← กลับไปหน้าบทความ
การเงิน & ROI

ลูกค้าเดือนนี้จะกลับมาซื้ออีกไหม: อ่าน cohort retention เพื่อรู้คุณค่าลูกค้าที่แท้จริง

02 ส.ค. 04:12 · อ่าน 1 นาที
ลูกค้าเดือนนี้จะกลับมาซื้ออีกไหม: อ่าน cohort retention เพื่อรู้คุณค่าลูกค้าที่แท้จริง

สรุปสั้น ๆ

cohort คือการจับลูกค้าเป็น ‘รุ่น’ ตามเดือนที่ซื้อครั้งแรก แล้วตามดูว่าแต่ละรุ่นกลับมาซื้อซ้ำในเดือนถัด ๆ ไปแค่ไหน มันเผยความจริงที่ยอดรวมซ่อนไว้ ว่าลูกค้าที่คุณจ่ายค่าแอดหามาอยู่กับคุณนานพอจะคุ้มไหม บทความนี้สอนอ่านตาราง cohort แบบไม่ต้องใช้เครื่องมือแพง ตัวเลขในตัวอย่างเป็นค่าสมมติเพื่อสาธิตวิธีอ่าน ไม่ใช่ข้อมูลจริง

ร้านหนึ่งดีใจมากที่เดือนนี้ได้ลูกค้าใหม่ 300 คน ยอดพุ่ง ค่าแอดคุ้ม แต่พอถามว่า ‘ลูกค้าเดือนที่แล้วกลับมาซื้ออีกกี่คน’ เขาตอบไม่ได้ นี่คือหลุมที่ธุรกิจแชทตกกันเยอะ มองแต่ลูกค้าใหม่ ไม่เคยดูว่าลูกค้าเก่าอยู่ด้วยไหม

การจ่ายค่าแอดเพื่อได้ลูกค้าที่ซื้อครั้งเดียวแล้วหายไปตลอดกาล เป็นธุรกิจที่เหนื่อยและเปราะบางมาก เพราะคุณต้องวิ่งหาคนใหม่ตลอดเวลา cohort retention คือเครื่องมือที่บอกคุณตรง ๆ ว่าคุณกำลังสร้างฐานลูกค้า หรือแค่ตักน้ำใส่ตะกร้ารั่ว

บทความนี้จะสอนอ่าน cohort แบบง่ายที่สุด ไม่ต้องมีเครื่องมือหรู ตัวเลขในตารางเป็นค่าสมมติเพื่อสาธิตวิธีอ่านล้วน ๆ ไม่ใช่ข้อมูลจริงจากที่ไหน

cohort คืออะไร ทำไมมันบอกความจริงมากกว่ายอดรวม

cohort แปลง่าย ๆ คือ ‘รุ่น’ ของลูกค้า เราจับคนที่ซื้อครั้งแรกในเดือนเดียวกันเป็นหนึ่งรุ่น เช่นรุ่นมกราคม รุ่นกุมภาพันธ์ แล้วตามดูว่ารุ่นนั้น ๆ กลับมาซื้อซ้ำในเดือนถัดไปกี่เปอร์เซ็นต์ ต่างจากการดูยอดรวมที่ปนลูกค้าทุกรุ่นเข้าด้วยกันจนอ่านพฤติกรรมไม่ออก

เหตุที่มันทรงพลังคือมันแยก ‘คุณภาพของลูกค้าที่ได้มาแต่ละช่วง’ ออกจากกัน ถ้าเดือนไหนคุณเปลี่ยนวิธียิงแอดแล้วได้ลูกค้าที่ไม่กลับมาเลย cohort จะฟ้องทันที ขณะที่ยอดรวมอาจยังดูดีเพราะลูกค้ารุ่นเก่าช่วยพยุงไว้ แนวคิดนี้เสริมกับการดูคุณค่าตลอดอายุของลูกค้าได้ดีมาก

อ่านตาราง cohort: แต่ละแถวคือหนึ่งรุ่น

ตารางข้างล่างเป็นตัวอย่างสมมติ แต่ละแถวคือลูกค้ารุ่นหนึ่ง ตัวเลขคือเปอร์เซ็นต์ที่กลับมาซื้อซ้ำในเดือนถัด ๆ ไป ลองไล่สายตาจากซ้ายไปขวาในแต่ละแถว จะเห็นว่าคนค่อย ๆ หลุดหายไปตามเวลา ซึ่งเป็นเรื่องปกติ สิ่งที่ต้องดูคือ ‘หลุดเร็วแค่ไหน’ และ ‘รุ่นใหม่ดีขึ้นหรือแย่ลง’

รุ่น (เดือนแรกที่ซื้อ)เดือน +1เดือน +2เดือน +3
รุ่น ม.ค.28%17%12%
รุ่น ก.พ.31%20%14%
รุ่น มี.ค.22%11%7%
รุ่น เม.ย.34%24%

สิ่งที่ต้องมองในตาราง มากกว่าตัวเลขเดี่ยว ๆ

  • อ่านแนวนอน — คนหลุดเร็วแค่ไหนในแต่ละรุ่น ถ้ารุ่นไหนตกฮวบตั้งแต่เดือน +1 แปลว่าลูกค้ารุ่นนั้นซื้อครั้งเดียวแล้วไปเยอะ
  • อ่านแนวตั้ง — เทียบ ‘เดือน +1’ ข้ามรุ่น เพื่อดูว่าลูกค้าที่ได้มาใหม่ ๆ มีคุณภาพดีขึ้นหรือแย่ลง จากตัวอย่างสมมติ รุ่น มี.ค. แย่กว่าเพื่อนชัด ควรไปหาว่าเดือนนั้นเกิดอะไร
  • หาจุดผิดปกติ — รุ่นที่ตัวเลขต่ำผิดเพื่อนคือสัญญาณเตือน อาจเพราะแคมเปญลดราคาหนักที่ดึงคนล่าราคาถูกซึ่งไม่ภักดี
  • อย่าตกใจกับการหลุดตามเวลา — retention ที่ค่อย ๆ ลดเป็นธรรมชาติ สิ่งที่น่ากังวลคือมันลดเร็วเกินไปหรือรุ่นใหม่แย่ลงเรื่อย ๆ ซึ่งโยงกับอัตราการหลุดของลูกค้าโดยตรง

เอา cohort ไปตัดสินใจเรื่องเงินยังไง

ประโยชน์ใหญ่สุดของ cohort คือมันบอกว่าคุณ ‘จ่ายค่าแอดได้แค่ไหนถึงคุ้ม’ ถ้ารุ่นหนึ่งกลับมาซื้อซ้ำดี มูลค่ารวมต่อลูกค้าหนึ่งคนก็สูง คุณจ่ายค่าได้ลูกค้าแพงขึ้นได้โดยยังกำไร แต่ถ้า retention ต่ำ คุณต้องได้ลูกค้าถูกลงเท่านั้นถึงจะรอด

อีกการใช้คือมันเตือนก่อนที่ยอดรวมจะพัง สมมติรุ่นใหม่ ๆ retention เริ่มร่วงติดกันหลายเดือน ต่อให้ยอดรวมยังดูโอเคเพราะรุ่นเก่าพยุงอยู่ แต่นั่นคือระเบิดเวลา การเห็นสัญญาณนี้ล่วงหน้าทำให้คุณแก้ทันก่อนจะสาย ลองใช้คู่กับอัตราส่วนคุณค่าลูกค้าต่อต้นทุนหาลูกค้าเพื่อเห็นภาพการเงินครบ

ท้ายสุด cohort ช่วยชี้ว่าควรลงแรงกับ ‘หาคนใหม่’ หรือ ‘ดูแลคนเก่า’ ถ้า retention ต่ำมาก การทุ่มหาคนใหม่เพิ่มก็เหมือนเติมน้ำใส่ตะกร้ารั่ว ควรอุดรูก่อน ด้วยการทำให้ลูกค้ารุ่นเก่ากลับมาซื้อซ้ำ ซึ่งมักถูกกว่าและกำไรดีกว่าการหาคนใหม่มาก

สรุป

ยอดลูกค้าใหม่ที่สวยงามอาจกลบความจริงว่าลูกค้าซื้อครั้งเดียวแล้วหายไป cohort retention ดึงความจริงนั้นออกมาให้เห็น ด้วยการจับลูกค้าเป็นรุ่นแล้วตามดูว่าแต่ละรุ่นอยู่กับคุณนานแค่ไหน อ่านแนวนอนดูความไว อ่านแนวตั้งเทียบคุณภาพข้ามรุ่น

เมื่อรู้ว่าลูกค้ารุ่นไหนอยู่นานหรือหลุดเร็ว คุณจะตัดสินใจเรื่องค่าแอดและเรื่องหาคนใหม่กับดูแลคนเก่าได้แม่นขึ้นมาก ตัวเลขในบทนี้เป็นเพียงตัวอย่างสาธิต แต่ตารางที่คุณสร้างจากข้อมูลจริงจะกลายเป็นเข็มทิศทางการเงินที่ดีที่สุดตัวหนึ่ง

  • จับลูกค้าเป็นรุ่นตามเดือนที่ซื้อครั้งแรก แล้วตามดูการซื้อซ้ำ
  • อ่านแนวนอนดูความไวในการหลุด อ่านแนวตั้งเทียบคุณภาพข้ามรุ่น
  • ใช้ retention กำหนดว่าจ่ายค่าแอดได้แค่ไหน และควรอุดรูก่อนหาคนใหม่

คำถามที่พบบ่อย

ต้องมีลูกค้ากี่คนต่อรุ่นถึงจะอ่าน cohort ได้

ยิ่งมากยิ่งนิ่ง แต่ละรุ่นควรมีอย่างน้อยหลักสิบขึ้นไปเพื่อให้เปอร์เซ็นต์ไม่แกว่งจนอ่านผิด ถ้าลูกค้าน้อยมาก อาจจับเป็นรุ่นรายไตรมาสแทนรายเดือน เพื่อให้แต่ละรุ่นมีคนมากพอจะเห็นแนวโน้ม

ทำ cohort ใน Google Sheet ได้ไหม

ได้สบาย แค่มีข้อมูลว่าลูกค้าแต่ละคนซื้อครั้งแรกเดือนไหนและซื้อซ้ำเดือนไหนบ้าง ก็จัดเป็นตารางไขว้ได้ ไม่จำเป็นต้องมีเครื่องมือแพง สิ่งที่สำคัญกว่าคือข้อมูลการซื้อที่ผูกกับตัวลูกค้าได้ถูกคน

retention ลดลงทุกเดือนถือว่าธุรกิจแย่ไหม

การลดลงตามเวลาเป็นธรรมชาติของเกือบทุกธุรกิจ ไม่ได้แปลว่าแย่ สิ่งที่ต้องดูคืออัตราการลดเร็วผิดปกติไหม และรุ่นใหม่ ๆ ดีขึ้นหรือแย่ลง ถ้ารุ่นใหม่ค่อย ๆ ดีขึ้นแปลว่าคุณมาถูกทาง แม้ตัวเลขจะลดตามเวลาก็ตาม

ตัวเลขในตาราง cohort บทนี้อ้างอิงได้ไหม

ไม่ได้ เป็นค่าสมมติเพื่อสอนวิธีอ่านตารางเท่านั้น ไม่ใช่ค่าจริงของอุตสาหกรรมใด retention ที่ถือว่าดีต่างกันมากตามประเภทสินค้า ควรสร้างตารางจากข้อมูลจริงของคุณแล้วเทียบรุ่นต่อรุ่นของตัวเอง

cohort ต่างกับ churn rate ยังไง

churn rate มองภาพรวมว่าช่วงหนึ่งมีลูกค้าหลุดไปกี่เปอร์เซ็นต์ ส่วน cohort เจาะว่าลูกค้าแต่ละรุ่นหลุดต่างกันยังไงตามเวลา cohort ละเอียดกว่าและช่วยจับว่าปัญหาเกิดกับลูกค้าที่ได้มาช่วงไหน จึงเสริมกันได้ดี

ควรทำ cohort บ่อยแค่ไหน

อัปเดตเดือนละครั้งพอ เพราะข้อมูล retention ต้องใช้เวลาสะสม การดูถี่กว่านั้นไม่ได้เพิ่มข้อมูลใหม่มากนัก สิ่งที่ควรทำคือเก็บตารางไว้ต่อเนื่องเพื่อเห็นแนวโน้มข้ามหลายเดือน ซึ่งมีค่ากว่าการดูภาพนิ่งครั้งเดียว

อยากวัดผลโฆษณาเข้า LINE ให้ถึงยอดขาย?

ทดลองใช้ linli ฟรี 14 วัน ไม่ต้องใช้บัตรเครดิต

เริ่มทดลองใช้ฟรี

บทความที่เกี่ยวข้อง

คู่มือเริ่มต้น LINE Conversion Tracking ในไทย ตั้งแต่ติดตั้งจนวัดยอดขายจริง
คู่มือเริ่มต้น LINE Conversion Tracking ในไทย ตั้งแต่ติดตั้งจนวัดยอดขายจริง
สำหรับคนที่เพิ่งเริ่มทำ LINE Conversion Tracking บทความนี้รวมทุกขั้นตอนตั้งแต่นิยาม Funnel ติดตั้งระบบ เชื่อมแพลตฟอร์ม จนถึงวางแผนช่วงทดลองใช้ให้ตัดสินใจได้จริงก่อนหมด Trial
LINE Tracking กับ PDPA ธุรกิจไทยควรเก็บข้อมูลอย่างไรให้เหมาะสม
LINE Tracking กับ PDPA ธุรกิจไทยควรเก็บข้อมูลอย่างไรให้เหมาะสม
ระบบ Tracking ไม่ได้ทำให้ธุรกิจผ่าน PDPA โดยอัตโนมัติ บทความนี้อธิบายว่าธุรกิจยังต้องรับผิดชอบอะไรเองบ้าง ตั้งแต่ Legal Basis ไปจนถึงการจำกัดข้อมูลที่ส่งไปแพลตฟอร์มโฆษณา
วิธีติดตั้ง Tracking Link และ Tracking Script สำหรับปุ่ม LINE บนเว็บไซต์
วิธีติดตั้ง Tracking Link และ Tracking Script สำหรับปุ่ม LINE บนเว็บไซต์
ก่อนติดตั้ง Tracking Link หรือ Script บนปุ่ม LINE ต้องเตรียมอะไรบ้าง บทความนี้เล่าขั้นตอนจริงตั้งแต่สิทธิ์เข้าถึงเว็บ ไปจนถึง Test Journey ก่อนเปิดใช้งาน ไม่ใช่แค่ก็อปโค้ดไปวาง