ลูกค้าสั่งซ้ำเฉลี่ยเดือนละ 2 ครั้ง ตัวเลขนี้โกหกร้านอาหารคุณอยู่หรือเปล่า
สรุปสั้น ๆ
ค่าเฉลี่ยความถี่สั่งซื้อซ้ำที่ร้านอาหารและเดลิเวอรี่ชอบดูมักบังภาพจริงไว้ เพราะลูกค้าประจำตัวจริงไม่กี่คนอาจดันค่าเฉลี่ยให้ดูดี ทั้งที่คนส่วนใหญ่สั่งครั้งเดียวแล้วหาย บทความนี้สอนดูการกระจายตัว (distribution) ของความถี่สั่งซื้อแทนค่าเฉลี่ยตัวเดียว เพื่อรู้ว่าธุรกิจพึ่งพาใครอยู่จริง ตัวเลขในบทนี้เป็นตัวอย่างสมมติเพื่อสาธิตวิธีอ่าน ไม่ใช่ข้อมูลจากร้านใด
เจ้าของร้านอาหารเดลิเวอรี่รายหนึ่งภูมิใจนำเสนอว่า "ลูกค้าสั่งซ้ำเฉลี่ยเดือนละ 2.3 ครั้ง" ฟังดูดีมาก แต่พอผมขอดูข้อมูลดิบ กลับพบว่ามีลูกค้าประจำกลุ่มเล็ก ๆ สั่งวันเว้นวัน ขณะที่ลูกค้าส่วนใหญ่กว่าเจ็ดสิบเปอร์เซ็นต์สั่งแค่ครั้งเดียวแล้วไม่กลับมาอีกเลย
นี่คือตัวอย่างคลาสสิกของค่าเฉลี่ยที่โกหกโดยไม่ได้ตั้งใจ ค่าเฉลี่ยถูกลากขึ้นโดยคนกลุ่มน้อยที่สั่งถี่มาก ทำให้เจ้าของร้านเข้าใจผิดว่าฐานลูกค้าของตัวเองเหนียวแน่นกว่าความเป็นจริง แล้วอาจตัดสินใจผิดพลาด เช่น ลดงบดึงลูกค้าใหม่เพราะคิดว่าลูกค้าเก่ากลับมาซื้อซ้ำเยอะอยู่แล้ว
บทความนี้จะพาดูวิธีอ่านการกระจายตัวของความถี่สั่งซื้อแทนค่าเฉลี่ยตัวเดียว เพื่อให้เห็นภาพจริงว่าธุรกิจกำลังพึ่งพาใครอยู่ ตัวเลขทุกชุดในบทนี้เป็นตัวอย่างสมมติเพื่ออธิบายวิธีคิด ไม่ใช่ผลสำรวจจากร้านจริง
ทำไมค่าเฉลี่ยความถี่สั่งซื้อถึงหลอกได้ง่าย
ค่าเฉลี่ยคำนวณจากผลรวมหารด้วยจำนวนคน ปัญหาคือมันไม่บอกว่าตัวเลขกระจายตัวยังไง ลูกค้าสิบคนที่สั่งครั้งเดียวเก้าคน กับสั่งสิบครั้งหนึ่งคน ให้ค่าเฉลี่ย 1.9 ครั้งเหมือนกับลูกค้าสิบคนที่สั่งคนละสองครั้งพอดี ทั้งที่พฤติกรรมทางธุรกิจต่างกันโดยสิ้นเชิง
กลุ่มแรกคือธุรกิจที่พึ่งพาลูกค้าประจำไม่กี่คนอย่างอันตราย ถ้าคนนั้นเลิกสั่งวันหนึ่ง ยอดจะหายไปเยอะทันที กลุ่มที่สองคือธุรกิจที่มีฐานลูกค้ากลับมาซื้อซ้ำแบบกระจายทั่วถึงกว่า ซึ่งมั่นคงกว่ามาก การดูแค่ค่าเฉลี่ยทำให้แยกสองสถานการณ์นี้ไม่ออกเลย
สร้างตาราง distribution แทนค่าเฉลี่ย
วิธีทำไม่ยาก ดึงประวัติออร์เดอร์ย้อนหลังหนึ่งเดือน นับว่าลูกค้าแต่ละคนสั่งกี่ครั้ง แล้วจัดกลุ่มลูกค้าตามจำนวนครั้งที่สั่งแทนการหาค่าเฉลี่ยรวม ตารางข้างล่างเป็นตัวอย่างสมมติที่แสดงการกระจายตัวของลูกค้า 500 คนในหนึ่งเดือน
| จำนวนครั้งที่สั่ง (สมมติ) | จำนวนลูกค้า | สัดส่วน | % ของยอดขายรวม |
|---|---|---|---|
| 1 ครั้ง | 350 | 70% | 38% |
| 2–3 ครั้ง | 105 | 21% | 34% |
| 4–6 ครั้ง | 35 | 7% | 18% |
| 7 ครั้งขึ้นไป | 10 | 2% | 10% |
อ่านตารางนี้แล้วเจอความจริงอะไร
จากตารางสมมติ ลูกค้ากลุ่มที่สั่งครั้งเดียวมีสัดส่วนถึง 70% ของทั้งหมด แต่สร้างยอดขายแค่ 38% ขณะที่กลุ่มที่สั่งบ่อย 7 ครั้งขึ้นไปมีแค่ 2% ของลูกค้าแต่สร้างยอดถึง 10% นี่คือภาพที่ค่าเฉลี่ยตัวเดียวไม่มีทางบอกได้ และมันบอกคุณตรง ๆ ว่าธุรกิจกำลังรั่วตรงไหน
รูรั่วใหญ่ที่สุดในตัวอย่างนี้คือกลุ่ม "สั่งครั้งเดียว" ที่มีจำนวนมากที่สุดแต่ไม่กลับมาอีก ถ้าคุณดึงคนกลุ่มนี้แม้แค่ส่วนหนึ่งให้กลับมาสั่งครั้งที่สองได้ ผลกระทบต่อยอดรวมจะมากกว่าการพยายามดันกลุ่มลูกค้าประจำที่สั่งอยู่แล้วให้สั่งถี่ขึ้นอีก เพราะฐานคนของกลุ่มแรกใหญ่กว่ามาก แนวคิดนี้ใกล้เคียงกับหลักการของการวิเคราะห์ลูกค้าแบบ RFMที่แบ่งกลุ่มตามพฤติกรรมแทนการมองรวม
แยกวิธีดูแลตามกลุ่ม อย่าใช้แคมเปญเดียวกับทุกคน
- กลุ่มสั่งครั้งเดียว — เป้าหมายคือดันให้เกิดครั้งที่สอง อาจใช้คูปองส่วนลดครั้งถัดไปที่ส่งภายในไม่กี่วันหลังออร์เดอร์แรก ขณะที่ความประทับใจยังสด
- กลุ่มสั่ง 2-3 ครั้ง — เป็นกลุ่มที่มีสัญญาณกำลังจะกลายเป็นลูกค้าประจำ ควรเน้นสร้างความคุ้นเคย เช่น จำเมนูโปรดหรือทักถามความเห็นหลังสั่ง
- กลุ่มสั่งประจำ — ไม่จำเป็นต้องใช้ส่วนลดกระตุ้นเพิ่ม เพราะเขาซื้ออยู่แล้ว ควรเน้นรักษาคุณภาพและความสม่ำเสมอมากกว่าการยิงโปรโมชันซ้ำ ๆ ซึ่งอาจกินกำไรโดยไม่จำเป็น
- การแยกแบบนี้ต่อยอดได้ดีกับการรีทาร์เก็ตลูกค้าเก่าเพราะแต่ละกลุ่มควรได้ข้อความและข้อเสนอที่ต่างกัน ไม่ใช่ยิงบรอดแคสต์เดียวกันหาทุกคน
ติดตามการกระจายตัวนี้ทุกเดือน ไม่ใช่ดูครั้งเดียวจบ
การกระจายตัวของความถี่สั่งซื้อเปลี่ยนได้ตามฤดูกาล แคมเปญ และคู่แข่ง สิ่งที่ควรทำต่อคือบันทึกตารางนี้ทุกเดือนแล้วดูว่าสัดส่วนกลุ่ม "สั่งครั้งเดียว" ลดลงไหมหลังจากที่คุณเริ่มแคมเปญดึงกลับ ถ้าสัดส่วนลดลงและกลุ่มสั่งซ้ำโตขึ้น แปลว่าสิ่งที่ทำได้ผล
ระวังอย่าดีใจเร็วเกินไปถ้าเห็นค่าเฉลี่ยรวมขยับขึ้นเดือนเดียว เพราะอาจเป็นเพราะลูกค้าประจำไม่กี่คนสั่งถี่ขึ้นชั่วคราว ไม่ใช่เพราะฐานลูกค้าใหม่กลับมาซื้อซ้ำมากขึ้นจริง การดู distribution ควบคู่กับค่าเฉลี่ยทุกครั้งคือทางเดียวที่ป้องกันการเข้าใจผิดแบบนี้ กรณีศึกษาของธุรกิจอาหารที่ปรับโครงสร้างแคมเปญตามข้อมูลแบบนี้ดูได้ในเคสร้านอาหารฟิวชัน
สรุป
ค่าเฉลี่ยความถี่สั่งซื้อซ้ำเป็นตัวเลขที่ดูสบายตาแต่ซ่อนความจริงไว้เสมอ การเปลี่ยนมาดูการกระจายตัวของลูกค้าตามจำนวนครั้งที่สั่ง เผยให้เห็นว่าธุรกิจกำลังพึ่งพาลูกค้ากลุ่มไหนอยู่จริง และรูรั่วใหญ่ที่สุดมักอยู่ที่กลุ่มคนจำนวนมากที่สั่งครั้งเดียวแล้วหาย ไม่ใช่กลุ่มลูกค้าประจำที่มีน้อยแต่ดูโดดเด่นในค่าเฉลี่ย
เมื่อเห็นภาพจริงแล้ว ให้ออกแบบการดูแลลูกค้าแยกตามกลุ่มแทนการยิงข้อความเดียวกันหาทุกคน แล้วติดตามตารางนี้ทุกเดือนเพื่อดูว่าสิ่งที่ทำเปลี่ยนสัดส่วนกลุ่มลูกค้าจริงหรือแค่ตัวเลขรวมดูดีขึ้นชั่วคราว
- ค่าเฉลี่ยความถี่สั่งซื้อซ้ำถูกลากขึ้นโดยลูกค้ากลุ่มน้อยที่สั่งถี่มาก
- จัดกลุ่มลูกค้าตามจำนวนครั้งที่สั่งเพื่อเห็นการกระจายตัวที่แท้จริง
- รูรั่วใหญ่มักอยู่ที่กลุ่มสั่งครั้งเดียว เพราะฐานคนใหญ่ที่สุดในธุรกิจส่วนมาก
คำถามที่พบบ่อย
ต้องมีลูกค้ากี่คนถึงจะสร้างตาราง distribution ได้
ยิ่งมากยิ่งแม่น แต่เริ่มได้ตั้งแต่หลักร้อยคนต่อเดือน ถ้าลูกค้าน้อยกว่านั้นให้ขยายช่วงเวลาเป็นสองถึงสามเดือนแทนหนึ่งเดือน เพื่อให้แต่ละกลุ่มมีจำนวนคนมากพอจะอ่านแนวโน้มได้
ร้านใหม่ที่เพิ่งเปิดไม่ถึงเดือน ทำกรอบนี้ได้ไหม
ยังไม่แนะนำ เพราะข้อมูลน้อยเกินไปจนตัวเลขไม่มีความหมาย ควรรอให้มีประวัติออร์เดอร์อย่างน้อยหนึ่งถึงสองเดือนก่อน ระหว่างนั้นเน้นสร้างประสบการณ์ครั้งแรกให้ดีไปก่อน
กลุ่มสั่งครั้งเดียวเยอะมาก ควรกังวลไหม
เป็นเรื่องปกติของธุรกิจอาหารส่วนใหญ่ที่มีลูกค้าใหม่เข้ามาตลอด สิ่งที่ควรกังวลคือถ้าสัดส่วนนี้สูงขึ้นเรื่อย ๆ ทุกเดือนโดยไม่มีสัญญาณว่าคนกลุ่มนี้กลับมาสั่งซ้ำเลย นั่นแปลว่าประสบการณ์ครั้งแรกอาจมีปัญหา
ตัวเลขในตารางตัวอย่างของบทนี้ใช้เป็นเป้าหมายได้ไหม
ไม่ควร เพราะเป็นค่าสมมติเพื่อสาธิตวิธีอ่านเท่านั้น สัดส่วนที่เหมาะสมต่างกันตามประเภทอาหารและทำเล ร้านอาหารเช้าที่คนกินทุกวันย่อมมีสัดส่วนสั่งซ้ำสูงกว่าร้านที่ขายของพิเศษเฉพาะโอกาส
ควรแยก distribution ตามเมนูด้วยไหม
ถ้าทำได้จะยิ่งมีประโยชน์ เพราะบางเมนูอาจเป็นตัวดึงลูกค้าใหม่ ขณะที่บางเมนูเป็นตัวที่ลูกค้าประจำสั่งซ้ำบ่อย การรู้แบบนี้ช่วยวางกลยุทธ์เมนูและโปรโมชันได้ตรงจุดกว่าการมองยอดขายรวม
บทความที่เกี่ยวข้อง
