ยอดขายเพิ่ม แต่ลูกค้าเดิมไม่กลับมาซื้อ ควรดูข้อมูลอะไร

แยกลูกค้าใหม่กับลูกค้าซื้อซ้ำ ตรวจตัวตนและรอบซื้อ แล้วเทียบกลุ่มลูกค้าที่มีเวลาให้กลับมาซื้อเท่ากัน เพื่อหาจุดที่ควรปรับโดยไม่เดาจากยอดรวม

โดย เผยแพร่ อ่านประมาณ 5 นาที

ถุงสินค้าสีขาววางข้างกล่องบัตรลูกค้าที่มีแถบคั่นสีส้ม ในภาพลายเส้นสีน้ำเงิน
ในบทความนี้
  1. ตรวจว่า “คนเดิม” ถูกนับเป็นคนเดิมจริง
  2. เลือกตัวเลขให้ตรงคำถาม
  3. ให้เวลาแต่ละกลุ่มกลับมาเท่ากัน
  4. หาจุดเปลี่ยน แล้วกลับไปดูประสบการณ์จริง
  5. เปลี่ยนผลวิเคราะห์เป็นสิ่งที่ทดลองได้

ยอดขายรวมอาจเพิ่มเพราะมีลูกค้าใหม่เข้ามามาก แม้ลูกค้าที่เคยซื้อจะกลับมาน้อยลง หากมองเฉพาะรายได้ของเดือนนี้ ธุรกิจอาจไม่เห็นว่าต้องทุ่มแรงหาคนใหม่เพื่อชดเชยฐานเดิมมากแค่ไหน

ก่อนรีบส่งคูปองหรือทำระบบสะสมแต้ม ควรตรวจว่ารู้จักลูกค้าคนเดิมข้ามช่องทางได้จริงหรือไม่ กำลังวัดการซื้อซ้ำแบบใด และลูกค้ามีเวลามากพอที่จะกลับมาซื้อแล้วหรือยัง

ตรวจว่า “คนเดิม” ถูกนับเป็นคนเดิมจริง

ลูกค้าคนเดียวอาจซื้อผ่าน​เ⁠ว็⁠บ⁠ไ⁠ซ⁠ต์ แชท และหน้าร้านโดยใช้ข้อมูลต่างกัน หากระบบสร้างรหัสใหม่ทุก⁠ครั้ง รายงานจะเห็นลูกค้าใหม่เพิ่มและลูกค้าซื้อซ้ำลด ทั้งที่พฤติกรรมจริงไม่ได้เปลี่ยนเท่านั้น

เลือกตัวระบุและกติกาจับ⁠คู่ที่เหมาะกับข้อมูลที่มี ตรวจกรณีบัญชีร่วม เ⁠บ⁠อ⁠ร์​โทรที่เปลี่ยน และคำสั่งซื้อที่ไม่มีบัญชี อย่ารวมคนจากชื่อคล้ายกันเพียงอย่าง⁠เดียว เพราะอาจทำให้ประวัติของคนละคนปะปน

เก็บความ⁠สัมพันธ์กับรหัสต้นทางและประวัติการรวม เพื่อแก้กลับได้เมื่อจับ⁠คู่ผิด ใช้ข้อมูลเท่าที่จำเป็นและจำกัดสิทธิ์การเปิดราย⁠ละเอียด รายงานภาพ⁠รวมไม่จำเป็นต้องแสดงข้อมูลติดต่อของลูกค้าทุกคน

เลือกตัวเลขให้ตรงคำถาม

คำว่าอัตราซื้อซ้ำอาจถูกใช้เรียกคนละสูตร บางรายงานนับลูกค้าที่เคยซื้อมาแล้วและซื้อในเดือนนี้ บางรายงานติดตามคนที่ซื้อครั้งแรกในเดือนหนึ่งว่าได้กลับมาภายในระยะที่กำหนดหรือไม่ ต้องระบุตัวตั้ง ตัวหาร และช่วงสังเกตให้ชัด

คำถามที่ช่วยแยกความหมายของตัวเลขการซื้อซ้ำ
คำถามตัวเลขที่ช่วยตอบสิ่งที่ต้องระวัง
ยอดเดือนนี้มาจากใครรายได้จากลูกค้าใหม่และลูกค้าเดิมต้องนิยามลูกค้าเดิม ณ วันใด
ลูกค้าใหม่กลับมาไหมสัดส่วนที่ซื้ออีกภายในช่วงที่กำหนดต้องให้เวลาสังเกตเท่ากัน
กลับมาบ่อยแค่ไหนจำนวนครั้งและระยะ⁠ห่างระหว่างการซื้อรอบซื้อของสินค้าแต่ละชนิดต่างกัน
การซื้อซ้ำคุ้ม⁠ค่าหรือไม่มูลค่าหลังหักรายการที่เกี่ยวข้องตามนิยามส่วนลดและต้นทุนการ⁠ดูแลอาจต่างกัน

แยกคำสั่งซื้อที่ยกเลิก คืนทั้งหมด หรือเป็นรายการ⁠ทดสอบตามกติกาที่กำหนด หากการคืนบาง⁠ส่วนยังนับเป็นการซื้อ ให้ใช้หลักเดียวกันทุกกลุ่มและเก็บทั้งจำนวนคำสั่งซื้อกับมูลค่าสุทธิที่นิยามไว้

ให้เวลาแต่ละกลุ่มกลับมาเท่ากัน

การแบ่งกลุ่มตามช่วงซื้อครั้งแรก หรือ cohort ช่วยแยกการเติบโตของลูกค้าใหม่ออกจากพฤติกรรมหลังซื้อ เปรียบเทียบว่าเมื่อผ่านเวลาเท่ากัน กลุ่มต่าง ๆ มีการกลับมาอย่างไร

เอกสารรายงานลูกค้าของ Shopify อธิบายการจัดกลุ่มตามการซื้อครั้งแรกและติดตามช่วงเวลาถัดไป เป็นตัวอย่างวิธีอ่านการกลับมาซื้อโดยไม่รวมลูกค้าทุกรุ่นไว้ในตัวเลขเดียว

อย่าเทียบคนที่เพิ่งซื้อเมื่อสัปดาห์ก่อนกับคนที่ซื้อไปนานแล้วในกรอบการซื้อซ้ำเดียวกัน กลุ่มแรกยังไม่มีโอกาสกลับมาครบช่วง ควรแสดงว่า “ยังติดตามไม่ครบ” แทนการตีความว่าคนนั้นไม่กลับมา

รอบการซื้อก็ขึ้นกับสินค้า ธุรกิจที่ขายของใช้หมดได้กับสินค้าที่ใช้หลายปีไม่ควรคาดหวังความถี่แบบเดียวกัน ลูกค้าที่ไม่ซื้อสินค้าชิ้นเดิมซ้ำอาจกลับมาซื้ออุปกรณ์เสริมหรือบริการ⁠ดูแลแทน

บัตรลูกค้าแบ่งเป็นกลุ่มข้างปฏิทินตั้งโต๊ะที่ไม่มีตัวเลข เพื่อสื่อการ⁠ติดตามการซื้อซ้ำตามช่วงเวลา
เปรียบเทียบลูกค้าที่มีระยะ⁠เวลาหลังซื้อครั้งแรกเท่ากัน ก่อนสรุปว่ากลุ่มไหนกลับมาน้อยลง

หาจุดเปลี่ยน แล้วกลับไปดูประสบการณ์จริง

เมื่อพบกลุ่มที่กลับมาน้อยลง ค่อยแยกตามสินค้าครั้งแรก ช่องทางที่รู้จักธุรกิจ รูป⁠แบบการ⁠ส่⁠ง⁠ม⁠อ⁠บ หรือช่วงที่มีปัญหาสินค้าขาด พยายามเปลี่ยนเงื่อนไข​ที⁠ล⁠ะ​ด้านเพื่อให้อธิบายผลได้

อย่าสรุปว่าโปรโมชั่นหรือช่องทางหนึ่งเป็นสาเหตุจากความ⁠สัมพันธ์เพียงอย่าง⁠เดียว ลูกค้าที่เข้ามาช่วง​แ⁠ค⁠ม⁠เ⁠ป⁠ญ​อาจซื้อสินค้าคนละชนิดหรือมีความต้องการต่างจากกลุ่มอื่น ตัวอย่างที่มีคนน้อยก็อาจแกว่งมากจนยังไม่ควรใช้ตัด⁠สิน⁠ใจ

นำข้อสงสัยไปเทียบกับเหตุผลคืนสินค้า เรื่องร้องเรียน และข้อมูลจากทีมดูแลลูกค้า ถ้าคนไม่กลับมาเพราะสินค้าขาดหรือบริการหลังขายมีปัญหา การส่งข้อความให้ซื้อเพิ่มอย่าง⁠เดียวอาจไม่ช่วย

ตรวจด้วยว่าช่วงที่เปรียบเทียบมีการเปลี่ยนวิธีเก็บข้อมูลหรือไม่ การเพิ่มช่องทางขายเข้าระบบหรือปรับกติกาจับ⁠คู่ลูกค้าอาจทำให้อัตราซื้อซ้ำดูดี⁠ขึ้นโดยประสบการณ์จริงยังเหมือนเดิม ควรทำหมายเหตุไว้ก่อนอ่านแนวโน้ม

เปลี่ยนผลวิเคราะห์เป็นสิ่งที่ทดลองได้

เลือกปัญหาที่มีหลักฐานรองรับและการเปลี่ยนแปลงที่วัดได้ เช่น ปรับข้อมูลก่อนซื้อ แจ้งวิธีใช้⁠งานให้ชัด หรือเตรียมสินค้าที่ลูกค้าเดิมต้องการให้พร้อม กำหนดกลุ่ม ช่วงเวลา และผลที่จะใช้ตัดสินก่อนเริ่ม

ติดตามทั้งการกลับมา มูลค่าที่เกิด⁠ขึ้น การคืน และภาระของทีม โปรโมชั่นที่ทำให้คนซื้อซ้ำมาก⁠ขึ้นอาจไม่ตอบเป้าหมายหากต้องใช้ส่วนลดหรือแรงดูแลสูงเกินกว่าที่ธุรกิจรับได้

หากตัวตนลูกค้ายังกระจัดกระจาย เริ่มจากการเชื่อม LINE OA กับ CRM แล้วใช้การวิเคราะห์ความคิดเห็นลูกค้า ประกอบตัวเลข เพื่ออธิบายว่าควรแก้ประสบการณ์ตรงไหนก่อนเพิ่มกิจกรรมการตลาด

ยอดขายโต แต่ต้องหาลูกค้าใหม่มาทดแทนตลอด?

Talvyn Labs ช่วยเชื่อมประวัติลูกค้าและคำสั่งซื้อ วิเคราะห์การกลับมาซื้อ และออก⁠แบบรายงานที่ใช้วางแผนดูแลลูกค้าได้จริง

ทำ⁠ความ⁠เข้า⁠ใจลูกค้าจากข้อมูล

มีโจทย์ธุรกิจ ที่ต้องการ⁠ปรึกษา?

ไม่ว่าจะเป็น​เ⁠ว็⁠บ⁠ไ⁠ซ⁠ต์​ใหม่ การ⁠พั⁠ฒ⁠น⁠า​ผลิตภัณฑ์ หรือการ⁠เชื่อม⁠ต่อระบบ สามารถแจ้งราย⁠ละเอียดทาง​อี⁠เ⁠ม⁠ล เพื่อนัดเวลาปรึกษาได้

ข้อมูลเบื้อง⁠ต้นก็เพียงพอ ราย⁠ละเอียดอื่นสามารถหารือร่วม⁠กันได้ภายหลัง

ติดต่อเรา
ส่ง​อี⁠เ⁠ม⁠ล​ถึงเรา
hello@talvynlabs.com
Facebook