Phân tích cohort: cách hiểu vì sao khách hàng ở lại hoặc rời đi
Phân tích cohort làm lộ ra các mô hình giữ chân khách hàng ẩn trong những con số tổng hợp của bạn. Bài viết này hướng dẫn cách đọc, xây dựng và hành động dựa trên những gì bạn tìm thấy.
Tỷ lệ giữ chân khách hàng tổng thể của bạn là 78%. Con số đó có tốt không? Điều đó hoàn toàn phụ thuộc vào việc khách hàng nào đang ở lại và khách hàng nào đang rời đi — và đó chính xác là điều mà con số giữ chân tổng hợp không thể cho bạn biết. Một công ty có tỷ lệ giữ chân 78% có thể đang giữ chân thành công những khách hàng giá trị nhất nhưng lại mất những khách hàng mới nhất, hoặc có thể đang giữ được nhóm khách hàng lâu năm trong khi các cohort gần đây churn rất nhanh. Con số tổng hợp che giấu cả hai câu chuyện. Phân tích cohort sẽ làm lộ chúng ra.
Cohort đơn giản là một nhóm khách hàng bắt đầu vào cùng một thời điểm — đăng ký trong cùng một tháng, mua hàng lần đầu trong cùng một quý, hoặc nâng cấp trong cùng một tuần. Bằng cách theo dõi từng cohort riêng biệt theo thời gian, bạn có thể thấy các mô hình giữ chân thay đổi thế nào qua các giai đoạn khác nhau trong lịch sử công ty. Kết quả là một trong những công cụ chẩn đoán mạnh nhất mà đội sản phẩm hay đội kinh doanh có thể có.
Cách đọc bảng giữ chân theo cohort
Một bảng giữ chân theo cohort tiêu chuẩn có các cohort thu hút khách hàng chạy theo hàng (Tháng 1, Tháng 2, Tháng 3...) và số tháng kể từ khi thu hút chạy theo cột (Tháng 0, Tháng 1, Tháng 2...). Tháng 0 luôn là 100% — đó là điểm xuất phát. Các con số trên mỗi hàng cho biết bao nhiêu phần trăm của cohort đó vẫn còn hoạt động ở mỗi tháng tiếp theo.
| Cohort | Tháng 0 | Tháng 1 | Tháng 2 | Tháng 3 | Tháng 4 | Tháng 5 | Tháng 6 |
|---|---|---|---|---|---|---|---|
| Tháng 1 | 100% | 68% | 52% | 41% | 38% | 35% | 34% |
| Tháng 2 | 100% | 71% | 55% | 43% | 41% | 39% | — |
| Tháng 3 | 100% | 76% | 62% | 51% | 49% | — | — |
| Tháng 4 | 100% | 79% | 65% | 61% | — | — | — |
| Tháng 5 | 100% | 82% | 69% | — | — | — | — |
| Tháng 6 | 100% | 84% | — | — | — | — | — |
Bảng này kể một câu chuyện rõ ràng: tỷ lệ giữ chân đã cải thiện đáng kể qua từng tháng. Cohort Tháng 1 chỉ giữ lại 34% tính đến Tháng 6, trong khi các cohort gần đây hơn vẫn giữ ở mức 69–84% trong hai tháng đầu. Có điều gì đó đã thay đổi — có thể là một cải tiến sản phẩm, quy trình onboarding tốt hơn, hoặc một thay đổi về kênh thu hút giúp mang về những khách hàng phù hợp hơn. Con số giữ chân tổng hợp sẽ che giấu hoàn toàn điều này.
Ba mô hình cần tìm
Khi đã có bảng cohort, bạn sẽ tìm ba mô hình cụ thể. Mỗi mô hình chỉ ra một vấn đề khác nhau và cần một cách khắc phục khác nhau.
Sụt giảm mạnh ngay từ đầu: Nếu tỷ lệ giữ chân từ Tháng 0 đến Tháng 1 liên tục dưới 50%, bạn có vấn đề về onboarding. Khách hàng đăng ký nhưng không thấy giá trị đủ nhanh để ở lại. Đây là mô hình phổ biến nhất ở SaaS giai đoạn đầu và cũng dễ khắc phục nhất — onboarding tốt hơn, rút ngắn thời gian đến giá trị (time-to-value) và chủ động tương tác sớm hơn đều có ích.
Suy giảm đều đặn ở mọi cohort: Nếu tỷ lệ giữ chân tiếp tục giảm với cùng tốc độ qua từng tháng ở mọi cohort, bạn có vấn đề về giá trị sản phẩm. Khách hàng dùng thử sản phẩm, một số ở lại lúc đầu, nhưng không đủ giá trị lâu dài để giữ họ gắn bó. Cải thiện onboarding đến mấy cũng không sửa được điều này — bản thân sản phẩm cần mang lại thêm lý do để khách hàng quay lại.
Đường cong "nụ cười" phẳng dần: Những đường cong giữ chân tốt nhất sẽ phẳng lại sau mức sụt giảm ban đầu. Khách hàng vượt qua hai hoặc ba tháng đầu thường sẽ ở lại. Mục tiêu là tối đa hóa số khách hàng đạt đến điểm uốn đó. Nếu đường cong của bạn không bao giờ phẳng lại — nếu tỷ lệ giữ chân vẫn giảm với cùng tốc độ ở Tháng 6 như ở Tháng 1 — bạn không có tệp khách hàng giữ chân ổn định, và các phép tính LTV dựa trên cohort đó sẽ gây hiểu lầm.
Con số quan trọng nhất trong bảng cohort không phải là tỷ lệ phần trăm ở Tháng 6 — mà là độ dốc giữa Tháng 0 và Tháng 2. Đó là nơi phần lớn khách hàng rời đi, và là nơi hầu hết các biện pháp can thiệp có đòn bẩy lớn nhất.
Phân khúc cohort: nơi chứa insight thực sự
Phân tích cohort thực sự mạnh khi bạn phân khúc cohort theo kênh thu hút, gói giá, quy mô khách hàng hoặc khu vực địa lý. Một bảng cohort cho thấy tỷ lệ giữ chân chung là 60% sau ba tháng có thể tiết lộ rằng khách hàng đến từ tìm kiếm tự nhiên giữ chân ở mức 75%, trong khi khách hàng từ quảng cáo trả phí trên mạng xã hội chỉ ở mức 40%. Chỉ một insight đó đã định hình lại toàn bộ cuộc thảo luận về phân bổ ngân sách marketing.
Cách phân khúc đầu tiên mang lại giá trị cao nhất hầu như luôn là theo kênh thu hút. Khách hàng tìm đến bạn qua giới thiệu, nội dung hoặc tìm kiếm tự nhiên thường giữ chân ở tỷ lệ cao hơn đáng kể so với khách hàng đến từ các chiến dịch trả phí đại trà. Nếu dữ liệu cohort của bạn cho thấy mô hình này — và thường là vậy — đó là lập luận mạnh để đầu tư vào nội dung và chương trình giới thiệu, ngay cả khi thu hút khách hàng trả phí có vẻ rẻ hơn tính theo chi phí trên mỗi khách hàng thu hút được. CAC trông rẻ cho đến khi bạn đưa tỷ lệ giữ chân vào mô hình.
Cần làm gì khi bảng cohort đi xuống
Nếu các cohort gần đây nhất giữ chân kém hơn các cohort cũ, đó là tín hiệu khẩn cấp. Điều đó có nghĩa là có điều gì đó ở sản phẩm, khâu thu hút khách hàng hoặc onboarding của bạn đã trở nên tệ hơn — và mới tệ đi gần đây. Hãy kiểm tra xem điều gì đã thay đổi. Bạn có mở một kênh thu hút mới mang về những khách hàng kém phù hợp hơn không? Bạn có phát hành một tính năng làm gián đoạn quy trình làm việc hiện có không? Bạn có thay đổi giá theo cách thu hút những khách hàng không phù hợp không?
Cải thiện tỷ lệ giữ chân theo cohort hầu như luôn là vấn đề về sản phẩm và onboarding trước khi là vấn đề marketing. Trình tự can thiệp thường hiệu quả là: trước hết, xác định những hành động mà khách hàng được giữ chân thực hiện trong hai tuần đầu còn khách hàng đã churn thì không. Sau đó, thiết kế lại onboarding để thúc đẩy những hành động đó sớm hơn. Cuối cùng, dùng hành vi ở giai đoạn đầu làm tín hiệu để nhận diện khách hàng có nguy cơ rời đi và can thiệp trước khi họ churn, thay vì sau đó.
Các cohort gắn bó lâu năm trông rất đẹp vì những khách hàng ở lại, theo định nghĩa, là những khách hàng hài lòng nhất và phù hợp nhất với bạn. Khi nhìn vào tỷ lệ giữ chân ở Tháng 24 của một cohort hai năm tuổi, bạn đang thấy một nhóm đã bị churn lọc đi rất nhiều. Đừng dùng hành vi của những khách hàng gắn bó lâu làm mô hình cho những gì khách hàng mới sẽ làm — họ là mẫu được chọn lọc, không phải mẫu đại diện.
Phân tích cohort hữu ích nhất khi được xem xét đều đặn thay vì chạy một lần rồi bỏ quên. Trong FabricLoop, các nhóm sản phẩm và tăng trưởng thường duy trì một ghi chú hằng tháng trong nhóm chung của họ với ảnh chụp nhanh cohort được cập nhật — bảng được làm mới theo dữ liệu mới nhất, một đoạn diễn giải điều gì đã thay đổi và vì sao, cùng danh sách tác vụ về các biện pháp can thiệp đang được thử nghiệm trên các cohort có nguy cơ. Khi phần phân tích nằm cạnh các tác vụ phản hồi lại nó, khoảng cách giữa insight và hành động thu hẹp đáng kể.
