Ở bài trước về Customer Lifetime Value, mình đã cùng bạn đi trọn một vòng hành trình khách hàng của Hương Camera, từ lần đầu khách biết đến cửa hàng cho đến khi họ trở thành khách quen. Nếu bạn đã theo chuỗi bài từ đầu, chắc bạn cũng để ý rằng bài nào cũng để lại một bảng số liệu riêng: bảng lượt xem từng trang, bảng theo dõi người đăng ký, bảng phễu, bảng giá trị theo nhóm khách. Bảng nào cũng có ích. Nhưng khi chúng nằm rải rác mỗi nơi một bảng, bạn sẽ chỉ thấy những con số đứng riêng lẻ, còn câu hỏi quan trọng nhất là "vậy giờ nên làm gì" thì vẫn chưa có lời đáp.

Trong bài này, mình sẽ cùng bạn gom số liệu của cả hành trình về hai chỗ trong trang quản trị EzyPlatform. Chỗ thứ nhất là EzyRating, nơi cho bạn biết khách đã làm gì trên website: họ vào từ đâu, đi qua những trang nào và dừng lại ở đâu. Chỗ thứ hai là EzyCRM, nơi cho bạn biết khách đó là ai: họ đã từng mua chưa, đã đăng ký nhận bài chưa, và đáng giá bao nhiêu với cửa hàng. Mỗi bên chỉ trả lời được một nửa câu chuyện. Chỉ khi đặt hai bên cạnh nhau, bạn mới đi được trọn con đường từ "khách đang rơi ở đâu", sang "vì sao họ rơi", rồi đến "mình nên sửa gì".

Để bài viết không biến thành một bản giới thiệu tính năng, mình sẽ không đi lần lượt qua từng màn hình. Thay vào đó, mình chọn một vấn đề thật của Hương Camera và cùng bạn giải quyết nó từ đầu đến cuối, đúng như cách một người làm marketing vẫn làm mỗi tháng. Đầu tiên, mình tìm chỗ khách rơi nhiều nhất. Sau đó, mình truy ngược xem họ vào từ đâu, rồi đi qua từng khách để tìm nguyên nhân, đối chiếu với CRM, và cuối cùng là quyết định sửa gì trên website. Tất cả số liệu trong bài là số liệu 30 ngày gần nhất của website Hương Camera.

Khi mở số liệu ra, việc đầu tiên mình làm luôn là nhìn toàn cảnh, để biết khách đang đi được đến đâu trên website và bỏ cuộc ở bước nào. Màn hình phù hợp nhất cho việc này là Phễu chuyển đổi, nằm trong mục Hành trình khách hàng của EzyRating. Màn này xếp hành trình thành các bước nối tiếp nhau, từ lúc khách vào website cho đến lúc đặt hàng, và ghi rõ tỷ lệ rơi rụng giữa từng bước.

Bạn thử cùng mình đọc phễu từ trên xuống nhé. Trong 117 người truy cập, có 60 người xem nội dung, tức là gần một nửa đã rời đi ngay ở bước đầu (rơi 48.6%). Trong 60 người đó, chỉ 33 người mở một bài viết (rơi 50.9%). Đến đây có một tín hiệu tốt: từ "Đọc bài viết" sang "Thêm vào giỏ", tỷ lệ rơi chỉ là 7.1%, nghĩa là ai đã đọc bài thì rất sẵn lòng đi tiếp đến sản phẩm. Thế nhưng ở bước cuối cùng, từ giỏ hàng sang đặt hàng, có đến 97.3% khách bỏ đi, và EzyRating đánh dấu riêng đây là bước rơi nhiều nhất.

Như vậy, phễu của Hương Camera có hai chỗ yếu. Ở đầu phễu, nhiều khách vào rồi thoát mà không tìm thấy bài viết. Ở cuối phễu, gần như mọi khách đã có sản phẩm trong giỏ đều không đặt hàng. Trong hai chỗ này, mình chọn xử lý chỗ cuối trước, vì đó là chỗ gần tiền nhất. Bạn thử nghĩ xem: những khách này đã chọn được sản phẩm, đã bấm thêm vào giỏ, tức là đã đi gần hết hành trình. Để mất họ ở bước cuối cũng có nghĩa là để phí công sức của mọi bài viết, mọi bài đăng đã dẫn họ đến được đây.

Tuy nhiên, phễu chỉ cho mình biết khách rơi ở đâu, chứ chưa cho biết vì sao họ rơi. Muốn tìm nguyên nhân, mình cần lùi lại một bước và xem những khách này đã vào giỏ hàng bằng con đường nào.

Để lần lại con đường của khách, mình chuyển sang màn Bản đồ hành trình tổng thể. Màn này vẽ toàn bộ các phiên truy cập thành những dòng chảy, bắt đầu từ nguồn khách đến, đi qua nội dung, sản phẩm, giỏ hàng và kết thúc ở đặt hàng. Lần này mình không đọc cả bản đồ, mà chỉ lần theo những dòng chảy đổ vào giỏ hàng.

Khi lần theo những dòng chảy đó, mình thấy ba điều đáng chú ý.

Điều thứ nhất là con đường vào giỏ hàng rất lạ. Có 29 phiên đi đến giỏ hàng, nhưng chỉ 4 phiên trong số đó đi qua trang sản phẩm trước. Nói cách khác, phần lớn khách vào thẳng giỏ hàng mà chưa hề xem sản phẩm, và 96.2% số phiên ở giỏ hàng rời đi ngay tại đó.

Điều thứ hai nằm ở nguồn khách. Trong 173 phiên, có tới 141 phiên, khoảng 80%, được ghi là "Trực tiếp". Chỉ có 8 phiên đến từ tìm kiếm, 16 phiên từ quảng cáo và 7 phiên từ trang giới thiệu. "Trực tiếp" ở đây có nghĩa là EzyRating không biết khách thật sự đến từ đâu.

Điều thứ ba là khách xem rất ít trang. Số bước trung bình mỗi phiên chỉ là 1.0, tức phần lớn khách xem đúng một trang rồi rời đi.

Khi ghép ba điều này lại với nhau, mình có một giả thuyết đầu tiên. Khách không đi theo con đường mà cửa hàng đã thiết kế, từ bài viết sang sản phẩm rồi mới vào giỏ. Rất nhiều người vào thẳng giỏ hàng qua một liên kết nào đó, mà nhiều khả năng là liên kết "Mua ngay" Hương Camera đã chia sẻ trong tin nhắn Zalo, bài đăng Facebook hay email. Vì những liên kết này chưa được gắn UTM như cách mình đã làm ở bài hành trình đa kênh, EzyRating chỉ có thể ghi chúng là "Trực tiếp".

Giả thuyết này giúp mình hiểu khách đến từ đâu, nhưng vẫn chưa trả lời được câu hỏi chính: vì sao đã vào đến giỏ hàng rồi mà khách lại bỏ đi? Bản đồ chỉ cho thấy chuyển động của cả đám đông, nên để trả lời câu này, mình phải nhìn gần hơn, vào từng người một.

Đây là phần quan trọng nhất của bài, và cũng là lúc bạn cần mở EzyRating và EzyCRM cùng một lúc. Mình sẽ bắt đầu từ EzyRating để xem khách đã làm gì, rồi chuyển sang EzyCRM để biết khách đó là ai.

Màn Hành trình từng khách cho phép bạn đi lại đúng con đường mà một khách đã đi, từng bước một. Ngay đầu màn hình có phần "Xem nhanh", liệt kê những khách ghé gần đây nhất. Điều đáng chú ý là cả bốn khách trong danh sách đều mang nhãn "Vừa bỏ giỏ".

Khi mở khách đầu tiên ra, bạn sẽ thấy hành trình của họ chỉ có hai bước: vào website trực tiếp, thêm sản phẩm vào giỏ ngay ở bước đầu tiên, rồi rời đi. Cả phiên kéo dài 0 giây, và khách không xem bất kỳ trang nội dung hay trang sản phẩm nào. Đây chính là kiểu khách "vào thẳng giỏ hàng" mà bản đồ ở phần 2 đã cho mình thấy.

Thế nhưng, hành trình này mới chỉ cho biết khách đã làm gì, chứ chưa cho biết khách là ai. Trên màn hình, khách chỉ hiện tên "Anonymous", vì với khách chưa đăng nhập, EzyRating chỉ nhận ra họ qua địa chỉ IP. Mà bạn biết đấy, cùng là một hành động bỏ giỏ, ý nghĩa sẽ khác nhau rất nhiều tùy vào người làm nó: đó là một khách mới lần đầu ghé, một người đã đọc chuỗi bài học suốt cả tháng, hay một khách quen đã mua ba lần. Chính vì vậy, mình mở EzyCRM ngay bên cạnh.

Nhưng không phải khách bỏ giỏ nào cũng giống khách đầu tiên. Khi mở lần lượt từng khách, bạn sẽ thấy hành trình của họ thường rơi vào một trong ba kiểu dưới đây. Mỗi kiểu có một nguyên nhân riêng, và vì thế cũng cần một cách xử lý riêng:

Hai kiểu đầu là chuyện của website: khách đang ở trên trang và gặp trở ngại. Kiểu C thì khác, vì website không có lỗi gì, khách chỉ cần thêm thời gian và một lời nhắc đúng lúc sau khi đã rời đi. Muốn giữ được những khách này, cửa hàng cần có cách liên lạc lại với họ và chăm sóc họ một cách tự động. Cách làm cụ thể, từ việc chia khách thành nhóm đến việc gửi đúng email vào đúng ngày, mình đã viết riêng trong bài Inbound Marketing với EzyPlatform: Chăm sóc khách hàng tự động để người đọc trở thành khách quen.

Nếu để ý, bạn sẽ thấy ba kiểu B, C và D có một điểm chung: họ đều dừng lại ở trang thanh toán. Để xem họ dừng ở đó lâu đến mức nào, mình mở thêm màn Thời điểm truy cập của EzyRating. Ở phần "Nơi khách dừng lại đọc", trang thanh toán (Checkout) có thời gian xem trung bình 8 phút 16 giây mỗi lượt.

Con số này nói lên rất nhiều điều. Không ai cần đến 8 phút để điền một trang thanh toán đơn giản, và một người không muốn mua cũng sẽ không ở lại lâu đến thế. Vậy nên mình có thể khá chắc rằng khách muốn mua, nhưng có điều gì đó đã khiến họ dừng lại. Với một món hàng giá trị như máy ảnh, thường có ba lý do. Có thể đến bước cuối khách mới thấy phí giao hàng, và tổng tiền khác với điều họ nghĩ. Có thể biểu mẫu quá dài, nhất là khi khách điền trên điện thoại. Hoặc cũng có thể khách còn một thắc mắc, chẳng hạn "có được kiểm tra máy khi nhận không", nhưng lại không thấy chỗ nào để hỏi nhanh.

Dù vậy, đây mới chỉ là phỏng đoán, nên trước khi sửa, mình kiểm tra lại trên chính website. Mình tự đặt thử một đơn trên máy tính và một đơn trên điện thoại, đi đúng con đường mà khách đã đi, đồng thời bấm thử các liên kết "Mua ngay" đã chia sẻ ra ngoài. Giả sử sau khi đặt thử, mình thấy phí giao hàng chỉ hiện ra ở bước cuối, biểu mẫu có nhiều ô không cần cho việc giao hàng, và trang thanh toán không có chỗ nào để hỏi. Đến lúc này, nguyên nhân đã đủ rõ để mình bước sang phần quyết định.

Bạn thử hình dung nếu lúc nãy mình chỉ có EzyRating. Khi đó, mình sẽ chỉ đưa ra được một quyết định duy nhất: sửa trang thanh toán. Quyết định này cần thiết, nhưng chưa đủ, vì nó chỉ giúp những khách sẽ đến sau này, còn những khách đã bỏ giỏ thì cửa hàng vẫn mất. Khi có thêm EzyCRM, mọi chuyện khác đi, bởi mỗi kiểu khách ở phần 3 giờ dẫn đến một quyết định riêng:

Trong bảng trên, bạn có thể thắc mắc vì sao khách kiểu D lại được ưu tiên hơn cả. Câu trả lời nằm ở một con số mà chỉ CRM mới có: Customer Lifetime Value, viết tắt là CLV. Hiểu đơn giản, CLV là tổng giá trị một khách mang lại cho cửa hàng trong suốt thời gian họ còn mua hàng. Cách tính dễ nhất là lấy giá trị đơn hàng trung bình nhân với số lần mua trung bình. Một khách quen có CLV cao mà bỏ giỏ thì rất đáng để cửa hàng gọi điện hỏi thăm. Ngược lại, với một khách mới chưa rõ giá trị, một email nhắc tự động là đủ. Nếu không có CLV, cửa hàng sẽ đối xử với mọi khách bỏ giỏ như nhau, và thường thì là không làm gì cả.

Ngoài ra, CRM còn giúp mình bù lại một giới hạn của EzyRating. Màn Điểm chạm trong EzyRating chỉ ghi công doanh thu cho các trang trong cùng một phiên truy cập. Điều đó có nghĩa là nếu một khách kiểu C đọc bài từ tuần trước rồi tuần này mới quay lại mua, bài viết đó sẽ không được ghi công. Chỉ khi hồ sơ trên EzyCRM nối được lần đọc với lần mua, cửa hàng mới thấy hết giá trị thật của nội dung.

Đến đây, mình đã có đủ quyết định cho từng kiểu khách. Nhưng một quyết định chỉ nằm trên giấy thì chưa thay đổi được gì, nên bước tiếp theo là biến chúng thành những thay đổi cụ thể trên website.

Khách chỉ cảm nhận được sự khác biệt khi website thật sự thay đổi. Vì vậy, với mỗi quyết định ở phần 4, mình ghi rõ ba điều: sẽ sửa gì, sửa ở đâu trong trang quản trị EzyPlatform, và tháng sau nhìn vào con số nào để biết mình đã sửa đúng hay chưa. Bạn sẽ thấy con số để kiểm tra luôn là chính con số đã chỉ ra vấn đề, ở cả EzyRating lẫn EzyCRM.

Khi bắt tay vào làm theo bảng này, có một nguyên tắc nhỏ mà bạn nên giữ: đừng sửa cùng lúc hai thứ cùng ảnh hưởng đến một con số mà không ghi lại. Chẳng hạn, nếu bạn vừa sửa trang thanh toán vừa chạy ưu đãi giảm giá trong cùng một tháng, thì khi tỷ lệ đặt hàng tăng, bạn sẽ không biết là nhờ việc nào. Vì thế, trước khi sửa, mình ghi lại toàn bộ con số hiện tại vào nhật ký quyết định, mà mình sẽ giới thiệu ngay ở phần cuối.

Bạn còn nhớ vấn đề ở đầu bài chứ? Đó là các bảng số liệu nằm rải rác mỗi nơi một bảng. Giờ là lúc mình gom chúng về một trang tổng hợp duy nhất. Trang này được chia làm hai nửa, đúng như cách mình đã làm ở phần 3: một nửa là hành vi trên website lấy từ EzyRating, nửa còn lại là thông tin về con người lấy từ EzyCRM. Mỗi tháng, khi đọc hai nửa này cạnh nhau, bạn sẽ đi lại đúng con đường của bài viết này.

Nếu mới bắt đầu, bạn chỉ cần một bảng tính đơn giản và điền tay mỗi tháng là đủ. Bên cạnh trang tổng hợp, bạn nên có thêm một nhật ký quyết định. Mỗi tháng, nhật ký ghi lại số liệu nào đã thay đổi, nguyên nhân tìm được là gì, hành động nào đã làm trên website, và tháng sau kết quả ra sao. Dòng đầu tiên trong nhật ký của Hương Camera chính là vấn đề giỏ hàng mà mình vừa cùng bạn đi qua:

Sang tháng sau, khi giỏ hàng đã được sửa, phễu sẽ chỉ ra một bước rơi nhiều nhất mới. Rất có thể đó sẽ là chỗ khách vào trang chủ rồi thoát mà không tìm thấy bài viết, như mình đã thấy ở phần 1. Khi đó, bạn chỉ cần đi lại đúng con đường cũ: truy ngược nguồn khách, đi qua từng khách, đối chiếu với CRM, rồi quyết định và sửa website.

Qua bài này, mình muốn bạn thấy rằng đo lường Customer Journey không phải là mở từng màn hình rồi đọc từng con số, mà là bám theo một vấn đề cho đến khi tìm ra nguyên nhân. Với Hương Camera, phễu chỉ ra chỗ khách rơi nhiều nhất là giỏ hàng. Từ đó, bản đồ hành trình cho thấy nhiều khách vào thẳng giỏ hàng qua những liên kết không rõ nguồn. Đi sâu hơn, hành trình từng khách cho biết họ đã làm gì, còn EzyCRM cho biết họ là ai, và chính sự kết hợp của hai bên đã chia khách bỏ giỏ thành bốn kiểu với bốn cách xử lý khác nhau. Trang thanh toán được sửa để giúp mọi khách, còn email nhắc, cuộc gọi hỏi thăm hay ô để lại thông tin thì chỉ làm được khi cửa hàng có CRM.

Nhìn lại cả chuỗi bài về Customer Journey của Hương Camera, mỗi bài đã giúp bạn xây một phần của hành trình: kết nối các kênh, cá nhân hóa trang chủ, đặt sẵn bước tiếp theo trên từng trang, giữ chân người đọc bằng chuỗi bài học, thử nghiệm để tăng trưởng, và chăm sóc khách quay lại. Bài này là mảnh ghép giúp từng phần đó được kiểm tra đều đặn. EzyRating cho bạn biết khách đến, đi và dừng lại ở đâu, còn EzyCRM cho bạn biết khách là ai và đáng giá bao nhiêu. Chỉ cần dành một buổi xem lại mỗi tháng, hành trình khách hàng của Hương Camera sẽ không còn là việc làm một lần, mà sẽ tốt lên qua từng vòng.