Tỉ lệ khách quay lại là phần trăm khách đã đến trong một kỳ có hẹn lại trong khoảng thời gian bạn chọn, và khoảng thời gian đó phải khớp với chu kỳ tự nhiên của dịch vụ. Khách cắt tóc nam có thể quay lại sau bốn đến sáu tuần, khách nhuộm sau vài tháng, khách cạo vôi răng sau nửa năm. Đo tất cả bằng một khoảng ba mươi ngày sẽ cho ra con số vô nghĩa.
Bài này hướng dẫn chủ tiệm tóc, spa, nail, nha khoa nhỏ, gara, trung tâm dạy kèm đo tỉ lệ quay lại từ chính sổ lịch hẹn: cách nhận diện cùng một khách qua nhiều lần đến, cách chọn khoảng thời gian, cách dựng bảng theo nhóm tháng đến lần đầu, và cách nhờ AI đọc mà không đưa danh sách khách ra ngoài. Phần mời khách quay lại bằng tin nhắn có ở danh mục nhắc lịch tự động; bài này chỉ bàn chuyện đo.
Điều kiện đầu tiên: nhận ra cùng một khách qua nhiều lần đến
Muốn biết khách có quay lại không, sổ hẹn phải nối được lần đến thứ nhất với lần đến thứ hai của cùng một người. Đây là chỗ nhiều tiệm vấp. Sổ giấy ghi "chị Lan" ở tháng Ba và "Lan 09x" ở tháng Năm; bảng tính có ba dòng cho cùng một khách với ba cách viết tên. Khi không nối được, mọi khách đều trông như khách mới và tỉ lệ quay lại thấp oan.
Cách làm chuẩn là gán cho mỗi khách một mã cố định ngay lần đầu, ví dụ K0001, K0002, và ghi mã đó ở mọi lần hẹn. Mã nên được tạo từ danh sách khách lưu riêng, không phải ghép từ số điện thoại, vì số điện thoại là dữ liệu cá nhân và khách có thể đổi số. Phần mềm đặt lịch thường tự làm việc này qua hồ sơ khách; bảng tính thì cần một trang danh sách khách riêng với mã, và sổ hẹn chỉ ghi mã.
Với dữ liệu cũ đã ghi lộn xộn, bạn cần một lần dọn: gom các dòng của cùng một khách lại dưới một mã. Việc này có thể nhờ AI gợi ý cách lọc trùng, nhưng quyết định gộp phải do người biết khách làm, vì hai chị cùng tên Lan ở cùng phường là chuyện bình thường. Bài về sổ hẹn bằng bảng tính trong cùng danh mục có bàn kỹ hơn về cách giữ dữ liệu sạch từ đầu.
Chọn khoảng thời gian quay lại theo chu kỳ dịch vụ
Khoảng thời gian dùng để đo nên dài hơn chu kỳ thông thường của dịch vụ một chút, để khách đến trễ vài tuần vẫn được tính. Các con số dưới đây chỉ là ví dụ giả định để minh hoạ cách nghĩ; bạn nên lấy chu kỳ thực tế từ chính sổ hẹn của mình.
| Loại dịch vụ | Chu kỳ thường thấy (ví dụ giả định) | Khoảng đo gợi ý |
|---|---|---|
| Cắt tóc nam, cạo mặt | Bốn đến sáu tuần | Chín mươi ngày |
| Làm móng định kỳ | Ba đến bốn tuần | Sáu mươi ngày |
| Nhuộm, uốn, duỗi | Hai đến bốn tháng | Một trăm tám mươi ngày |
| Chăm sóc da theo liệu trình | Theo lịch liệu trình | Đo riêng tỉ lệ hoàn thành liệu trình |
| Khám, vệ sinh răng định kỳ | Khoảng nửa năm, theo chỉ định | Chín tháng đến một năm |
| Bảo dưỡng xe theo mốc | Theo số ki lô mét hoặc tháng | Theo mốc khuyến nghị cộng thêm vài tuần |
Cách tìm chu kỳ thật từ dữ liệu: với những khách đã đến ít nhất hai lần cho cùng dịch vụ, tính số ngày giữa hai lần liên tiếp, rồi xem giá trị ở giữa (trung vị). Trung vị ít bị kéo lệch bởi vài khách lâu lâu mới quay lại hơn là trung bình cộng.
Dựng bảng theo nhóm tháng đến lần đầu
Bảng nhóm, còn gọi là phân tích đoàn hệ, chia khách theo tháng họ đến lần đầu rồi theo dõi bao nhiêu người trong mỗi nhóm quay lại theo thời gian. Nó cho biết khách mới của tháng nào giữ tốt hơn, điều mà con số quay lại chung của cả tiệm không cho thấy.
- Từ sổ hẹn, lấy các lịch có trạng thái "đến", mỗi dòng có mã khách và ngày hẹn.
- Với mỗi mã khách, tìm ngày đến đầu tiên. Đặt tên nhóm theo tháng của ngày đó, ví dụ nhóm tháng Một, nhóm tháng Hai.
- Với mỗi lần đến sau đó, tính khách đang ở tháng thứ mấy kể từ lần đầu: tháng thứ nhất, thứ hai, thứ ba.
- Lập bảng: hàng là nhóm theo tháng đến lần đầu, cột là tháng thứ mấy, mỗi ô là số khách của nhóm đó có ít nhất một lần đến trong tháng ấy.
- Chia mỗi ô cho số khách ban đầu của nhóm để ra phần trăm. Tô màu cho dễ nhìn.
- Đọc theo hàng để thấy một nhóm rơi rụng nhanh hay chậm, đọc theo cột để so các nhóm với nhau ở cùng một mốc thời gian.
Với tiệm nhỏ, mỗi nhóm có thể chỉ vài chục khách, nên phần trăm dao động mạnh. Có thể gộp nhóm theo quý thay vì theo tháng. Điều quan trọng là thấy xu hướng: nhóm của những tháng gần đây giữ tốt hơn hay kém hơn nhóm của nửa năm trước.
Đọc bảng nhóm: những tín hiệu đáng chú ý
Một nhóm rơi rụng nhanh bất thường. Đối chiếu với ghi chú tháng đó: có chạy khuyến mãi giảm giá sâu cho khách mới không? Khách đến vì giá thường ít quay lại khi hết khuyến mãi. Đây không phải lý do để bỏ khuyến mãi, mà là lý do để đánh giá nó bằng khách quay lại chứ không chỉ bằng khách mới.
Các nhóm gần đây giữ kém dần. Tín hiệu đáng lo hơn một tháng xấu đơn lẻ. Có thể chất lượng dịch vụ, thái độ đón tiếp hay khâu sau buổi đầu đang có vấn đề. Đây là lúc nói chuyện với khách và nhân viên, không chỉ nhìn số.
Tỉ lệ quay lại theo kênh đặt khác nhau. Khách đến từ lời giới thiệu thường giữ tốt hơn khách đến từ quảng cáo. Nếu dữ liệu cho thấy điều đó ở tiệm bạn, có lý do để đầu tư vào chương trình giới thiệu thay vì chỉ quảng cáo.
Quay lại theo thợ phục vụ lần đầu. Có thể khác nhau, nhưng cần thận trọng: thợ nhận nhiều khách vãng lai hay khách khuyến mãi sẽ có tỉ lệ thấp hơn mà không phải do tay nghề. Dùng để hiểu, không để xếp hạng người.
Nhờ AI hỗ trợ mà không đưa danh sách khách ra ngoài
Bảng nhóm cần dữ liệu từng khách để dựng, nhưng phần dựng có thể làm ngay trong bảng tính của bạn với công thức AI gợi ý, còn phần đọc thì chỉ cần bảng đã tổng hợp.
- Nhờ viết công thức: "Bảng tính có hai cột: mã khách và ngày đến. Hãy hướng dẫn cách tìm ngày đến đầu tiên của mỗi khách, cách tính tháng thứ mấy của mỗi lần đến, và cách lập bảng tổng hợp đếm số khách khác nhau theo nhóm tháng đầu và tháng thứ mấy."
- Nếu cần dán dữ liệu chi tiết cho AI dựng hộ, chỉ dán hai cột mã khách và ngày đến. Mã khách không được là số điện thoại hay tên viết tắt dễ đoán.
- Nhờ đọc bảng: "Đây là bảng tỉ lệ quay lại theo nhóm tháng đầu của một tiệm nail trong mười hai tháng. Hãy chỉ ra các nhóm có tỉ lệ ở tháng thứ ba thấp hơn trung bình rõ rệt, và liệt kê những câu hỏi cần kiểm để hiểu nguyên nhân. Không đoán nguyên nhân khi không có dữ liệu."
- Tự đối chiếu một hàng của bảng với sổ gốc bằng cách lọc tay vài khách của nhóm đó.
AI rất hữu ích ở bước viết công thức, vì công thức tìm ngày đầu tiên và đếm khách khác nhau khá rối với người không quen bảng tính. Ở bước đọc, nó giúp bạn không bỏ sót, nhưng câu "vì sao" vẫn cần bạn đi hỏi khách và nhân viên.
Từ con số đến việc làm: giữ khách mà không làm phiền
Con số quay lại chỉ có ích khi dẫn tới một việc cụ thể. Nếu thấy phần lớn khách mới không quay lại sau lần đầu, hãy xem lại trải nghiệm buổi đầu: khách có được hẹn lần sau ngay tại quầy không, có được giải thích nên quay lại khi nào không. Một câu hỏi đơn giản lúc thanh toán, "chị có muốn đặt luôn lịch lần sau không", thường hiệu quả hơn mọi tin nhắn gửi sau.
Nếu khách quay lại nhưng chậm hơn chu kỳ hợp lý, nhắc lịch định kỳ có đồng ý của khách là cách phù hợp; chi tiết cách soạn và tần suất ở danh mục nhắc lịch tự động. Nếu một nhóm khách quen lâu năm đột nhiên vắng, một cuộc gọi hỏi thăm từ chủ tiệm, không kèm khuyến mãi, có khi cho bạn biết điều mà không bảng số nào chỉ ra.
Đừng biến tỉ lệ quay lại thành chỉ tiêu ép nhân viên gọi điện, nhắn tin dồn dập. Khách bị làm phiền sẽ chặn tin nhắn, và bạn mất cả kênh liên lạc lẫn thiện cảm. Mọi liên hệ chủ động đều cần dựa trên sự đồng ý khách đã cho và tuân theo quy định hiện hành về dữ liệu cá nhân, quảng cáo qua tin nhắn.
Những lỗi khiến tỉ lệ quay lại sai lệch
Tỉ lệ quay lại là chỉ số dễ tính sai nhất trong sổ hẹn, vì nó phụ thuộc vào việc nối đúng khách qua nhiều tháng. Các lỗi dưới đây hay gặp.
- Một khách có nhiều mã do mỗi lần đến lễ tân tạo hồ sơ mới, làm khách quen bị đếm thành nhiều khách mới không quay lại.
- Đo khách của tháng gần nhất khi chưa đủ thời gian để họ quay lại, rồi kết luận tỉ lệ đang giảm. Nhóm khách chỉ đọc được khi đã trôi qua đủ khoảng đo.
- Đếm lịch đã đặt cho lần sau như "đã quay lại" trong khi lịch đó có thể bị huỷ. Chỉ tính khi khách thực sự đến.
- Gộp khách vãng lai không có mã vào chung, khiến tỉ lệ khách mới cao bất thường và tỉ lệ quay lại thấp oan.
- So tỉ lệ của hai tiệm hay hai chi nhánh dùng khoảng đo khác nhau.
- Dùng một khoảng đo cho mọi dịch vụ, làm dịch vụ chu kỳ dài luôn trông như giữ khách kém.
Nếu dữ liệu cũ quá lộn xộn để sửa, hãy chấp nhận bắt đầu lại từ một mốc rõ ràng: từ tháng này, mọi khách đều có mã cố định. Sau một hai chu kỳ dịch vụ, bạn sẽ có con số sạch, đáng tin hơn mọi cố gắng vá dữ liệu cũ.
Câu hỏi thường gặp
Khách quay lại nhưng đặt dịch vụ khác thì có tính là quay lại không?
Có, khi đo tỉ lệ quay lại của cả tiệm. Khi đo theo từng dịch vụ, có thể tính hai kiểu: quay lại cho cùng dịch vụ và quay lại cho bất kỳ dịch vụ nào. Chênh lệch giữa hai con số cho biết dịch vụ đó có dẫn khách sang dịch vụ khác không.
Khách đến cùng gia đình, ai đặt lịch cũng là một người, đếm thế nào?
Nếu được, ghi mã riêng cho từng người được phục vụ, và ghi thêm mã người đặt. Như vậy tỉ lệ quay lại tính theo người dùng dịch vụ, còn liên hệ thì qua người đặt. Nếu sổ chỉ có mã người đặt, ghi rõ khi báo cáo rằng con số tính theo hộ, không theo người.
Tiệm mới mở bốn tháng có đo được tỉ lệ quay lại chưa?
Đo được cho dịch vụ có chu kỳ ngắn như cắt tóc nam, làm móng. Với dịch vụ chu kỳ dài, chưa đủ thời gian để kết luận; con số lúc này sẽ thấp oan. Hãy ghi chép đều từ bây giờ, và đọc bảng nhóm khi đã có khoảng gấp đôi chu kỳ của dịch vụ chính.
Phần mềm đặt lịch báo tỉ lệ quay lại rất cao, có đáng tin không?
Kiểm định nghĩa: có thể phần mềm đếm khách có từ hai lần hẹn trở lên trong toàn bộ lịch sử, không giới hạn thời gian, nên con số cao. Cũng có thể nó tính cả lịch huỷ. Đọc phần trợ giúp hoặc tự tính lại cho một tháng để đối chiếu.
Có nên dùng AI để dự đoán khách nào sắp bỏ đi không?
Có thể làm ở mức đơn giản, như đánh dấu khách đã quá chu kỳ thường lệ một khoảng nhất định. Việc này làm được bằng công thức bảng tính mà không cần mô hình phức tạp. Kết quả chỉ nên dùng để chủ động hỏi thăm có chừng mực, không dùng để gửi tin quảng cáo dồn dập.
Lưu lịch sử hẹn của khách bao lâu thì hợp lý?
Đủ dài để đo chu kỳ dịch vụ và theo dõi khách quen, nhưng không giữ vô thời hạn khi không còn mục đích. Đặt một quy tắc lưu trữ rõ ràng theo quy định hiện hành về dữ liệu cá nhân, và với khách đã lâu không quay lại, cân nhắc ẩn danh hoá phần dữ liệu chỉ cần cho thống kê.