Phân tích dữ liệu Shopee TikTok Shop bằng AI: 4 bước

Mục lục

Bán đều mỗi ngày, nhưng cuối tháng vẫn không rõ mình lời bao nhiêu

Bán trên sàn có một cái bẫy quen thuộc: đơn về đều, doanh thu nhìn đẹp, nhưng đến lúc đối chiếu tiền về tài khoản thì thấp hơn mình tưởng. Phí sàn, phí thanh toán, phí vận chuyển, mã giảm giá của shop, voucher đồng tài trợ, tất cả được trừ ở nhiều chỗ khác nhau, và ít chủ shop có thời gian tính lại từng đơn.

Tin tốt là sàn đã cho bạn sẵn toàn bộ dữ liệu trong file đơn hàng xuất ra. Bài này hướng dẫn cách phân tích dữ liệu Shopee TikTok Shop bằng AI theo 4 bước để trả lời những câu cụ thể: sản phẩm nào lời thật, giờ nào đáng chạy ưu đãi, đơn hủy dồn vào đâu, và bao nhiêu khách mua lại. Đây là một phần của cụm phân tích dữ liệu kinh doanh bằng AI. Nếu bạn chưa từng đưa file cho AI, nên đọc trước bài phân tích file Excel bằng AI để nắm các bước chuẩn bị chung.

Ví dụ trong bài là dữ liệu mô phỏng của một shop phụ kiện giả định, bán trên cả hai sàn. Tên cột trong file thật của bạn có thể khác, vì mỗi sàn đặt tên khác nhau và còn đổi theo thời gian, nên bước đầu tiên luôn là để AI đối chiếu cột.

Bước 1: Xuất file đơn hàng và làm sạch

Đầu vào: file đơn hàng xuất từ trang quản lý người bán của mỗi sàn (thường có mục xuất báo cáo đơn hàng theo khoảng ngày). Nên lấy tối thiểu một tháng, tốt nhất là ba tháng để thấy xu hướng. Những cột nên có: mã đơn, ngày đặt, tên sản phẩm, số lượng, giá bán, các khoản giảm giá, phí sàn, phí vận chuyển, trạng thái đơn, và mã người mua nếu có.

Giao AI làm gì: nhờ AI đọc tên cột và cho bạn biết nó hiểu từng cột là gì. Tên cột của sàn khá dài và dễ gây nhầm, ví dụ giữa “giảm giá của người bán” và “giảm giá của sàn”.

Đây là file đơn hàng xuất từ [Shopee / TikTok Shop]. Hãy liệt kê từng cột, nói bạn hiểu cột đó là gì, và chỉ rõ cột nào là: tiền khách trả, các khoản giảm giá do shop chịu, phí sàn, phí vận chuyển. Chỉ ra cột nào bạn không chắc để mình xác nhận. Chưa phân tích gì.
[Tải file lên]

Kết quả nhận được: bảng giải thích cột và danh sách chỗ AI chưa chắc. Bạn trả lời giúp nó: ví dụ “cột này là voucher sàn chịu, không tính vào chi phí của shop”.

Kiểm tra lại: nếu bạn bán trên hai sàn, đừng gộp hai file khi chưa thống nhất tên cột. Phân tích từng sàn riêng, rồi gộp kết quả. Nhớ ẩn tên, số điện thoại, địa chỉ người mua trước khi tải lên.

Bước 2: Tìm sản phẩm lời thật và sản phẩm lỗ ngầm

Đầu vào: file đã được AI xác nhận cột, cùng giá vốn của từng sản phẩm (file đơn hàng của sàn không có giá vốn, bạn phải tự đưa vào dạng một bảng nhỏ gồm tên sản phẩm và giá vốn).

Giao AI làm gì: tính lợi nhuận gộp cho từng sản phẩm theo công thức: tiền khách trả trừ phí sàn trừ giảm giá do shop chịu trừ giá vốn trừ phí vận chuyển nếu shop chịu.

Dưới đây là bảng giá vốn từng sản phẩm. Với mỗi sản phẩm, hãy tính: số đơn, doanh thu, tổng phí sàn, tổng giảm giá shop chịu, tổng giá vốn, lợi nhuận gộp và biên lợi nhuận (%). Loại các đơn đã hủy hoặc hoàn. Xếp từ biên lợi nhuận thấp đến cao và đánh dấu sản phẩm nào đang lỗ.
[Dán bảng giá vốn]

Kết quả nhận được: bảng xếp hạng như (số mô phỏng):

Sản phẩm (mô phỏng)	Số đơn	Doanh thu	Biên lợi nhuận
Ốp lưng X	420	63.000.000	9%
Dây sạc Y	180	36.000.000	24%
Tai nghe Z	95	47.500.000	-3%

Cái bạn tìm ở bảng này là những sản phẩm bán rất chạy nhưng biên mỏng (như Ốp lưng X), và sản phẩm đang âm khi tính đủ phí (như Tai nghe Z). Từ đó bạn có ba hướng: tăng giá, bớt giảm giá, hoặc ngừng chạy ưu đãi cho sản phẩm đó.

Kiểm tra lại: chọn một đơn bất kỳ và tự tính lợi nhuận bằng tay với đúng các khoản phí trong file. Nếu khớp với cách AI tính, công thức đúng. Đây cũng là chỗ AI hay hiểu nhầm giữa phí do sàn thu và phí do shop trả, nên đây là bước đáng kiểm nhất.

Bước 3: Tìm giờ vàng và hiểu tỷ lệ đơn hủy

Đầu vào: cùng file đơn hàng, thêm cột thời gian đặt đơn và trạng thái đơn.

Giao AI làm gì: thống kê đơn theo khung giờ và theo ngày trong tuần, rồi xem đơn hủy hoặc hoàn tập trung ở đâu.

Từ file này, hãy cho mình: (1) số đơn và doanh thu theo từng khung giờ 2 tiếng trong ngày, (2) số đơn theo từng ngày trong tuần, (3) tỷ lệ đơn hủy và đơn hoàn theo từng sản phẩm, chỉ liệt kê những sản phẩm có tỷ lệ cao hơn mức trung bình của shop. Nếu có ngày chạy khuyến mãi đặc biệt, hãy tách riêng để không làm lệch kết quả.

Kết quả nhận được: hai bảng thời gian và một danh sách sản phẩm có tỷ lệ hủy bất thường. Với bảng thời gian, bạn quyết định giờ đăng livestream, giờ bật voucher, giờ có người trực tin nhắn. Với danh sách hủy, bạn kiểm tra xem lý do là hết hàng, mô tả chưa đúng sản phẩm, hay phí vận chuyển khiến khách bỏ.

Kiểm tra lại: “giờ vàng” rút ra từ một tháng có đợt sale lớn thường bị lệch. Hãy chạy thêm trên một tháng bình thường để so. Về giờ, hãy kiểm tra múi giờ hiển thị trong file có phải giờ Việt Nam không, vì một số báo cáo xuất theo múi giờ khác.

Bước 4: Đo khách mua lại và quyết định việc tuần tới

Đầu vào: file đơn hàng của ít nhất 2–3 tháng, có mã người mua (hoặc tên người mua đã được mã hóa). Nếu sàn không cho xuất thông tin này, bạn sẽ không đo được bước này, và đó là giới hạn của dữ liệu sàn, không phải lỗi của AI.

Giao AI làm gì: đếm số người mua từ hai lần trở lên và so với toàn bộ khách, rồi tổng hợp tất cả phát hiện thành danh sách việc cần làm.

Hãy tính: (1) tổng số người mua trong giai đoạn này, (2) bao nhiêu người mua từ 2 lần trở lên và chiếm bao nhiêu phần trăm doanh thu, (3) khoảng cách trung bình giữa hai lần mua. Sau đó, dựa trên tất cả kết quả ta đã có (lời lỗ từng sản phẩm, giờ vàng, tỷ lệ hủy, khách mua lại), hãy đề xuất 3 việc cụ thể mình nên làm tuần tới, mỗi việc kèm lý do từ số liệu. Nếu dữ liệu chưa đủ để kết luận, hãy nói rõ.

Kết quả nhận được: tỷ lệ khách mua lại và ba việc ưu tiên. Ví dụ: “ngừng giảm giá thêm cho Ốp lưng X”, “đưa Tai nghe Z vào combo để nâng giá trị đơn”, “bật voucher vào khung 20–22 giờ”. Đây là những việc làm được ngay.

Kiểm tra lại: mỗi đề xuất của AI cần trỏ về một con số trong file. Đề xuất nào không có bằng chứng thì bỏ qua. Nếu bạn quản lý khách hàng, hãy xem thêm CRM là gì để nắm khái niệm.

Đặt kết quả này vào thói quen báo cáo hằng tuần sẽ tốt hơn nhiều so với phân tích một lần rồi bỏ. Xem cách viết insight từ báo cáo tuần để biến số liệu thành nhận định rõ ràng.

Những lỗi thường gặp

Tính lời lỗ mà thiếu giá vốn. File sàn không có giá vốn. Thiếu nó, AI chỉ tính được doanh thu, không tính được lợi nhuận.
Gộp file hai sàn khi tên cột khác nhau. Phân tích riêng từng sàn trước.
Tính cả đơn hủy, đơn hoàn vào doanh thu. Luôn bảo AI loại các trạng thái này, và nói rõ trạng thái nào.
Rút “giờ vàng” từ tháng có sale lớn. Kết quả bị lệch về đúng ngày sale.
Không kiểm tra một đơn bằng tay. Chỉ cần tự tính một đơn là biết công thức của AI đúng hay sai.

Các tên cột, cách tính phí và chính sách của từng sàn có thể thay đổi theo thời gian. Hãy đối chiếu với tài liệu và bảng phí mới nhất của sàn khi bạn thực hiện.

Kết luận

Dữ liệu đơn hàng sàn là tài sản bạn đã có sẵn mà chưa khai thác. Với bốn bước (xuất và làm sạch file, tính lời lỗ thật, tìm giờ vàng và đơn hủy, đo khách mua lại), bạn chuyển từ nhìn doanh thu sang nhìn lợi nhuận và hành vi khách. Giá trị không nằm ở bản phân tích, mà ở những việc bạn sẽ làm khác đi vào tuần sau.

Bắt đầu nhỏ: chỉ làm Bước 2 với 5 sản phẩm bán chạy nhất của bạn. Nếu phát hiện được dù chỉ một sản phẩm đang lời mỏng hơn bạn tưởng, bạn đã có lý do rõ ràng để tiếp tục làm các bước còn lại.

Follow mình để biết thêm nhiều hơn về Marketing & AI tips nhé:

Phân tích dữ liệu Shopee TikTok Shop bằng AI: 4 bước tìm sản phẩm lời, giờ vàng, khách mua lại