ลูกค้าเก่ายังอยู่ครบ แต่ยอดรวมลดลง: การหดตัวเงียบ ๆ ที่รายงาน churn มองไม่เห็น เพราะไม่มีใครหายไป — แค่ทุกคนซื้อน้อยลง

รายงานลูกค้าที่หายไปบอกว่าศูนย์ ยอดขายบอกว่าลบสิบห้าเปอร์เซ็นต์ และทั้งสองรายงานถูกต้อง — เพราะลูกค้าไม่ได้หาย พวกเขาแค่ซื้อบ่อยน้อยลงหรือซื้อครั้งละน้อยลง โดยย้ายส่วนหนึ่งของกระเป๋าไปที่อื่นเงียบ ๆ บทความว่าด้วยการแยกยอดต่อลูกค้าเป็นความถี่กับขนาด และรายชื่อลูกค้าที่กำลังจะหายซึ่งต้องคุยก่อนที่รายงาน churn จะเห็น
ผู้ค้าส่งวัสดุสิ้นเปลืองสำหรับร้านอาหารรายหนึ่งเปิดสองรายงานในเช้าเดียวกัน รายงานแรกคือลูกค้าที่หายไปในไตรมาสที่ผ่านมา: สองรายจากสามร้อย — ตัวเลขที่ดีที่สุดในรอบสามปี รายงานที่สองคือยอดขายรวม: ลบสิบห้าเปอร์เซ็นต์เทียบกับไตรมาสเดียวกันของปีก่อน ทั้งสองรายงานถูกต้อง และเมื่อวางข้างกันมันบอกสิ่งที่รายงานไหนก็บอกคนเดียวไม่ได้: ลูกค้าไม่ได้หายไป พวกเขาซื้อน้อยลง เมื่อไล่ดูรายลูกค้า รูปแบบชัดขึ้น — ร้านอาหารร้อยกว่าร้านยังสั่งทุกสัปดาห์เหมือนเดิม แต่ยอดต่อบิลลดลงยี่สิบถึงสามสิบเปอร์เซ็นต์ เพราะพวกเขาเริ่มสั่งกล่องกระดาษและถุงจากผู้ขายออนไลน์รายใหม่ที่ถูกกว่า และยังสั่งน้ำยาล้างจานกับผ้าเช็ดจากผู้ค้ารายนี้เหมือนเดิม ส่วนอีกกลุ่มยังสั่งครั้งละเท่าเดิมแต่จากทุกสัปดาห์กลายเป็นทุกสองสัปดาห์ เพราะพนักงานขายเลิกโทรเตือน ไม่มีลูกค้ารายไหนตัดสินใจเลิกซื้อ ไม่มีรายไหนบ่น และไม่มีรายไหนปรากฏในรายงาน churn — พวกเขาแค่ย้ายส่วนหนึ่งของกระเป๋าไปที่อื่นเงียบ ๆ และธุรกิจที่มองแต่จำนวนลูกค้าเห็นความมั่นคง ในขณะที่ยอดขายหดลงสิบห้าเปอร์เซ็นต์ใต้พื้นผิว
กลไก: ทำไมการหดตัวเงียบจึงเป็นสัญญาณแรกของการหายไป
ลูกค้าประจำแทบไม่เคยเลิกซื้อในวันเดียว การเลิกซื้อเป็นกระบวนการ: มันเริ่มจากการลองซื้อสินค้าหนึ่งหมวดจากที่อื่น — เพราะถูกกว่า ส่งเร็วกว่า หรือแค่เพราะมีคนเสนอ — และถ้าประสบการณ์ที่นั่นดี หมวดที่สองตามไป จากนั้นความถี่ลดลงเพราะเหลือหมวดที่ต้องสั่งน้อยลง และวันหนึ่งลูกค้ารู้ตัวว่าสั่งจากที่ใหม่ครบทุกหมวดแล้วโดยไม่เคยตัดสินใจ 'ย้าย' เลย ธุรกิจเดิมเห็นลูกค้ารายนี้ในรายงาน churn ในวันสุดท้ายของกระบวนการนั้น — วันที่สายเกินกว่าจะทำอะไร — ทั้งที่สัญญาณแรกปรากฏในตัวเลขตั้งแต่หกเดือนก่อน ในรูปของยอดต่อบิลที่ลดลงยี่สิบเปอร์เซ็นต์ในหมวดเดียว สิ่งที่ทำให้กลไกนี้มองไม่เห็นคือค่าเฉลี่ย: ยอดรวมของลูกค้าสามร้อยรายที่ลดลงสิบห้าเปอร์เซ็นต์ดูเหมือน 'ตลาดซบ' หรือ 'ฤดูกาล' และการมองต่อลูกค้าซึ่งจะเปิดเผยว่าจริง ๆ แล้วมันคือลูกค้าสี่สิบรายที่ลดลงห้าสิบเปอร์เซ็นต์ กับอีกสองร้อยหกสิบรายที่ปกติ ไม่เคยถูกทำเพราะไม่มีรายงานไหนออกแบบมาให้ทำ ธุรกิจที่มีพนักงานขายมักรู้เรื่องนี้ในระดับความรู้สึก — 'ร้านนั้นสั่งน้อยลงนะช่วงนี้' — แต่ความรู้สึกไม่ถูกรวมเป็นรายชื่อ และไม่มีใครถูกมอบหมายให้โทรก่อนที่ยอดจะเป็นศูนย์
รายงานหน้าเดียวที่ต้องมาก่อนรายงาน churn
- รายชื่อลูกค้าที่หด — ทุกรายที่ยอดสามเดือนล่าสุดต่ำกว่าช่วงเดียวกันของปีก่อนเกินยี่สิบเปอร์เซ็นต์ เรียงตาม ΔR_c แสดงว่าเป็นความถี่ ขนาด หรือทั้งคู่ และหมวดสินค้าที่ยอดหายมากที่สุด
- วันที่สั่งครั้งสุดท้ายเทียบกับรอบปกติ — ลูกค้าที่เคยสั่งทุกเจ็ดวันและตอนนี้ผ่านมาสิบสี่วัน คือลูกค้าที่ควรได้รับข้อความวันนี้ ไม่ใช่ปรากฏในรายงานเดือนหน้า
- หมวดที่หายทั้งฐานลูกค้า — ถ้าหมวด 'กล่องกระดาษ' ลดลงในสี่สิบรายพร้อมกัน นั่นไม่ใช่ลูกค้าสี่สิบรายที่มีปัญหา แต่คือคู่แข่งหนึ่งรายที่ชนะหมวดนั้น และการตัดสินใจคือสู้ราคา สู้บริการ หรือปล่อยหมวดนั้นไปโดยรักษาที่เหลือ
- มอบหมายพร้อมชื่อ — ทุกรายในรายชื่อมีคนที่ต้องโทรและวันครบกำหนด และผลของการโทร (สาเหตุที่ลูกค้าบอก) ถูกบันทึกเพื่อให้รายงานเดือนถัดไปมีสาเหตุ ไม่ใช่แค่ตัวเลข
การตอบสนองที่ถูกต้อง และการตอบสนองที่ทำให้แย่ลง
ปฏิกิริยาแรกของธุรกิจที่เห็นยอดลดสิบห้าเปอร์เซ็นต์คือส่วนลดทั่วกระดาน — 'ลดสิบเปอร์เซ็นต์ให้ลูกค้าเก่าทุกราย' — ซึ่งเป็นการตอบสนองที่ผิดเกือบทุกครั้ง เพราะมันให้ส่วนลดกับสองร้อยหกสิบรายที่ยังซื้อเท่าเดิม (ต้นทุนมหาศาลโดยไม่ได้อะไร) และไม่แก้สาเหตุของสี่สิบรายที่หด (ที่ย้ายหมวดไปเพราะราคาของหมวดนั้นโดยเฉพาะ หรือเพราะถูกลืม ซึ่งส่วนลดไม่ช่วยทั้งสองอย่าง) การตอบสนองที่ถูกต้องเริ่มจากสาเหตุที่สูตรแยกให้: สำหรับความถี่ที่ลด — รอบสั่งอัตโนมัติ ข้อความเตือนตามรอบปกติของลูกค้ารายนั้น และการโทรของพนักงานขายที่ถูกวัดด้วยความถี่ของลูกค้า ไม่ใช่แค่ยอด สำหรับขนาดที่ลดในหมวดเดียว — การรู้ว่าแพ้ใครในหมวดนั้น แล้วตัดสินใจอย่างมีสติว่าจะสู้ด้วยราคาเฉพาะหมวด (ไม่ใช่ทั้งบิล) สู้ด้วยบริการ (ส่งพร้อมของอื่นในเที่ยวเดียว ซึ่งผู้ขายออนไลน์ทำไม่ได้) หรือปล่อยหมวดนั้นไปถ้ามาร์จิ้นไม่คุ้มสู้ และในทุกกรณี การโทรหาลูกค้าที่หดก่อนที่เขาจะหาย มีอัตราสำเร็จสูงกว่าการโทรหาลูกค้าที่หายไปแล้วหลายเท่า เพราะคนแรกยังซื้ออยู่และแค่ต้องการเหตุผลที่จะซื้อมากขึ้น ส่วนคนหลังได้ตัดสินใจไปแล้วและต้องการเหตุผลที่จะกลับมา — ซึ่งแพงกว่าเสมอ
คำถามที่พบบ่อย
ร้านค้าปลีกที่ไม่รู้ว่าลูกค้าคนไหนเป็นใคร จะทำแบบนี้ได้ไหม
ทำได้เฉพาะเท่าที่ระบุตัวลูกค้าได้ ซึ่งคือเหตุผลทางธุรกิจที่ดีที่สุดของระบบสมาชิกหรือการเก็บเบอร์โทร: ไม่ใช่เพื่อสะสมแต้ม แต่เพื่อให้เห็นว่าลูกค้าประจำคนไหนมาน้อยลง ร้านที่ระบุตัวลูกค้าได้ครึ่งหนึ่งของยอดขาย ก็เห็นการหดตัวของครึ่งนั้นได้ และครึ่งนั้นมักเป็นครึ่งที่มีค่ามากกว่า ส่วนร้านที่ระบุใครไม่ได้เลย จะมองเห็นแค่ยอดรวมที่ลด และไม่มีทางรู้ว่าเป็นลูกค้าน้อยลงหรือลูกค้าเท่าเดิมที่ซื้อน้อยลง — สองปัญหาที่แก้คนละวิธี
เกณฑ์ยี่สิบเปอร์เซ็นต์และสามเดือนเหมาะกับทุกธุรกิจไหม
ไม่ — ตั้งจากความผันผวนปกติของธุรกิจ ธุรกิจที่ลูกค้าสั่งทุกสัปดาห์ใช้สามเดือนและยี่สิบเปอร์เซ็นต์ได้ดี ธุรกิจที่ลูกค้าสั่งทุกไตรมาส (อุปกรณ์ อะไหล่ใหญ่) ต้องใช้สิบสองเดือนเทียบสิบสองเดือนก่อน ไม่งั้นทุกรายจะดูเหมือนหดในเดือนที่ยังไม่ถึงรอบ กฎที่ใช้ได้คือช่วงเทียบต้องยาวกว่ารอบสั่งปกติอย่างน้อยสามเท่า และเกณฑ์เปอร์เซ็นต์ควรสูงกว่าความผันผวนปกติของลูกค้ารายทั่วไป — ซึ่งดูได้จากข้อมูลปีก่อนในบ่ายเดียว
ต้องมีระบบอะไรเพื่อให้รายงานนี้ออกเองทุกเดือน
แค่ประวัติบิลต่อลูกค้าพร้อมวันที่และหมวดสินค้า ซึ่งอยู่ในทุกระบบขาย สิ่งที่ต้องเพิ่มคือแดชบอร์ดที่คำนวณ ΔR_c แยกความถี่กับขนาด จัดอันดับ และแสดงหมวดที่หาย พร้อมช่องมอบหมายและบันทึกผลการโทร — งานของแดชบอร์ดขายมากกว่าระบบขายเอง และควรมีก่อนจ้างพนักงานขายเพิ่ม เพราะพนักงานขายที่มีรายชื่อนี้ทุกวันจันทร์ทำงานได้ผลกว่าพนักงานสองคนที่ไม่มี
บริการที่เกี่ยวข้อง
SME Dashboard สำหรับเจ้าของธุรกิจ
เชื่อม POS, Excel, Sheets และ ERP ให้เห็นยอดขาย สต็อก และกำไรเรียลไทม์
WhaleScope
ดูโครงสร้างตลาดของทุกหมวดธุรกิจไทย บน WhaleScope
รายชื่อบริษัท ผู้เล่นรายใหญ่ และอัตราคงอยู่ของแต่ละหมวด — จากข้อมูลจดทะเบียน 2 ล้านนิติบุคคล
อ่านต่อ

ลูกค้ารายเดียวคิดเป็นครึ่งหนึ่งของยอดขาย — ความเสี่ยงที่ดูเหมือนความสำเร็จ
ลูกค้ารายใหญ่ทำให้ยอดขายสวยและกระแสเงินสดง่ายขึ้น จนกระทั่งวันที่เขาเปลี่ยนเงื่อนไขหรือเปลี่ยนซัพพลายเออร์ บทความนี้อธิบายวิธีวัดระดับการกระจุกตัว คำนวณผลกระทบจริง และลดความเสี่ยงโดยไม่ต้องทิ้งลูกค้ารายนั้น

Churn Prediction: รู้ก่อนว่าลูกค้าคนไหนกำลังจะจากไป ตอนที่ยังรั้งทัน
ลูกค้าแทบไม่เคยจากไปกะทันหัน พวกเขาส่งสัญญาณล่วงหน้าเสมอ ใช้งานน้อยลง ซื้อห่างขึ้น เลิกเปิดอีเมล การวิเคราะห์ Churn คือการอ่านสัญญาณเหล่านี้อย่างเป็นระบบ เพื่อยื่นมือเข้าไปตอนที่ยังเปลี่ยนใจกันได้

เซลส์ลาออกแล้วลูกค้าหายไปครึ่งหนึ่ง: ธุรกิจที่ความสัมพันธ์กับลูกค้าอยู่ในโทรศัพท์ของพนักงาน ไม่ได้มีลูกค้า — มันมีพนักงานที่มีลูกค้า
พนักงานขายที่ดูแลลูกค้าสี่สิบรายมาห้าปีลาออกไปอยู่กับคู่แข่ง สามเดือนต่อมายี่สิบรายสั่งจากที่ใหม่ ไม่มีสัญญาห้ามแข่งขันฉบับไหนหยุดเรื่องนี้ได้ เพราะสิ่งที่พาลูกค้าไปไม่ใช่ความไม่ซื่อสัตย์ แต่คือความจริงที่ว่าบริษัทไม่เคยรู้จักลูกค้าเหล่านั้นเลย บทความว่าด้วยการวัดว่าความสัมพันธ์อยู่กับใคร และการย้ายมันกลับมาที่บริษัทก่อนวันลาออก

ความเงียบไม่ใช่ข่าวดี — ลูกค้าที่ไม่บ่นคือลูกค้าที่กำลังจะหาย และระบบที่ไม่แจ้งเตือนคือระบบที่ไม่มีใครดู
ธุรกิจอ่านความเงียบว่าเรียบร้อยดีมาตลอด ทั้งที่ลูกค้าส่วนใหญ่ไม่เคยบ่นก่อนหาย พนักงานไม่รายงานปัญหาที่คิดว่านายไม่อยากฟัง และระบบที่พังบางแบบก็พังแบบเงียบสนิท บทความนี้อธิบายว่าทำไมความเงียบคือข้อมูลที่ต้องไปดึง ไม่ใช่ข่าวดีที่ได้รับ และการออกแบบให้ความเงียบส่งเสียง
