2026-09-06 · Power BI & Dashboard
Tháng này doanh số tụt. Phản xạ đầu tiên của gần như mọi công ty là tăng ngân sách quảng cáo để kéo thêm khách mới.
Nhưng có một câu hỏi rẻ hơn nhiều nên hỏi trước: bao nhiêu phần doanh thu tháng trước đến từ khách đã mua từ trước đó, và bao nhiêu người trong số họ tháng này không quay lại? Câu trả lời nằm sẵn trong dữ liệu bán hàng công ty đang có, không tốn đồng nào để lấy ra.
Bài này đi qua bốn câu hỏi mà một Customer Dashboard phải trả lời được, cách dựng từng chỉ tiêu, và — phần hay bị bỏ qua nhất — bốn phép đếm chạy trước để biết dữ liệu của bạn có đủ sức trả lời hay không.
Bốn câu hỏi một Customer Dashboard phải trả lời
Phần lớn báo cáo bán hàng dừng ở doanh thu theo tháng, theo sản phẩm, theo nhân viên. Cả ba đều nhìn từ phía hàng hóa. Không cái nào nhìn từ phía người mua.
Bốn câu dưới đây nhìn từ phía người mua, và mỗi câu ứng với một chỉ tiêu dựng được từ chính bảng bán hàng:
- Doanh thu kỳ này đến từ khách cũ bao nhiêu phần? Khách cũ là người đã có ít nhất một đơn trước ngày đầu kỳ. Tỷ lệ này tụt là tín hiệu sớm hơn doanh thu tổng, vì khách cũ rơi đi thường bị khách mới che mất.
- Khách mua lần đầu có quay lại không, và sau bao lâu? Đo bằng cách nhóm khách theo tháng mua đầu tiên rồi xem từng nhóm còn lại bao nhiêu ở các tháng sau.
- Ai đang im lặng? Danh sách khách đã từng mua đều, nay quá hạn thường lệ mà chưa quay lại. Đây là danh sách gọi điện được ngay, không cần chờ ai duyệt ngân sách.
- Bao nhiêu khách gánh bao nhiêu phần doanh thu? Xếp khách theo doanh thu giảm dần rồi cộng dồn. Con số này quyết định công ty đang ở thế phụ thuộc vài khách lớn hay đang trải đều.
Chạy bốn phép đếm này trước khi dựng bất cứ thứ gì
Đây là bước hay bị bỏ, và bỏ nó thì bạn dựng xong một dashboard đẹp trả lời sai.
Đội ngũ EzTech có một bộ dữ liệu bán hàng mẫu dùng trong lớp học: 12 tệp Excel, mỗi tháng một tệp, cộng lại 925 dòng, còn 854 dòng sau khi loại 71 đơn đã hủy. Nhìn qua thì đủ tiêu chuẩn: có cột khách hàng, có ngày bán, có thành tiền, có trạng thái đơn.
Chạy bốn phép đếm lên nó thì ra thế này:
| Phép đếm | Kết quả trên bộ dữ liệu này | Nói lên điều gì |
|---|---|---|
| Số khách hàng duy nhất | 19 | Quá ít để chia nhóm |
| Số đơn trên mỗi khách | 33 đến 53, trung vị 48 | Không có khách nhỏ để so với khách lớn |
| Số khách chỉ mua đúng một lần | 0 | Không có gì để đo tỷ lệ quay lại |
| Khoảng im lặng dài nhất | 12 ngày | Không có khách nào rời đi để mà cảnh báo |
Thêm hai con số nữa cho đủ hình dung: 16 trên 19 khách có đơn đủ cả 12 tháng, và khoảng cách giữa hai lần mua có trung vị 6 ngày. Khách lớn nhất chiếm 7,3% doanh thu, khách nhỏ nhất 2,6% — bốn khách đầu bảng cộng lại được 26,5%, trong khi chia đều tuyệt đối cho 19 khách đã là 21,1%.
Nghĩa là bộ dữ liệu này không trả lời được câu nào trong bốn câu ở trên. Không phải vì thiếu cột, mà vì hình dạng của nó: tập khách quá nhỏ, ai cũng mua đều, không ai rời đi. Dựng dashboard trên đó thì mọi ô đều ra số, mọi biểu đồ đều vẽ được, và mọi kết luận đều vô nghĩa.
Đây chính là kiểu hỏng khó thấy nhất: không có lỗi nào hiện ra. Nên bốn phép đếm phải chạy trước, và mất chưa tới mười phút.
Ngưỡng tối thiểu để bốn chỉ tiêu có nghĩa
- Tỷ lệ doanh thu từ khách cũ cần ít nhất hai kỳ dữ liệu liền nhau. Một kỳ thì không có "cũ".
- Tỷ lệ quay lại cần một lượng khách mua lần đầu đủ lớn ở mỗi tháng. Nhóm chỉ vài người thì tỷ lệ nhảy loạn giữa các tháng, đọc như xu hướng nhưng chỉ là nhiễu.
- Danh sách khách im lặng cần khoảng cách mua giữa các khách phải chênh nhau. Nếu mọi khách đều mua mỗi tuần thì ngưỡng "im lặng" nào cũng vừa bắt hết vừa bắt trượt.
- Mức tập trung doanh thu cần đủ số khách để đường cộng dồn có hình. Dưới vài chục khách thì đường đó gần như thẳng, và nó chỉ đang mô tả phép chia đều.
Khóa khách hàng: chỗ phần lớn dashboard chết ngay từ đầu
Mọi chỉ tiêu ở trên đều đứng trên một giả định: mỗi khách có đúng một khóa, và khóa đó không đổi theo thời gian. Giả định này sai gần như ở mọi hệ thống thật.
Bốn kiểu hỏng hay gặp nhất:
- Khóa là tên hiển thị. Hai khách trùng tên bị gộp làm một, và một khách gõ khác dấu cách bị tách làm hai. Khóa phải là mã khách, không phải tên. Nếu bảng của bạn chỉ có tên, việc đầu tiên phải làm là dựng bảng mã khách, không phải dựng dashboard.
- Một người nhiều mã. Cùng một khách đặt qua hai kênh, hệ thống cấp hai mã. Nhìn vào báo cáo thì thành hai khách nhỏ, và cả hai đều không đủ ngưỡng nào.
- Khách vãng lai gom vào một mã chung. Mã "khách lẻ" thường là mã có doanh thu lớn nhất bảng, và nó không phải một người. Phải loại nó ra khỏi mọi chỉ tiêu về khách, và ghi rõ đã loại.
- Trạng thái đơn bị bỏ quên. Trên bộ dữ liệu ở trên, 71 trong 925 dòng là đơn đã hủy — gần 8%. Cộng cả vào thì doanh thu theo khách vống lên, và khách nào hay hủy đơn lại càng lên hạng.
Dựng bốn chỉ tiêu bằng Power Query và Power BI
Chuẩn bị bảng nguồn
Gộp toàn bộ tệp bán hàng vào một bảng bằng Power Query — đặt các tệp vào một thư mục rồi nạp cả thư mục, kỳ sau chỉ thả tệp mới vào, cách làm ở bài gộp nhiều file Excel bằng Power Query. Ba việc phải làm ngay ở bước này:
- Lọc bỏ dòng tổng cộng nếu tệp có (nhiều tệp xuất từ phần mềm bán hàng chèn sẵn một dòng tổng ngay trong bảng).
- Lọc theo trạng thái đơn, giữ đúng những trạng thái được tính là bán thật.
- Ép kiểu cột ngày bằng Using Locale, kẻo tháng và ngày đổi chỗ — xem sửa lỗi ngày tháng trong Power Query.
Chỉ tiêu 1 — Tỷ lệ doanh thu từ khách cũ
Dựng một bảng phụ: mỗi khách một dòng, cột "ngày mua đầu tiên" lấy bằng Group By → Min của ngày bán. Nối bảng phụ này vào bảng bán hàng theo mã khách. Một đơn được tính là của khách cũ khi ngày bán của nó lớn hơn ngày đầu kỳ và ngày mua đầu tiên của khách nhỏ hơn ngày đầu kỳ.
Trong Power BI, hai measure là đủ: tổng doanh thu, và tổng doanh thu lọc theo điều kiện trên. Chia hai cái là ra tỷ lệ.
Chỉ tiêu 2 — Tỷ lệ quay lại theo nhóm tháng đầu mua
Thêm cột "tháng mua đầu tiên" vào bảng phụ vừa dựng. Trong Power BI, đặt tháng mua đầu tiên ở hàng, tháng bán ở cột, giá trị là số khách duy nhất. Bảng ra có dạng bậc thang: mỗi hàng là một nhóm khách, đọc ngang là nhóm đó rơi rụng dần theo thời gian.
Đây là bảng đáng đọc nhất trong cả dashboard, vì nó tách được "tháng này ít khách" thành hai nguyên nhân hoàn toàn khác nhau: kéo được ít khách mới, hay giữ được ít khách cũ.
Chỉ tiêu 3 — Danh sách khách im lặng
Với mỗi khách, tính hai con số: số ngày kể từ lần mua gần nhất, và khoảng cách trung vị giữa hai lần mua của chính khách đó. Khách vào danh sách khi số thứ nhất vượt quá vài lần số thứ hai.
Đừng đặt một ngưỡng cố định kiểu "quá 90 ngày" cho mọi khách. Khách mua hằng tuần mà nghỉ 30 ngày là chuyện đáng gọi điện; khách mua mỗi quý mà nghỉ 90 ngày thì vẫn bình thường. Ngưỡng phải tính theo nhịp của từng khách.
Danh sách này phải kèm tên và số điện thoại người liên hệ, không phải mã khách — đây là bảng để ai đó cầm lên và gọi, không phải bảng để ngắm.
Chỉ tiêu 4 — Mức tập trung doanh thu
Xếp khách theo doanh thu giảm dần, thêm cột doanh thu cộng dồn và cột phần trăm cộng dồn. Đọc ra hai con số: bao nhiêu khách chiếm nửa doanh thu, và bao nhiêu khách chiếm 80%.
Nhớ so với mốc chia đều trước khi kết luận. Trên bộ dữ liệu ở đầu bài, bốn khách đầu chiếm 26,5% trong khi chia đều đã là 21,1% — chênh 5 điểm, tức gần như không tập trung. Không có mốc so, con số 26,5% dễ bị đọc thành "vài khách gánh cả công ty".
Ba con số phải có trước khi tăng ngân sách quảng cáo
Quay lại tình huống đầu bài. Trước khi duyệt thêm tiền kéo khách mới, ba con số này nên nằm sẵn trên bàn:
- Tỷ lệ doanh thu từ khách cũ, so giữa kỳ này và kỳ trước. Nếu con số này đang tụt thì vấn đề nằm ở giữ khách, và đổ tiền vào kéo khách mới chỉ bù được phần rơi, không giải quyết được nguyên nhân.
- Số khách trong danh sách im lặng, và doanh thu năm ngoái của nhóm đó. Đây là con số so trực tiếp được với chi phí quảng cáo: gọi lại một khách đã từng mua tốn ít hơn hẳn kéo một khách chưa biết mình là ai.
- Tỷ lệ quay lại của nhóm khách mới ba tháng gần nhất. Nếu khách mới kéo về không quay lại lần hai thì tăng ngân sách chỉ làm nhanh hơn cái vòng đang chạy, chứ không đổi hướng nó.
Ba con số này đều lấy từ dữ liệu bán hàng sẵn có. Không cần hệ thống mới, không cần mua thêm phần mềm. Mẫu phân tích bán hàng và phân tích doanh số trong kho báo cáo của EzTech mở xem trực tiếp được, để hình dung bố cục trước khi tự dựng.
Câu hỏi thường gặp
Công ty bán B2B, chỉ có vài chục khách thì có làm được không?
Có, nhưng đổi cách đọc. Với vài chục khách thì tỷ lệ phần trăm mất ý nghĩa — hai khách rơi đi đã là 5%. Thay vào đó theo dõi từng khách một: mỗi khách một dòng, cột doanh thu kỳ này so kỳ trước, cột số ngày kể từ đơn gần nhất. Bảng đó dễ đọc hơn mọi biểu đồ, và đúng là thứ người bán hàng cần.
Không có mã khách, chỉ có tên thì bắt đầu thế nào?
Dựng bảng mã khách trước. Xuất danh sách tên duy nhất ra, gộp tay các dòng chỉ về cùng một khách, gán mã. Việc này làm một lần và sau đó chỉ bổ sung. Đừng cố dùng công thức so tên gần giống để gộp tự động — nó gộp nhầm những khách khác nhau mà không báo, và lỗi đó không tìm lại được.
Có cần Power BI không hay Excel là đủ?
Bốn chỉ tiêu này Excel làm được hết bằng Power Query và Pivot Table. Power BI đáng dùng khi bạn muốn nhiều người cùng mở một màn hình và tự lọc theo khu vực hay nhân viên phụ trách, và khi bảng nhóm khách theo tháng cần xem theo nhiều chiều. Xem thêm vì sao nên học Power Query trước.
Bao lâu thì có dashboard đầu tiên?
Nếu dữ liệu đã có mã khách sạch, khoảng một đến hai buổi cho cả bốn chỉ tiêu. Phần lâu nhất gần như luôn là bước dọn khóa khách hàng, không phải bước dựng biểu đồ.
Việc nên làm tuần này
Mở bảng bán hàng 12 tháng gần nhất và chạy đúng bốn phép đếm ở phần trên: số khách duy nhất, số đơn mỗi khách, số khách chỉ mua một lần, khoảng im lặng dài nhất. Bốn con số đó cho biết dữ liệu của công ty có đủ để dựng dashboard khách hàng hay chưa, trước khi bỏ ra buổi nào để dựng.
Khóa DATA BUSINESS của EzTech đi trọn phần dựng báo cáo quản trị trên Power BI, làm trên dữ liệu thật thay vì dữ liệu mẫu. Cần trao đổi về trường hợp cụ thể của công ty thì để lại thông tin ở trang liên hệ.
