Phân tích cohort là gì? Đo tỷ lệ giữ chân khách hàng

🟪 BẢNG COHORT TRÔNG NHƯ THẾ NÀO?

Mỗi hàng là một nhóm khách mua lần đầu cùng tháng, mỗi cột là số tháng sau đó. Ô càng đậm, khách càng quay lại nhiều.

Thấp Cao · Số liệu chi tiết ở phần ví dụ.

📂 NỘI DUNG BÀI VIẾT

1. Phân tích cohort là gì?
2. Tỷ lệ giữ chân và cách đọc bảng cohort
3. Ví dụ: Bảng cohort 6 tháng của một cửa hàng online
4. Cách làm phân tích cohort bằng SQL và Excel
5. Từ bảng cohort đến hành động giữ khách
6. 5 sai lầm thường gặp khi phân tích cohort
7. Câu hỏi thường gặp về phân tích cohort
8. Kết luận

Tỷ lệ giữ chân tháng N =
Số khách của cohort có mua trong tháng N
Số khách ban đầu của cohort

Rơi rụng mạnh nhất ở tháng 1. Ở các cohort tháng 5 đến tháng 7, chỉ 22–26% khách quay lại ngay tháng sau. Ba phần tư khách mới mua một lần rồi đi.

Đường cong phẳng dần từ tháng 3. Cohort tháng 5 giữ ở mức 15–17% từ tháng 3 trở đi. Đây là nhóm khách đã thành thói quen, nền tảng cho doanh thu ổn định.

Đợt giảm giá tháng 7 kéo nhiều khách nhất nhưng giữ kém nhất. Cohort tháng 7 có 250 khách mới nhưng tháng 1 chỉ còn 22,0% và tháng 3 còn 13,2%, thấp hơn hai cohort trước. Khách đến vì giá rẻ thường ít trung thành.

Chuỗi email từ tháng 8 có tín hiệu tốt. Đọc theo cột Tháng 1, cohort tháng 8 và tháng 9 đạt khoảng 31–32%, cao hơn hẳn mức 22–26% trước đó. Cần theo dõi thêm vài tháng để chắc chắn hiệu quả kéo dài.

💡 Nếu chỉ nhìn tổng số khách theo tháng, bạn sẽ thấy tháng 7 là tháng “thành công nhất” và bỏ lỡ cả hai phát hiện số 3 và số 4.

BƯỚC 1/4

Bước 1: Chuẩn bị dữ liệu

Bạn chỉ cần một bảng đơn hàng có 3 cột: mã khách hàng, ngày đặt hàng và trạng thái đơn. Hãy loại đơn hủy, đơn test và đảm bảo mỗi khách chỉ có một mã duy nhất. Nếu cùng một người có hai mã, họ sẽ bị đếm là hai khách mới và tỷ lệ giữ chân bị thấp đi.

BƯỚC 2/4

Bước 2: Tính cohort bằng SQL

Câu truy vấn dưới đây viết cho SQL Server, làm 3 việc: tìm tháng mua đầu tiên của mỗi khách, tính mỗi đơn rơi vào tháng thứ mấy kể từ lần đầu, rồi đếm số khách và tỷ lệ giữ chân.

1WITH dau_tien AS (
2  -- Tháng mua đầu tiên của mỗi khách
3  SELECT ma_kh,
4         DATEFROMPARTS(YEAR(MIN(ngay_dat)), MONTH(MIN(ngay_dat)), 1) AS thang_cohort
5  FROM DonHang
6  WHERE trang_thai = N'Hoàn thành'
7  GROUP BY ma_kh
8),
9hoat_dong AS (
10  -- Mỗi khách có mua ở tháng thứ mấy kể từ lần đầu
11  SELECT DISTINCT d.ma_kh, f.thang_cohort,
12         DATEDIFF(MONTH, f.thang_cohort, d.ngay_dat) AS thang_thu
13  FROM DonHang d
14  JOIN dau_tien f ON d.ma_kh = f.ma_kh
15  WHERE d.trang_thai = N'Hoàn thành'
16)
17SELECT thang_cohort, thang_thu,
18       COUNT(*) AS so_khach,
19       CAST(COUNT(*) * 100.0
20            / MAX(COUNT(*)) OVER (PARTITION BY thang_cohort) AS DECIMAL(5,1)) AS ty_le_giu_chan
21FROM hoat_dong
22GROUP BY thang_cohort, thang_thu
23ORDER BY thang_cohort, thang_thu;

Kết quả là bảng dạng dài: mỗi dòng là một cặp (cohort, tháng thứ N). Bạn đưa bảng này vào Excel hoặc Power BI và xoay thành dạng tam giác. Dòng tháng 0 luôn lớn nhất trong mỗi cohort, nên MAX(COUNT(*)) OVER (...) chính là số khách ban đầu.

BƯỚC 3/4

Bước 3: Làm bằng Excel nếu chưa dùng SQL

Trong sheet đơn hàng (cột A là mã khách, cột B là ngày đặt), thêm 3 cột phụ rồi kéo công thức xuống hết dữ liệu:

Sau đó tạo PivotTable và tick Add this data to the Data Model: kéo ThangCohort vào Rows, ThangThu vào Columns, MaKH vào Values và chọn Distinct Count. Cuối cùng chọn Show Values As → % Of, trường cơ sở là ThangThu, mục cơ sở là 0 để đổi số khách thành tỷ lệ giữ chân.

BƯỚC 4/4

Bước 4: Tô màu để đọc nhanh

Dùng Conditional Formatting → Color Scales cho vùng tỷ lệ (bỏ cột tháng 0). Ô càng đậm là giữ khách càng tốt, nhờ đó bạn nhìn ra ngay cohort nào bất thường mà không cần đọc từng con số. Trong Power BI, visual Matrix kết hợp định dạng màu nền theo giá trị cho kết quả tương tự.

📅 Muốn thành thạo SQL, Excel và Power BI để tự làm những phân tích như thế này? Xem lịch khai giảng mới nhất tại MCNA.

Phân tích cohort giúp bạn trả lời một câu hỏi mà báo cáo tổng không trả lời được: khách hàng có ở lại hay không. Chỉ với mã khách và ngày đặt hàng, một câu SQL hoặc vài cột Excel cùng một PivotTable đã đủ để tạo bảng cohort đầu tiên.

Hãy đọc bảng theo cột để đánh giá hiệu quả mỗi thay đổi, kết hợp với RFM để biết cần chăm sóc ai, và cập nhật bảng mỗi tháng để thấy việc giữ khách đang tốt lên hay xấu đi.

Nếu bạn muốn học bài bản SQL, Excel, Power BI và cách phân tích khách hàng trong doanh nghiệp, các khóa học tại MCNA Technology School sẽ đồng hành cùng bạn. Xem lịch khai giảng mới nhất. Đọc thêm: Phân tích RFM là gì? và Dashboard không phải để đẹp.