nhiều định dạng ngày (như YYYY-MM-DD, YYYY/MM/DD, MM/DD/YYYY, v.v.)
   • Lưu ý: Hệ thống tự động nhận dạng các định dạng ngày phổ biến; nên sử dụng định dạng ngày chuẩn để đảm bảo phân tích chính xác
3. Ngày Đăng ký (first_order_date)
   • Mô tả: Ngày đăng ký của người dùng (được sử dụng làm ngày nhãn)
   • Yêu cầu định dạng: Giống với định dạng ngày đặt hàng
   • Quan trọng: Trường này phải được cung cấp; người dùng thiếu trường này sẽ bị loại trừ khỏi phân tích

Yêu cầu Định dạng Dữ liệu

• Định dạng Tệp: Hỗ trợ định dạng CSV và Excel (.xlsx)
• Mã hóa: Nên sử dụng mã hóa UTF-8
• Khối lượng Dữ liệu: Nên khối lượng dữ liệu cho một phân tích không vượt quá 1 triệu bản ghi để đảm bảo hiệu quả tính toán

3.2 Ánh xạ Trường

Sau khi tải lên dữ liệu, hệ thống sẽ yêu cầu bạn ánh xạ các cột trong tệp dữ liệu của bạn với các trường sau:

• Cột ID Người dùng → Chọn cột chứa định danh người dùng duy nhất
• Cột Ngày Đặt hàng → Chọn cột chứa ngày đặt hàng
• Cột Ngày Đăng ký → Chọn cột chứa ngày đăng ký của người dùng

3.3 Lọc Dữ liệu (Tùy chọn)

Hệ thống hỗ trợ lọc ngày đặt hàng và ngày đăng ký:

• Lọc Phạm vi Ngày: Bạn có thể chỉ định phạm vi thời gian cho phân tích, chỉ phân tích dữ liệu trong khoảng thời gian được chỉ định
• Khuyến nghị Sử dụng: Nếu khối lượng dữ liệu lớn, nên lọc dữ liệu 1-2 năm gần nhất trước để cải thiện tốc độ tính toán

3.4 Giải thích Kết quả

Mô tả Chỉ số

• Tỷ lệ Mua lại 7 Ngày: Phản ánh hoạt động mua lại của khách hàng mới trong một tuần sau khi đăng ký, một chỉ số quan trọng để đo lường hiệu quả kích hoạt khách hàng mới
• Tỷ lệ Mua lại 30 Ngày: Phản ánh hoạt động mua lại của khách hàng mới trong một tháng sau khi đăng ký, một chỉ số quan trọng để đo lường hiệu quả giữ chân khách hàng mới

Phân tích Xu hướng

• Xu hướng Tăng: Tỷ lệ mua lại cho thấy xu hướng tăng, cho thấy các chiến lược vận hành khách hàng mới có hiệu quả
• Xu hướng Giảm: Tỷ lệ mua lại cho thấy xu hướng giảm, cần chú ý đến chất lượng khách hàng mới hoặc chiến lược vận hành
• Biến động Cao: Có thể bị ảnh hưởng bởi các yếu tố theo mùa hoặc hoạt động vận hành

3.5 Lưu ý

⚠️ Hạn chế Quan trọng

💡 Khuyến nghị Sử dụng

3.6 Câu hỏi Thường gặp

Q1: Tại sao một số người dùng trong dữ liệu của tôi không được tính?

A: Các lý do có thể bao gồm:

• Người dùng thiếu trường ngày đăng ký
• Người dùng không đặt hàng vào ngày đăng ký
• Ngày đặt hàng hoặc ngày đăng ký của người dùng không thể được phân tích

Q2: Tính toán tỷ lệ mua lại có bao gồm đơn hàng vào ngày đăng ký không?

A: Có. Đánh giá mua lại dựa trên "số lượng ngày đặt hàng khác nhau." Nếu người dùng đặt hàng vào ngày đăng ký và có đơn hàng vào các ngày khác sau đó, nó được tính là mua lại.

Q3: Nếu người dùng đặt nhiều đơn hàng trong cùng một ngày, có được tính là mua lại không?

A: Không. Định nghĩa mua lại là "nhiều ngày đặt hàng khác nhau." Nhiều đơn hàng trong cùng một ngày chỉ được tính là 1 ngày đặt hàng, vì vậy không được tính là mua lại.

Q4: "Xu hướng 30 Ngày Tỷ lệ Mua lại 7 Ngày" trong biểu đồ có nghĩa là gì?

A: Biểu đồ này hiển thị: Đối với mỗi ngày đăng ký, tỷ lệ mua lại của người dùng đăng ký vào ngày đó trong 30 ngày sau khi đăng ký. Lưu ý: Cửa sổ thời gian ở đây là 30 ngày, không phải 7 ngày.

Q5: Làm thế nào để cải thiện tỷ lệ mua lại khách hàng mới?

A: Nên bắt đầu từ các khía cạnh sau:

• Tối ưu hóa trải nghiệm đăng ký của khách hàng mới để cải thiện sự hài lòng của người dùng
• Tăng cường tiếp cận người dùng 3-7 ngày sau khi đăng ký, đẩy phiếu giảm giá hoặc thông tin hoạt động
• Thiết lập hệ thống lợi ích độc quyền cho khách hàng mới để khuyến khích mua lại
• Phân tích đặc điểm của khách hàng mới có tỷ lệ mua lại cao để tối ưu hóa chiến lược vận hành

---

IV. Tóm tắt

Máy tính Phân tích Mua lại Khách hàng Mới giúp bạn hiểu đầy đủ hành vi mua lại của khách hàng mới thông qua các thuật toán khoa học và trực quan hóa trực quan. Sử dụng đúng công cụ này có thể:

• Nhanh chóng xác định các chỉ số chính cho mua lại khách hàng mới
• Phát hiện xu hướng tỷ lệ mua lại và điều chỉnh chiến lược vận hành kịp thời
• So sánh hiệu suất khách hàng mới qua các giai đoạn khác nhau để đánh giá hiệu quả vận hành
• Cung cấp hỗ trợ dữ liệu để phát triển các chiến lược kích hoạt và giữ chân khách hàng mới

Nếu bạn có bất kỳ câu hỏi nào hoặc cần hỗ trợ kỹ thuật, vui lòng liên hệ với quản trị viên hệ thống.