ยอดขายรวมอาจเพิ่มเพราะมีลูกค้าใหม่เข้ามามาก แม้ลูกค้าที่เคยซื้อจะกลับมาน้อยลง หากมองเฉพาะรายได้ของเดือนนี้ ธุรกิจอาจไม่เห็นว่าต้องทุ่มแรงหาคนใหม่เพื่อชดเชยฐานเดิมมากแค่ไหน
ก่อนรีบส่งคูปองหรือทำระบบสะสมแต้ม ควรตรวจว่ารู้จักลูกค้าคนเดิมข้ามช่องทางได้จริงหรือไม่ กำลังวัดการซื้อซ้ำแบบใด และลูกค้ามีเวลามากพอที่จะกลับมาซื้อแล้วหรือยัง
ตรวจว่า “คนเดิม” ถูกนับเป็นคนเดิมจริง
ลูกค้าคนเดียวอาจซื้อผ่านเว็บไซต์ แชท และหน้าร้านโดยใช้ข้อมูลต่างกัน หากระบบสร้างรหัสใหม่ทุกครั้ง รายงานจะเห็นลูกค้าใหม่เพิ่มและลูกค้าซื้อซ้ำลด ทั้งที่พฤติกรรมจริงไม่ได้เปลี่ยนเท่านั้น
เลือกตัวระบุและกติกาจับคู่ที่เหมาะกับข้อมูลที่มี ตรวจกรณีบัญชีร่วม เบอร์โทรที่เปลี่ยน และคำสั่งซื้อที่ไม่มีบัญชี อย่ารวมคนจากชื่อคล้ายกันเพียงอย่างเดียว เพราะอาจทำให้ประวัติของคนละคนปะปน
เก็บความสัมพันธ์กับรหัสต้นทางและประวัติการรวม เพื่อแก้กลับได้เมื่อจับคู่ผิด ใช้ข้อมูลเท่าที่จำเป็นและจำกัดสิทธิ์การเปิดรายละเอียด รายงานภาพรวมไม่จำเป็นต้องแสดงข้อมูลติดต่อของลูกค้าทุกคน
เลือกตัวเลขให้ตรงคำถาม
คำว่าอัตราซื้อซ้ำอาจถูกใช้เรียกคนละสูตร บางรายงานนับลูกค้าที่เคยซื้อมาแล้วและซื้อในเดือนนี้ บางรายงานติดตามคนที่ซื้อครั้งแรกในเดือนหนึ่งว่าได้กลับมาภายในระยะที่กำหนดหรือไม่ ต้องระบุตัวตั้ง ตัวหาร และช่วงสังเกตให้ชัด
| คำถาม | ตัวเลขที่ช่วยตอบ | สิ่งที่ต้องระวัง |
|---|---|---|
| ยอดเดือนนี้มาจากใคร | รายได้จากลูกค้าใหม่และลูกค้าเดิม | ต้องนิยามลูกค้าเดิม ณ วันใด |
| ลูกค้าใหม่กลับมาไหม | สัดส่วนที่ซื้ออีกภายในช่วงที่กำหนด | ต้องให้เวลาสังเกตเท่ากัน |
| กลับมาบ่อยแค่ไหน | จำนวนครั้งและระยะห่างระหว่างการซื้อ | รอบซื้อของสินค้าแต่ละชนิดต่างกัน |
| การซื้อซ้ำคุ้มค่าหรือไม่ | มูลค่าหลังหักรายการที่เกี่ยวข้องตามนิยาม | ส่วนลดและต้นทุนการดูแลอาจต่างกัน |
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

หาจุดเปลี่ยน แล้วกลับไปดูประสบการณ์จริง
เมื่อพบกลุ่มที่กลับมาน้อยลง ค่อยแยกตามสินค้าครั้งแรก ช่องทางที่รู้จักธุรกิจ รูปแบบการส่งมอบ หรือช่วงที่มีปัญหาสินค้าขาด พยายามเปลี่ยนเงื่อนไขทีละด้านเพื่อให้อธิบายผลได้
อย่าสรุปว่าโปรโมชั่นหรือช่องทางหนึ่งเป็นสาเหตุจากความสัมพันธ์เพียงอย่างเดียว ลูกค้าที่เข้ามาช่วงแคมเปญอาจซื้อสินค้าคนละชนิดหรือมีความต้องการต่างจากกลุ่มอื่น 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