Khách mua một lần rồi biến mất? Đọc tỷ lệ quay lại bằng nhóm khách

Chủ shop mỹ phẩm online xem báo cáo cuối tháng và thấy khoảng 10% khách mua lại, nên yên tâm. Nhưng nếu tách khách theo tháng mua lần đầu, có thể thấy khách mới quay lại chỉ bằng 50% mức của khách cũ, và con số trung bình đã che điều đó (tình huống giả định).

Bài này nói về phân tích nhóm khách (cohort, tức nhóm người cùng bắt đầu ở 1 mốc thời gian). Bài trình bày cách làm trong GA4 (Google Analytics 4, công cụ đo website của Google) và từ đơn hàng trong CRM, cách đọc đường cong quay lại, và các bẫy hay gặp.

Nguồn chính là các trang Google Analytics Help và tài liệu Mixpanel, đối chiếu ngày 26/10/2026. Click Star đã có bài riêng về phân khúc RFM, về CAC, ROAS, LTV và về sự kiện GA4, nên bài này không lặp lại. Mọi con số trong ví dụ là số giả.

Điểm chính

• Nhóm khách gom khách theo mốc bắt đầu, ví dụ tháng mua đầu tiên, rồi theo dõi từng nhóm. Cách này cho thấy nhóm mới tốt hơn hay kém hơn nhóm cũ, điều trung bình chung không cho thấy.
• Trong ví dụ giả, 3 nhóm quay lại 12%, 10% và 6% ở tháng đầu, nhưng trung bình gộp là 9,7% và nghe vẫn ổn.
• GA4 có kỹ thuật Cohort exploration với 3 cách tính, tối đa 60 nhóm, và theo tài liệu chỉ dựa trên dữ liệu thiết bị, không xét User-ID.
• Dữ liệu Explorations của GA4 mặc định chỉ giữ 2 tháng. Muốn nhìn xa hơn, thuộc tính tiêu chuẩn phải đổi sang 14 tháng.
• Với khách đã có mã khách trong CRM, bảng làm từ đơn hàng thường sát hơn GA4 vì đếm theo người, không theo trình duyệt (nhận định của Click Star).
• Bảng dễ sai vì nhóm quá nhỏ, ô chưa đủ thời gian, tháng khuyến mãi và đổi cách đếm. Bài không đưa tỷ lệ "tốt" theo ngành vì chưa có nguồn.

Nhóm khách là gì, và vì sao trung bình chung dễ đánh lừa

Nhóm khách là những người cùng bắt đầu ở 1 mốc, ví dụ cùng mua lần đầu trong tháng 6. Bạn theo dõi riêng nhóm đó để xem bao nhiêu người quay lại. Theo trang Cohort exploration của Google Analytics Help, cohort là nhóm người dùng có chung 1 đặc điểm, ví dụ cùng ngày được thu hút.

Ví dụ với số hoàn toàn giả, tính đến hết tháng 9. "Tháng +1" là tháng liền sau tháng mua đầu, "tháng +2" là tháng kế tiếp nữa.

• Nhóm tháng 6: 200 khách. Mua lại 24 người (12%) ở tháng +1, 16 người (8%) ở tháng +2, 14 người (7%) ở tháng +3.
• Nhóm tháng 7: 250 khách. Mua lại 25 người (10%) ở tháng +1, 15 người (6%) ở tháng +2. Tháng +3 là tháng 10 nên chưa đủ.
• Nhóm tháng 8: 150 khách. Mua lại 9 người (6%) ở tháng +1. Các tháng sau chưa đủ.

Gộp 3 nhóm ở tháng +1 thì có 58 người trên 600 khách, tức 9,7%. Con số này nghe ổn, nhưng nó che việc tỷ lệ đang giảm từ 12% xuống 6%.

Mỗi nhóm được so ở cùng "tuổi" (cùng cột tháng +1), nên so sánh công bằng. Trung bình gộp trộn khách cũ và khách mới, nên nhóm đông che nhóm đang xấu đi.

"Quay lại" được đếm theo mấy cách

Cùng dữ liệu có thể ra tỷ lệ khác nhau vì "quay lại" định nghĩa được nhiều cách. GA4 cho chọn 3 cách tính, theo trang Cohort exploration. Ví dụ trong tài liệu: khách A chỉ mua ở tuần 5, khách B mua cả tuần 1 đến 5, khách C mua ở tuần 1 và 2 rồi dừng.

• Standard: mỗi ô đếm khách đạt tiêu chí trong đúng kỳ đó. Ô tuần 5 gồm A và B.
• Rolling: mỗi ô đếm khách đạt tiêu chí ở kỳ đó và mọi kỳ trước. Ô tuần 5 chỉ có B. Tài liệu nói cách này hữu ích cho trang nội dung theo dõi khách quay lại.
• Cumulative: mỗi ô đếm khách đạt tiêu chí ở bất kỳ kỳ nào tính đến kỳ đó. Ô tuần 5 gồm A, B và C.

Công cụ khác đặt tên khác. Theo tài liệu Mixpanel, "On" đếm khách quay lại đúng ở đơn vị thời gian đó, còn "On or After" đếm ở đơn vị đó hoặc bất kỳ lúc nào sau, trong khi Cumulative của GA4 tính đến kỳ hiện tại. Hãy ghi định nghĩa "quay lại" ngay trên bảng.

Làm bằng Cohort exploration trong GA4

Cohort exploration nằm trong Explore của GA4. Theo trang hướng dẫn, bạn vào Template Gallery, chọn mẫu Cohort exploration, rồi đặt tiêu chí vào nhóm (inclusion) và tiêu chí quay lại (return).

Tiêu chí vào nhóm có 5 lựa chọn: First touch (lần đầu GA4 thấy khách), Any event, Any transaction, Any conversion hoặc 1 sự kiện cụ thể. Tiêu chí quay lại có 4 lựa chọn tương tự, trừ First touch.

Tiếp theo chọn độ chi tiết theo ngày, tuần hoặc tháng. Ngày chạy từ nửa đêm đến nửa đêm theo múi giờ của thuộc tính, tuần chạy từ Chủ nhật đến Thứ bảy. Phân tách (breakdown) chỉ hiện tối đa 15 giá trị đầu, và mỗi khách chỉ nằm ở giá trị đầu tiên áp dụng cho họ.

Cho câu hỏi "khách mới đến website có mua không", Click Star đề xuất vào nhóm bằng First touch theo tuần và quay lại bằng sự kiện mua hàng, đúng kiểu ví dụ của tài liệu.

Còn câu hỏi "khách đã mua lần đầu có mua lại không" nên làm từ đơn hàng. Tài liệu mô tả Any transaction là giao dịch đầu trong khoảng ngày thăm dò, nhưng cũng nêu khách giao dịch mỗi tuần nằm ở mọi hàng của bảng. 2 câu này khó khớp nhau, Click Star chưa kiểm bằng dữ liệu thật, nên hãy thử trên nhóm nhỏ.

GA4 còn có sẵn báo cáo Retention overview (Life cycle > Retention), hiện tỷ lệ quay lại theo nhóm ngày thu hút ở ngày 1, 7 và 30.

Giới hạn của GA4 cần biết trước khi tin bảng

• Chỉ theo thiết bị: nhóm khách dựa trên dữ liệu thiết bị và không xét User-ID (trang Cohort exploration). Trên website, mã thiết bị lấy từ client ID (trang Reporting identity), nên 1 người dùng cả điện thoại lẫn laptop có thể thành 2 khách.
• Cookie hết hạn: cookie _ga mặc định 2 năm, nhưng trang Cookie usage ghi trình duyệt giới hạn tuổi thọ cookie nếu khách không quay lại, tối đa 400 ngày với Chrome và 7 ngày với Safari. Click Star suy ra khách Safari quay lại sau hơn 7 ngày có thể bị tính là khách mới.
• Thời hạn lưu: trang Explorations ghi mặc định giữ 2 tháng. Trang Data retention cho thuộc tính tiêu chuẩn chọn 2 hoặc 14 tháng, và chỉ áp cho dữ liệu chưa bị xóa. Click Star suy ra nếu để mặc định, nhóm của nhiều tháng trước có thể đã mất.
• Ngưỡng và lấy mẫu: chiều nhân khẩu học chịu ngưỡng dữ liệu, nhóm quá nhỏ bị loại (trang Cohort exploration). Truy vấn trên 10 triệu sự kiện có thể dùng dữ liệu lấy mẫu (trang Explorations).

Làm từ đơn hàng trong CRM hoặc bảng tính

Nếu có mã khách trong CRM hoặc hệ thống bán hàng, bảng nhóm khách từ đơn hàng thường sát hơn. Nó đếm theo người, và gồm cả đơn qua điện thoại hay tại quầy nếu đơn nằm trong hệ thống. Đó là nhận định của Click Star.

Quy trình gồm 5 bước:

1. Xuất đơn hàng gồm mã khách, ngày đơn và trạng thái.
2. Loại đơn hủy, đơn hoàn và đơn thử.
3. Tìm ngày đơn đầu tiên của từng khách.
4. Gán mỗi khách vào nhóm theo tháng của đơn đầu.
5. Đếm khách có đơn ở tháng +1, +2, +3, rồi chia cho cỡ nhóm.

Dữ liệu nhỏ thì bảng tính làm được. Dữ liệu lớn thì đội kỹ thuật có thể dùng SQL: lấy tháng của đơn đầu làm nhóm, rồi đếm số khách khác nhau theo từng tháng có đơn. Dòng trùng tháng của nhóm là cỡ nhóm, các dòng sau chia cho cỡ nhóm để ra tỷ lệ.

Điều kiện là 1 khách chỉ có 1 mã. Click Star đã có bài riêng về dữ liệu khách hàng trùng lặp. Nếu 1 người thành 2 mã, tỷ lệ quay lại bị thấp giả.

Đọc bảng: 4 dạng đường cong và việc nên làm

Phần này là khung tham khảo của Click Star, không lấy từ nguồn ngoài. Các dạng giúp chọn việc cần làm, không phải chuẩn ngành.

• Rơi mạnh rồi phẳng: đa số khách rời ở kỳ đầu, số còn lại ở ổn định. Hãy cải thiện 30 ngày đầu sau mua và xem nhóm ở lại có điểm chung nào.
• Rơi đều, không có đáy: khách rời dần. Hãy kiểm tra sản phẩm có chu kỳ mua lại tự nhiên không, rồi thử ưu đãi mua lại hoặc chương trình thành viên.
• Có đỉnh phụ: tỷ lệ tăng lại ở 1 tháng nhất định, ví dụ khi sản phẩm dùng hết. Hãy nhắc mua đúng lúc đó, sau khi kiểm tra đỉnh không do chiến dịch.
• Nhóm mới thấp hơn nhóm cũ ở cùng cột, như ví dụ đầu bài. Hãy tìm điều đã đổi giữa 2 nhóm (kênh quảng cáo, ưu đãi, đối tượng) rồi phân tách bảng theo từng yếu tố.

Các bẫy khiến bảng nhóm khách sai

Nhóm quá nhỏ là bẫy đầu tiên. Với nhóm 150 khách trong ví dụ, mỗi khách đổi tỷ lệ khoảng 0,7 điểm phần trăm; với nhóm 20 khách là 5 điểm. Nhóm nhỏ thì hãy gộp theo quý hoặc đừng kết luận.

Ô chưa đủ thời gian là bẫy thứ hai. Mixpanel đánh dấu sao những ô chưa chốt vì kỳ đó còn đang chạy. Trong ví dụ, nhóm tháng 8 chưa có tháng +2, nên đừng so ô chưa đủ với ô đã đủ.

Mùa vụ và khuyến mãi làm lệch nhóm. Click Star suy luận nhóm của tháng khuyến mãi lớn có nhiều khách đến vì ưu đãi nên quay lại ít hơn. Hãy so với cùng thời điểm năm trước hoặc tách theo mã khuyến mãi.

Đổi định nghĩa giữa chừng cũng gây sai: chuyển từ "mua đúng tháng +1" sang "mua từ tháng +1 trở đi" làm tỷ lệ tăng mà khách không đổi. Cuối cùng là trùng khách, nhận diện theo thiết bị và thời hạn lưu của GA4 đã nêu ở trên.

Bối cảnh Việt Nam

Click Star không tìm thấy số đo tỷ lệ khách quay lại của doanh nghiệp Việt Nam theo ngành, nên bài không đưa ngưỡng. Hãy lấy các nhóm cũ của chính mình làm mốc, và chọn kỳ tuần, tháng hay quý cho khớp nhịp mua thật.

Nếu dùng số điện thoại làm mã khách, hãy chuẩn hóa dạng số (0912 và +84 912 là cùng 1 số) trước khi gộp. Theo trang User-ID, mã gửi vào GA4 không được chứa thông tin mà bên thứ ba dùng để biết danh tính. Click Star suy luận là không nên gửi số điện thoại hay email thô. Dữ liệu cá nhân là chủ đề pháp lý, hãy hỏi người có chuyên môn.

Đánh giá của Click Star. GA4 hợp với câu hỏi về kênh đưa khách đến và hành vi trên website. Câu hỏi "khách đã mua có mua lại" nên dựa vào đơn hàng gắn với mã khách. 1 bảng, 1 định nghĩa và 1 người chịu trách nhiệm quan trọng hơn việc chọn công cụ.

Click Star có dịch vụ CRM, CDP và dashboard dữ liệu, nên có lợi ích liên quan. Với dữ liệu nhỏ, bảng tính là đủ.

Lộ trình 14 ngày (khung tham khảo của Click Star)

• Ngày 1 đến 2: chốt định nghĩa. "Khách" là mã khách trong CRM, "quay lại" là có ít nhất 1 đơn hợp lệ ở tháng +N.
• Ngày 3 đến 5: xuất đơn, loại đơn hủy và khách trùng, dựng bảng nhóm theo tháng của đơn đầu.
• Ngày 6 đến 8: dựng Cohort exploration trong GA4, kiểm tra thời hạn lưu dữ liệu và đổi sang 14 tháng nếu cần.
• Ngày 9 đến 11: đọc bảng, xác định dạng đường cong và ghi giả thuyết cho nhóm yếu nhất.
• Ngày 12 đến 14: chọn 1 hành động thử cho khách mới. Khi nhóm đủ tuổi, so nó với nhóm trước ở cùng cột tuổi, không so với trung bình gộp, và xem vài nhóm liên tiếp trước khi kết luận.

Những sai lầm thường gặp

1. Chỉ nhìn tỷ lệ quay lại trung bình, không tách theo nhóm.
2. So ô chưa đủ thời gian với ô đã đủ.
3. Kết luận từ nhóm vài chục khách.
4. Không ghi định nghĩa "quay lại" và đổi cách đếm giữa các lần xem.
5. Tin số GA4 mà quên nó đếm theo thiết bị và dữ liệu có thể đã hết hạn lưu.
6. Dùng số điện thoại thô làm mã khách rồi gửi thẳng vào GA4.

Điều chưa biết

Click Star không có số đo tỷ lệ khách quay lại của doanh nghiệp Việt Nam theo ngành, không tìm thấy nguồn cho ngưỡng giữ chân "tốt", và không có ngưỡng cỡ nhóm tối thiểu có nguồn.

Chưa rõ Cohort exploration có dùng dữ liệu mô hình hóa khi khách từ chối cookie không (trang Reporting identity nói GA4 có mô hình hóa ở chế độ Blended, nhưng không nói về Explorations). Click Star đã có bài riêng về Consent Mode v2. Cũng chưa rõ cách tính nhóm Any transaction khi tài liệu có 2 mô tả khó khớp.

Các trang Google Analytics Help đã đọc không hiển thị ngày cập nhật.