Phân Tích RFM - Phân Nhóm Khách Hàng Từ File Đơn Hàng

Tính năng nổi bật

• Đọc file .xlsx, .xls, .ods, .csv, chọn sheet, tự đoán cột mã khách, ngày mua, số tiền, mã đơn, trạng thái theo tên cột tiếng Việt lẫn tiếng Anh
• Hiểu ngày dạng dd/mm/yyyy, mm/dd/yyyy (tự nhận dạng), yyyy-mm-dd, ô ngày Excel và số seri ngày của Excel
• Hiểu số tiền kiểu 1.250.000 đ, 1,250,000, (50.000) là số âm; chọn bỏ qua hay trừ các dòng trả hàng
• Đếm số đơn theo mã đơn khác nhau, nên file mỗi dòng một sản phẩm vẫn tính đúng số lần mua
• Bỏ dòng trùng lặp hoàn toàn, loại dòng có trạng thái hủy hoặc trả hàng theo từ khóa bạn đặt
• Chấm điểm theo phân vị có xử lý giá trị bằng nhau, hoặc theo ngưỡng tự đặt cho từng chỉ số
• 11 phân khúc theo bộ quy tắc được công bố rõ, bảng tổng hợp, biểu đồ, lưới R và FM, gợi ý hành động cho từng nhóm
• Xuất Excel gồm danh sách khách có điểm và phân khúc, bảng tổng hợp và sheet phương pháp

Vì sao nên phân nhóm khách trước khi chạy chương trình khuyến mãi

Gửi cùng một mã giảm giá cho toàn bộ danh sách khách là cách dễ nhất nhưng cũng tốn nhất: khách trung thành vốn sẽ mua lại vẫn nhận giảm giá, còn khách đã lâu không quay lại thì nhận một thông điệp chẳng khác gì mọi người. Phân tích RFM tách danh sách thành những nhóm có hành vi khác nhau để bạn đối xử khác nhau: nhóm tốt nhất cần được ghi nhận hơn là giảm giá, nhóm khách mới cần được hướng dẫn để mua lần hai, nhóm từng chi nhiều nhưng lâu không quay lại cần một cuộc gọi hỏi thăm. Phương pháp này chỉ cần ba cột có sẵn trong mọi file đơn hàng, không cần phần mềm CRM hay kiến thức thống kê, và công cụ chạy ngay trên trình duyệt nên file khách hàng của bạn không phải tải lên đâu cả.

Lợi ích khi sử dụng

• •Biết ngay nhóm khách mang lại phần lớn doanh thu và nhóm đang có dấu hiệu rời bỏ
• •Có danh sách khách cụ thể cho từng chiến dịch thay vì gửi đại trà
• •Không cần công thức Excel phức tạp hay phần mềm trả phí
• •Dữ liệu khách hàng không rời khỏi máy tính của bạn
• •Phương pháp và ngưỡng điểm được ghi rõ trong file xuất, dễ giải thích với sếp và đồng nghiệp

Cách phân tích RFM từ file đơn hàng

1. 1Xuất danh sách đơn hàng từ phần mềm bán hàng hoặc sàn thương mại điện tử ra Excel hoặc CSV, mỗi dòng một đơn hoặc một dòng sản phẩm.
2. 2Chọn file, chọn sheet nếu có nhiều sheet, kiểm tra ba cột bắt buộc: mã khách hàng (hoặc số điện thoại, email), ngày mua, số tiền. Chọn thêm cột mã đơn và cột trạng thái nếu có.
3. 3Chọn cách xử lý dòng số tiền âm, bật bỏ dòng trùng lặp, nhập ngày phân tích nếu không muốn dùng mặc định là ngày sau đơn cuối cùng.
4. 4Chọn cách chấm điểm cho từng chỉ số: chia theo phân vị hoặc ngưỡng tự đặt.
5. 5Bấm Phân tích RFM, đọc phần kiểm tra dữ liệu để chắc số dòng bị bỏ là hợp lý, rồi xem bảng phân khúc, biểu đồ và gợi ý hành động.
6. 6Tải file Excel, lọc theo cột phân khúc để lấy danh sách khách cho từng chiến dịch.

Ba chỉ số R, F, M được tính thế nào

Recency là số ngày từ lần mua gần nhất của khách đến ngày phân tích. Mặc định ngày phân tích là ngày ngay sau đơn cuối cùng trong file, để khách mua vào ngày cuối có Recency bằng 1; bạn có thể nhập ngày khác, các dòng có ngày sau ngày phân tích sẽ không được tính. Frequency là số lần mua: nếu bạn chọn cột mã đơn, công cụ đếm số mã đơn khác nhau của mỗi khách, nên file xuất theo từng dòng sản phẩm (một đơn nhiều dòng) vẫn đếm đúng một lần mua; nếu không có cột mã đơn thì mỗi dòng được tính là một lần mua. Monetary là tổng số tiền của khách trên mọi dòng hợp lệ. Mã khách được so không phân biệt hoa thường và bỏ khoảng trắng thừa, nên KH01 và kh01 là một khách.

Chấm điểm theo phân vị và cách xử lý giá trị bằng nhau

Cách chia phân vị thông thường là xếp khách theo thứ hạng rồi cắt thành 5 phần bằng nhau. Vấn đề là dữ liệu bán lẻ có rất nhiều giá trị bằng nhau, nhất là số đơn: phần lớn khách chỉ mua 1 lần. Cắt cứng theo thứ hạng sẽ khiến hai khách cùng mua 1 lần nhận hai điểm khác nhau chỉ vì thứ tự dòng trong file. Công cụ dùng công thức: điểm bằng 1 cộng phần nguyên của (5 nhân số khách kém hơn hẳn chia tổng số khách), tối đa 5. Khách bằng nhau luôn cùng điểm. Ví dụ 10 khách có số đơn 1, 1, 1, 1, 1, 1, 2, 2, 3, 10 được điểm F lần lượt 1, 1, 1, 1, 1, 1, 4, 4, 5, 5: sáu khách mua 1 lần đều được 1 điểm, và mức 2, 3 bị bỏ trống. Đó là kết quả đúng với dữ liệu chứ không phải lỗi; công cụ sẽ nhắc khi có mức điểm trống và bảng khoảng giá trị cho thấy mỗi mức điểm ứng với bao nhiêu ngày, bao nhiêu đơn, bao nhiêu tiền trên chính dữ liệu của bạn. Với Recency, ít ngày là tốt: 10 khách có Recency 1, 5, 5, 10, 30, 60, 90, 120, 200, 365 ngày được điểm R lần lượt 5, 4, 4, 4, 3, 3, 2, 2, 1, 1.

Khi nào nên dùng ngưỡng tự đặt

Phân vị luôn chia khách theo tương quan trong chính file, nên cửa hàng nào cũng có đúng khoảng một phần năm khách được 5 điểm R, dù khách của bạn mua lại sau 7 ngày hay sau 7 tháng. Nếu bạn đã biết chu kỳ mua của ngành mình, ngưỡng tự đặt cho kết quả dễ hiểu hơn và so sánh được giữa các lần phân tích. Nhập 4 mốc tăng dần. Với Recency, mốc 30 60 120 240 nghĩa là tới 30 ngày được 5 điểm, 31 đến 60 ngày được 4, 61 đến 120 được 3, 121 đến 240 được 2, trên 240 ngày được 1. Với Frequency và Monetary thì ngược lại, từ mốc cuối trở lên được 5 điểm: mốc 2 3 4 6 cho số đơn nghĩa là 1 đơn được 1 điểm, 2 đơn được 2, 3 đơn được 3, 4 hoặc 5 đơn được 4, từ 6 đơn được 5. Mỗi chỉ số chọn cách chấm riêng, ví dụ R theo ngưỡng còn M theo phân vị.

Bộ quy tắc xếp 11 phân khúc

Công cụ ghép F và M thành một điểm FM bằng trung bình hai điểm, làm tròn nửa lên (F 1 và M 2 thành FM 2), rồi xếp theo R và FM. Khách hàng tốt nhất (Champions): R 5, FM 4 đến 5. Trung thành (Loyal): R 3 đến 4, FM 4 đến 5. Tiềm năng trung thành (Potential Loyalist): R 4 đến 5, FM 2 đến 3. Khách mới (New Customers): R 5, FM 1. Có triển vọng (Promising): R 4, FM 1. Cần quan tâm (Need Attention): R 3, FM 3. Sắp ngủ đông (About to Sleep): R 3, FM 1 đến 2. Không thể để mất (Can't Lose Them): R 1 đến 2, FM 5. Có nguy cơ rời bỏ (At Risk): R 1 đến 2, FM 3 đến 4. Đã rời bỏ (Lost): R 1, FM 1. Ngủ đông (Hibernating): R 1 đến 2, FM 1 đến 2, trừ ô Đã rời bỏ. 25 ô của lưới R và FM đều thuộc đúng một phân khúc. Đây là một biến thể của bảng phân khúc RFM được dùng rộng rãi, các nguồn khác nhau có thể cắt ranh giới hơi khác; công cụ ghi rõ quy tắc trong bảng tổng hợp và trong file Excel để bạn biết chính xác mỗi khách được xếp vì sao.

Chuẩn bị file đơn hàng cho đúng

Chỉ cần ba cột: mã khách, ngày, số tiền. Mã khách nên là mã khách hàng hoặc số điện thoại, tránh dùng tên vì hai khách trùng tên sẽ bị gộp làm một. Số tiền nên là tiền thực thu của đơn hoặc của dòng, không phải đơn giá. Đơn hủy, đơn giao thất bại nên được loại: chọn cột trạng thái và giữ danh sách từ khóa mặc định (hủy, cancel, hoàn, trả hàng, thất bại...), so khớp không phân biệt dấu và hoa thường. Ngày dạng 05/03/2026 là mơ hồ giữa ngày 5 tháng 3 và ngày 3 tháng 5; công cụ tìm trong cột những ngày có phần đầu hoặc phần giữa lớn hơn 12 để đoán thứ tự và báo lại cách đã hiểu, nếu không đủ dấu hiệu thì hiểu theo kiểu Việt Nam ngày/tháng/năm. Số tiền có một dấu chấm hoặc phẩy theo sau đúng 3 chữ số, như 1.250, được hiểu là một nghìn hai trăm năm mươi theo thói quen ghi tiền ở Việt Nam.

Đọc kết quả và biến thành hành động

Bắt đầu từ bảng tổng hợp: nhìn cột số khách và cột tổng tiền cạnh nhau để thấy nhóm nhỏ nào đang mang lại phần doanh thu lớn. Nhóm Không thể để mất và Có nguy cơ rời bỏ thường đáng ưu tiên vì họ từng có giá trị cao; hãy lấy danh sách từ file Excel và liên hệ cá nhân thay vì gửi tin nhắn hàng loạt. Nhóm Khách mới và Có triển vọng cần được chăm sóc để có lần mua thứ hai. Nhóm Ngủ đông và Đã rời bỏ thường lớn nhưng hiệu quả tiếp thị thấp, nên dùng kênh chi phí thấp hoặc dùng làm tệp loại trừ khi chạy quảng cáo. Gợi ý trong công cụ là các ý tưởng tiếp thị phổ biến cho từng nhóm, không phải cam kết về hiệu quả; hãy thử trên một phần danh sách và đo lại. Chạy lại phân tích định kỳ, ví dụ mỗi tháng, để thấy khách di chuyển giữa các nhóm.

Giới hạn và lưu ý

Công cụ đọc file tối đa khoảng 60 MB; chúng tôi đã thử file Excel 200.000 dòng, phần đọc mất vài giây và phần tính điểm chưa tới một giây trên máy thử, máy yếu hơn sẽ chậm hơn. Ngày có kèm múi giờ như 2026-03-15T23:59:00Z được lấy nguyên phần ngày, không đổi múi giờ. Phân vị trên dưới khoảng 50 khách cho kết quả kém ổn định, nên dùng ngưỡng tự đặt. RFM chỉ nhìn vào lịch sử giao dịch, không biết khách mua gì, mua qua kênh nào hay biên lợi nhuận bao nhiêu; một khách chi nhiều cho hàng lãi thấp vẫn có thể được điểm M cao. Nếu cần tính giá trị vòng đời hoặc tỷ lệ quay lại theo tháng, hãy dùng thêm công cụ CLV và phân tích cohort.

Câu hỏi thường gặp (FAQ)

Từ khóa liên quan

• phân tích rfm
• mô hình rfm
• rfm analysis
• phân khúc khách hàng rfm
• phân nhóm khách hàng
• rfm là gì
• cách tính rfm trong excel
• phân tích rfm excel
• recency frequency monetary
• điểm rfm
• phân loại khách hàng theo rfm
• rfm segmentation
• phân tích khách hàng từ đơn hàng
• khách hàng trung thành
• khách hàng có nguy cơ rời bỏ
• chăm sóc khách hàng cũ
• phân tích dữ liệu bán hàng
• customer segmentation