Tỷ lệ chuyển đổi cửa hàng là số giao dịch chia cho số lượt khách bước vào cửa hàng trong cùng khoảng thời gian. Nó trả lời câu hỏi mà doanh thu không trả lời được: doanh thu giảm vì ít người vào, hay vì người vào nhiều mà mua ít? Hai nguyên nhân cần hai cách xử lý khác nhau hoàn toàn.
Doanh thu của một cửa hàng có thể tách thành tích của ba thừa số: lượt khách × tỷ lệ chuyển đổi × giá trị giao dịch trung bình. Giá trị giao dịch lại tách được thành số món mỗi giao dịch nhân giá trung bình mỗi món. Không có số lượt khách, chuỗi chỉ thấy tích cuối cùng mà không biết thừa số nào đang kéo xuống.
Bài này giải thích cách đếm lượt khách và sai số của từng công nghệ, cách tính và đọc các chỉ số, cách dùng chúng để xếp ca nhân viên và so sánh cửa hàng, cùng những bẫy diễn giải thường gặp. Mọi con số minh hoạ là ví dụ giả định.
Cây chỉ số bán lẻ tại cửa hàng
Các chỉ số dưới đây liên kết với nhau thành một cây; đọc từ trên xuống để tìm nguyên nhân khi doanh thu thay đổi:
| Chỉ số | Công thức | Đo cái gì |
|---|---|---|
| Lượt khách (footfall) | Số người đi vào cửa hàng, đã loại nhân viên và đếm trùng | Sức hút của vị trí, mặt tiền, marketing |
| Tỷ lệ chuyển đổi | Số giao dịch ÷ lượt khách | Khả năng biến người vào thành người mua: hàng, giá, tư vấn, xếp hàng |
| ATV (giá trị giao dịch trung bình) | Doanh thu ÷ số giao dịch | Mỗi lần mua khách chi bao nhiêu |
| UPT (số món mỗi giao dịch) | Tổng số món bán ÷ số giao dịch | Hiệu quả bán kèm, trưng bày theo bộ |
| Giá trung bình mỗi món | Doanh thu ÷ tổng số món | Cơ cấu sản phẩm, khuyến mãi, giảm giá |
| Doanh thu trên mét vuông | Doanh thu ÷ diện tích bán hàng | Hiệu quả sử dụng mặt bằng, so cửa hàng khác cỡ |
| Doanh thu trên giờ công | Doanh thu ÷ tổng giờ làm của nhân viên bán hàng | Năng suất lao động tại cửa hàng |
Ví dụ giả định: tháng này doanh thu một cửa hàng giảm 10% so với cùng kỳ. Lượt khách giảm 2%, ATV gần như không đổi, nhưng tỷ lệ chuyển đổi giảm từ 25% xuống khoảng 23%. Vấn đề nằm trong cửa hàng — thiếu hàng, thiếu người tư vấn, hàng chờ thanh toán dài — chứ không ở chỗ thiếu khách. Tăng ngân sách quảng cáo sẽ không giải quyết được.
Tỷ lệ chuyển đổi giữa các ngành rất khác nhau: cửa hàng tiện lợi và hiệu thuốc có tỷ lệ cao vì khách vào là có ý định mua; thời trang, nội thất, điện máy thấp hơn nhiều vì khách vào để xem. So sánh chỉ có nghĩa trong cùng ngành và cùng mô hình.
Các công nghệ đếm lượt khách và sai số
Cảm biến chùm tia hồng ngoại. Rẻ, dễ lắp, đếm số lần chùm tia bị cắt. Không phân biệt hướng vào–ra nếu chỉ có một tia, đếm hai người đi sát nhau thành một, không loại được nhân viên. Phù hợp để thấy xu hướng, không đủ chính xác để so cửa hàng.
Camera đếm lập thể (stereo, 3D). Gắn trên trần nhìn thẳng xuống, nhận diện chiều cao và hướng di chuyển, phân biệt được người lớn với trẻ em và xe đẩy. Độ chính xác cao hơn nhiều trong điều kiện lắp đặt tốt. Nhìn từ trên xuống nên không cần ghi lại khuôn mặt; vẫn cần xem chính sách dữ liệu của thiết bị.
Wi-Fi và Bluetooth. Đếm điện thoại phát tín hiệu trong vùng phủ. Ước tính được thời gian lưu lại và tỷ lệ khách quay lại, nhưng sai số lớn do không phải ai cũng bật, điện thoại hiện đại dùng địa chỉ ngẫu nhiên, và tín hiệu xuyên tường bắt cả người đi ngoài. Dùng tốt nhất cho xu hướng tương đối.
Phân tích video bằng thị giác máy. Dùng camera an ninh sẵn có, đếm người, vẽ bản đồ nhiệt di chuyển. Mạnh nhưng chạm vào vấn đề dữ liệu cá nhân nếu xử lý hình ảnh nhận diện được người; cần đánh giá theo quy định bảo vệ dữ liệu cá nhân, thông báo cho khách và ưu tiên xử lý ẩn danh ngay trên thiết bị.
Kiểm định độ chính xác. Dù dùng công nghệ nào, nên kiểm định bằng cách đếm tay một vài khung giờ rồi so với thiết bị. Thiết bị sai lệch có hệ thống vẫn dùng được để so sánh theo thời gian tại cùng cửa hàng, nhưng không dùng để xếp hạng giữa các cửa hàng có thiết bị hoặc lối vào khác nhau.
Lượt khách, chuyển đổi và nhân sự: bằng chứng từ nghiên cứu
Một phát hiện lặp lại trong nghiên cứu vận hành bán lẻ là tỷ lệ chuyển đổi thường giảm khi lượt khách tăng nếu số nhân viên không tăng tương ứng. Perdikaki, Kesavan và Swaminathan (Manufacturing & Service Operations Management, 2012) phân tích dữ liệu lượt khách và doanh thu của một chuỗi bán lẻ Mỹ và thấy doanh thu tăng theo lượt khách nhưng với tốc độ giảm dần, một phần vì chuyển đổi giảm khi cửa hàng đông mà nhân lực không theo kịp.
Các nghiên cứu của Marshall Fisher và cộng sự tại Wharton về mức nhân sự cửa hàng cũng cho thấy nhiều chuỗi bố trí thiếu người so với mức tối ưu về lợi nhuận, vì chi phí lương thấy ngay trên báo cáo còn doanh thu mất do thiếu người thì không thấy. Cuốn “The New Science of Retailing” của Fisher và Raman (2010) tổng hợp lập luận rằng dữ liệu cấp cửa hàng, gồm lượt khách, cho phép ra quyết định nhân sự và tồn kho chính xác hơn nhiều so với cảm tính.
Hàm ý thực tế: so tỷ lệ chuyển đổi theo giờ với số nhân viên có mặt theo giờ. Nếu chuyển đổi rớt đúng vào khung giờ đông khách nhất, cửa hàng đang mất doanh thu vì thiếu người tư vấn hoặc thiếu quầy thanh toán, không phải vì sản phẩm. Dịch ca để nhiều người hơn vào khung đó thường là cải thiện rẻ nhất có thể làm.
Cũng cần thận trọng: tương quan giữa nhân sự và chuyển đổi có thể bị nhiễu bởi các yếu tố khác như khuyến mãi, thời tiết, sự kiện tại trung tâm thương mại. Cách chắc hơn là thử nghiệm: thay đổi mức nhân sự ở một số cửa hàng trong một số khung giờ, so với nhóm đối chứng.
Dùng dữ liệu lượt khách để xếp ca
Quy trình xếp ca dựa trên lượt khách thường đi qua các bước sau:
- Gom dữ liệu lượt khách theo khung mười lăm phút hoặc một giờ trong ít nhất vài tuần, tách ngày thường, cuối tuần, ngày lương, ngày lễ.
- Dự báo lượt khách cho tuần tới theo từng khung, điều chỉnh theo lịch khuyến mãi và sự kiện đã biết.
- Chọn tỷ lệ phục vụ mục tiêu: bao nhiêu lượt khách mỗi giờ thì cần một nhân viên bán hàng, dựa trên dữ liệu chuyển đổi lịch sử hoặc thử nghiệm.
- Quy đổi ra nhu cầu nhân sự theo khung, cộng thêm nhân sự cho việc không phụ thuộc lượt khách: nhận hàng, trưng bày, lấy đơn online.
- Xếp ca sao cho phủ nhu cầu, tuân thủ quy định lao động về giờ làm và nghỉ, và hợp với nguyện vọng nhân viên.
- So sánh sau tuần: chuyển đổi theo khung so với nhân sự thực có mặt, điều chỉnh tỷ lệ phục vụ.
Với chuỗi có nhân viên bán thời gian, đây là nơi dữ liệu lượt khách hoàn vốn nhanh nhất. Ngay cả khi chỉ dịch một phần ca từ buổi sáng vắng sang buổi tối đông, tổng giờ công không đổi mà doanh thu có thể tăng.
Ví dụ giả định để thấy quy mô: một cửa hàng có 300 lượt khách trong khung 18–21 giờ, chuyển đổi 20%, ATV 400.000 đồng. Nếu thêm một nhân viên vào khung này giúp chuyển đổi lên 22%, cửa hàng có thêm khoảng sáu giao dịch, tương đương 2,4 triệu đồng doanh thu mỗi tối, đặt cạnh chi phí ba giờ công. Phép tính đơn giản này nên được làm trước khi cắt giảm nhân sự để tiết kiệm chi phí.
Những bẫy khi đọc chỉ số cửa hàng
Đơn vị “giao dịch” và “khách” lệch nhau. Một gia đình bốn người vào cửa hàng được đếm bốn lượt nhưng chỉ tạo một giao dịch, nên tỷ lệ chuyển đổi trông thấp ở cửa hàng đông khách gia đình. Một số chuỗi điều chỉnh bằng hệ số nhóm, hoặc chỉ so cùng một cửa hàng theo thời gian.
Đơn online nhận tại cửa hàng. Khách đến nhận đơn được đếm là lượt vào, nhưng giao dịch đã ghi ở kênh online. Nếu không tách ra, chuyển đổi của cửa hàng bị đánh giá thấp khi luồng mua online nhận tại cửa hàng tăng. Cần gắn lượt nhận đơn để loại khỏi mẫu số hoặc tính chuyển đổi riêng.
Doanh thu trên mét vuông bị méo bởi vị trí. Cửa hàng ở trung tâm thương mại hạng sang có doanh thu trên mét vuông cao nhưng tiền thuê cũng cao. Nên đặt cạnh lợi nhuận đóng góp trên mét vuông, không xếp hạng cửa hàng chỉ bằng doanh thu.
Tăng ATV bằng khuyến mãi theo ngưỡng. Chương trình “mua trên một mức nhận quà” làm ATV tăng nhưng có thể làm giảm số giao dịch hoặc biên lợi nhuận. Luôn đọc ATV cùng chuyển đổi và biên lợi nhuận gộp.
Ghép chỉ số của cửa hàng có thiết bị đếm khác nhau. Như đã nói, sai số thiết bị khác nhau làm phép xếp hạng giữa cửa hàng không đáng tin; chỉ so theo thời gian trong cùng cửa hàng, hoặc kiểm định thiết bị trước.
Câu hỏi thường gặp
Tỷ lệ chuyển đổi bao nhiêu là tốt?
Không có con số chung, vì khác nhau rất lớn giữa ngành, vị trí và mô hình cửa hàng. Cách dùng hữu ích là so cùng cửa hàng theo thời gian và so các cửa hàng cùng mô hình trong chuỗi, có hiệu chỉnh thiết bị đếm. Các con số chuẩn ngành được trích trên mạng thường không rõ nguồn và phương pháp.
Có cần đếm lượt khách nếu đã có dữ liệu POS chi tiết?
POS chỉ thấy người đã mua. Không có lượt khách, bạn không phân biệt được doanh thu giảm do ít người vào hay do người vào không mua. Với cửa hàng tiện lợi có tỷ lệ chuyển đổi rất cao và ổn định, lợi ích của việc đếm thấp hơn; với thời trang, điện máy, nội thất, lợi ích lớn.
Đếm lượt khách bằng camera có vi phạm quyền riêng tư không?
Phụ thuộc cách xử lý. Thiết bị chỉ đếm, không lưu hình ảnh nhận diện được người, ít rủi ro hơn nhiều so với hệ thống lưu và phân tích khuôn mặt. Cần thông báo cho khách, đánh giá theo quy định bảo vệ dữ liệu cá nhân hiện hành và ưu tiên giải pháp xử lý ẩn danh ngay trên thiết bị.
Làm sao loại nhân viên khỏi số lượt khách?
Cách đơn giản là đếm theo lối vào dành cho khách và cho nhân viên dùng lối riêng. Một số thiết bị nhận diện thẻ đeo của nhân viên để loại trừ. Nếu không làm được, ước lượng số lượt ra vào của nhân viên theo ca rồi trừ đi, chấp nhận sai số.
Chuỗi F&B có dùng tỷ lệ chuyển đổi không?
Ít hơn bán lẻ, vì đa số người vào quán là để mua. Các chỉ số quan trọng hơn là số lượt khách mỗi giờ so với công suất chỗ ngồi, thời gian ngồi trung bình, vòng quay bàn và giá trị trung bình mỗi khách. Với quán có nhiều người đứng xem thực đơn rồi bỏ đi, đếm lượt dừng trước cửa vẫn hữu ích.
Nên báo cáo các chỉ số này cho quản lý cửa hàng với tần suất nào?
Doanh thu, lượt khách, chuyển đổi, ATV theo ngày và theo khung giờ, xem hằng ngày để điều chỉnh ca và trưng bày. Doanh thu trên mét vuông, trên giờ công và so sánh giữa cửa hàng nên xem theo tuần hoặc tháng, vì dao động ngắn hạn lớn dễ dẫn tới kết luận vội.