PHÂN TÍCH BỘ DỮ LIỆU ‘GLOBAL SKINCARE AND BEAUTY E-COMMERCE C19’
8/2/2025
PHÂN TÍCH BỘ DỮ LIỆU ‘GLOBAL SKINCARE AND BEAUTY E-COMMERCE C19’
LỜI MỞ ĐẦU
Trong bối cảnh thương mại điện tử ngày càng phát triển mạnh mẽ, đặc biệt là sau đại dịch COVID-19, đã tạo ra bước ngoặt trong cách thức con người tiêu dùng và tiếp cận sản phẩm, dịch vụ. Trong đó, ngành hàng chăm sóc da và mỹ phẩm là một trong những lĩnh vực ghi nhận mức tăng trưởng mạnh mẽ nhờ vào việc chuyển dịch sang kênh mua sắm trực tuyến. Khi thói quen tiêu dùng thay đổi, các doanh nghiệp hoạt động trong lĩnh vực này cần không ngừng phân tích dữ liệu để hiểu rõ hơn về khách hàng, xu hướng thị trường cũng như hiệu quả kinh doanh của chính mình.
Trong bối cảnh đó, việc phân tích dữ liệu thương mại điện tử bằng công cụ SQL đóng vai trò thiết yếu trong quá trình chuyển đổi dữ liệu thô thành thông tin có giá trị. SQL không chỉ là một công cụ truy xuất dữ liệu đơn thuần, mà còn là phương tiện mạnh mẽ giúp các nhà phân tích hiểu được hành vi người tiêu dùng, đánh giá doanh thu, xác định các sản phẩm chủ lực và phát hiện những điểm nghẽn trong quy trình vận hành.
Giới thiệu tổng quan về dự án
1. Mục tiêu
Mục tiêu chính của dự án là phân tích một bộ dữ liệu thương mại điện tử thực tế trong lĩnh vực mỹ phẩm và chăm sóc da, từ đó tìm hiểu sâu hơn về các yếu tố tác động đến hiệu quả kinh doanh của một doanh nghiệp hoạt động trong môi trường trực tuyến. Thông qua việc sử dụng ngôn ngữ SQL để khai thác, xử lý và tổng hợp dữ liệu, người thực hiện hướng đến việc xây dựng một quy trình phân tích dữ liệu hoàn chỉnh, có khả năng trả lời các câu hỏi cụ thể như: doanh thu theo thời gian, hành vi mua sắm của khách hàng, nhóm sản phẩm bán chạy, tỷ suất lợi nhuận, và sự khác biệt về hiệu suất theo từng khu vực địa lý hoặc phân khúc thị trường.
Dự án còn nhằm nâng cao khả năng áp dụng kiến thức lý thuyết về cơ sở dữ liệu vào một tình huống thực tiễn, đồng thời phát triển kỹ năng tư duy phản biện và ra quyết định dựa trên dữ liệu. Việc thực hành với bộ dữ liệu thực giúp người học hiểu rõ hơn về quy trình phân tích dữ liệu thực tế, từ khâu hiểu cấu trúc dữ liệu đến việc xây dựng các truy vấn và diễn giải kết quả.
2. Dataset sử dụng
Bộ dữ liệu được sử dụng trong dự án có tên là “Global Skincare and Beauty E-commerce C19”, là một tập dữ liệu mô phỏng hoạt động kinh doanh của một cửa hàng thương mại điện tử toàn cầu chuyên về các sản phẩm chăm sóc da và mỹ phẩm trong bối cảnh ảnh hưởng của đại dịch COVID-19.
Tên trường | Kiểu dữ liệu | Mô tả |
Order ID | String / Text | Mã đơn hàng duy nhất. |
Order Date | Date | Ngày đặt hàng. |
Customer Name | String / Text | Tên khách hàng. |
Segment | String / Text | Phân khúc khách hàng (Consumer, Corporate, Home Office). |
Country | String / Text | Quốc gia nơi đơn hàng được giao. |
City | String / Text | Thành phố nơi đơn hàng được giao. |
State | String / Text | Bang / tỉnh nơi đơn hàng được giao. |
Region | String / Text | Khu vực địa lý (Central, East, South, West). |
Product ID | String / Text | Mã sản phẩm. |
Category | String / Text | Danh mục sản phẩm chính (Skincare, Makeup, Haircare...). |
Sub-Category | String / Text | Phân nhóm sản phẩm nhỏ hơn (Toner, Foundation, Shampoo...). |
Product Name | String / Text | Tên sản phẩm. |
Sales | Float / Decimal | Tổng giá trị bán hàng của đơn hàng đó (tính theo giá sau chiết khấu). |
Quantity | Integer | Số lượng sản phẩm được đặt trong đơn. |
Discount | Float / Decimal | Mức chiết khấu áp dụng cho đơn hàng (0 - 1). |
Profit | Float / Decimal | Lợi nhuận thu được từ đơn hàng (Sales - Cost). |
Shipping Mode | String / Text | Phương thức vận chuyển (Standard Class, First Class, Same Day...). |
3. Xác định mục tiêu phân tích
Dự án nhằm phân tích dữ liệu thương mại điện tử trong ngành chăm sóc da và mỹ phẩm để hiểu rõ hơn về hiệu quả kinh doanh. Cụ thể, phân tích sẽ tập trung vào doanh thu và xu hướng theo thời gian, xác định các sản phẩm mang lại lợi nhuận và được ưa chuộng nhất, cũng như đánh giá tác động của các chương trình giảm giá.
Ngoài ra, dự án cũng phân tích hiệu suất kinh doanh theo khu vực địa lý, tìm ra những thị trường tiềm năng dựa trên doanh thu và tỷ lệ tăng trưởng. Phân tích hành vi khách hàng được thực hiện để đánh giá số lượng đơn hàng, tỷ lệ khách hàng mới và phân nhóm khách hàng nhằm hỗ trợ các chiến lược tiếp thị và chăm sóc khách hàng.
Mục tiêu cuối cùng là cung cấp cái nhìn tổng quan, hỗ trợ ra quyết định dựa trên dữ liệu thực tế nhằm thúc đẩy phát triển bền vững cho doanh nghiệp.
II. Phân tích dữ liệu
Khám phá và hiểu dữ liệu (Exploratory Data Analysis - EDA)
Dữ liệu bao gồm có 20 trường dữ liệu và có 51290 bản ghi và không có bản ghi nào bị trùng lặp
SQLWITH Base AS (
SELECT *
FROM dbo.[Global skincare and Beauty e-store_E-commerce_C19]
)
SELECT
COUNT(DISTINCT Order_ID) AS Num_of_Order,
MIN(Order_Date) AS Min_date,
MAX(Order_Date) AS Max_date,
COUNT(DISTINCT Customer_ID) AS Num_of_Cus,
COUNT(DISTINCT Segment) AS Num_of_Seg,
Chỉ số | Giá trị | Mô tả |
Số lượng đơn hàng (Num_of_Order) | 25,728 | Tổng số đơn hàng đã được ghi nhận trong toàn bộ khoảng thời gian phân tích. |
Ngày nhỏ nhất (Min_date) | 2020-01-01 | Ngày đặt hàng đầu tiên trong dữ liệu. |
Ngày lớn nhất (Max_date) | 2023-12-31 | Ngày đặt hàng cuối cùng được ghi nhận trong dữ liệu. |
Số lượng khách hàng (Num_of_Cus) | 17,415 | Tổng số khách hàng tham gia đặt hàng trong giai đoạn phân tích. |
Số phân khúc khách hàng (Num_of_Seg) | 3 | Số nhóm khách hàng được phân loại theo đặc điểm hoặc nhu cầu ( Consumer, Corporate, Home Office). |
Số lượng thành phố (Num_of_City) | 3,650 | Số lượng thành phố mà đơn hàng được giao đến hoặc phát sinh trong dữ liệu. |
Số lượng bang/tỉnh (Num_of_Sta) | 1,102 | Tổng số bang hoặc tỉnh liên quan đến các đơn hàng. |
Số lượng quốc gia (Num_of_Country) | 164 | Số quốc gia có khách hàng hoặc phát sinh đơn hàng trong dataset. |
Số vùng địa lý (Num_of_Region) | 23 | Số vùng địa lý phân theo khu vực của các quốc gia hoặc khu vực bán hàng. |
Số thị trường (Num_of_Market) | 5 | Số thị trường kinh doanh hoặc phân phối sản phẩm (có thể là kênh bán hàng hoặc khu vực lớn hơn vùng). |
Số danh mục sản phẩm (Num_of_Category) | 5 | Số loại danh mục sản phẩm chính được phân loại (ví dụ: Skincare, Makeup, Haircare...). |
Số sản phẩm (Num_of_Product) | 3,576 | Tổng số sản phẩm riêng biệt được bán trong khoảng thời gian phân tích. |
Tổng số lượng sản phẩm bán ra (Tot_of_Quan) | 277,778 | Tổng số lượng sản phẩm được khách hàng đặt mua. |
Tổng doanh thu (Tot_of_Sales) | 6,517,674 | Tổng doanh thu thu được từ các đơn hàng (đơn vị có thể là USD hoặc theo dữ liệu gốc). |
Trung bình doanh thu trên mỗi đơn hàng (Avg_of_Order) | 0.285 | Giá trị doanh thu trung bình trên mỗi đơn hàng (đơn vị có thể là triệu hoặc tỷ, tùy theo dữ liệu). |
Tổng lợi nhuận (Tot_of_Profit) | 1,065,413 | Tổng lợi nhuận thu về từ tất cả các đơn hàng trong thời gian phân tích. |
Các con số trên phản ánh quy mô hoạt động và phạm vi kinh doanh đa dạng của cửa hàng, bao gồm nhiều quốc gia, thành phố, cũng như đa dạng các sản phẩm và phân khúc khách hàng. Qua đó, dataset cung cấp nền tảng dữ liệu phong phú cho các phân tích sâu về hiệu quả kinh doanh và hành vi khách hàng
2. Phân tích dữ liệu
2.1 Phân tích theo thời gian
Theo thời gian
SQLSELECT YEAR(Order_Date) AS [Year],
COUNT(DISTINCT Order_ID) Num_Order,
SUM(Quantity) AS Num_Quantity,
SUM(Sales) AS Tot_Rev,
SUM(Profit) AS Tot_Profit
FROM dbo.[Global skincare and Beauty e-store_E-commerce_C19]
GROUP BY YEAR(Order_Date)
ORDER BY [Year]
Nhận xét:
Qua bốn năm, số lượng đơn hàng đã tăng gấp đôi, từ 4.515 đơn vào năm 2020 lên 8.857 đơn vào năm 2023.
Sản lượng sản phẩm bán ra cũng tăng trưởng tương ứng, thể hiện mức độ mở rộng thị trường và nhu cầu tiêu dùng gia tăng.
Doanh thu tăng đều qua các năm, với tổng doanh thu năm 2023 đạt hơn 2,19 triệu đơn vị tiền tệ, gần gấp đôi so với năm 2020.
Lợi nhuận tăng đều từ năm 2020 đến 2022, tuy nhiên năm 2023 có dấu hiệu chững lại, khi doanh thu vẫn tăng nhưng lợi nhuận không tăng tương ứng, thậm chí giảm nhẹ so với năm 2022.
Các con số này cho thấy sự phát triển tích cực của hoạt động kinh doanh trong giai đoạn hậu COVID-19. Tuy nhiên, mức tăng trưởng lợi nhuận chậm lại trong năm 2023 có thể là dấu hiệu cho thấy chi phí vận hành hoặc chính sách giá ảnh hưởng đến biên lợi nhuận – điều cần phân tích kỹ hơn trong các phần tiếp theo (VD: discount, chi phí sản phẩm,...).
Tỉ lệ tăng trưởng:
Để đánh giá tốc độ phát triển của doanh nghiệp qua các năm, truy vấn SQL sử dụng hàm cửa sổ LAG() nhằm tính toán sự chênh lệch giữa các năm liên tiếp theo từng chỉ số: số đơn hàng, số lượng sản phẩm, doanh thu và lợi nhuận. Kết quả cho thấy xu hướng tăng trưởng rõ rệt trong giai đoạn 2020–2023, tuy nhiên lợi nhuận có dấu hiệu giảm trong năm cuối cùng:
SQLWITH TABLE_YEAR AS(
SELECT YEAR(Order_Date) AS [Year],
COUNT(DISTINCT Order_ID) Num_Order,
SUM(Quantity) AS Num_Quantity,
SUM(Sales) AS Tot_Rev,
SUM(Profit) AS Tot_Profit
FROM dbo.[Global skincare and Beauty e-store_E-commerce_C19]
GROUP BY YEAR(Order_Date)
),
PREV_YEAR AS(
Tốc độ tăng trưởng đơn hàng diễn ra liên tục và tích cực, từ 21% năm 2021 đến 28% năm 2023. Doanh thu cũng tăng tương ứng mỗi năm với mức tăng ổn định quanh 22–25%. Tuy nhiên, lợi nhuận năm 2023 giảm 12.2% so với năm 2022, dù doanh thu vẫn tăng. Đây là một dấu hiệu cần lưu ý, có thể xuất phát từ các nguyên nhân như tăng chi phí vận hành, giảm biên lợi nhuận, hoặc các chính sách giảm giá quá sâu.
Việc tăng trưởng đều về đơn hàng và doanh thu cho thấy doanh nghiệp đang mở rộng tốt thị trường và thu hút khách hàng. Tuy nhiên, việc lợi nhuận suy giảm trong năm cuối cho thấy cần có phân tích chuyên sâu hơn ở các phần sau (phân tích theo sản phẩm, discount, chi phí…) để hiểu nguyên nhân và đề xuất điều chỉnh chiến lược kinh doanh phù hợp.
b) Theo khách hàng, số đơn hàng và sản lượng
SQLSELECT YEAR(Order_Date) AS [Year],
COUNT(DISTINCT Customer_ID) AS Num_Customers,
COUNT(DISTINCT Order_ID) Num_Order,
SUM(Quantity) AS Num_Quantity,
SUM(Sales) AS Tot_Rev,
SUM(Profit) AS Tot_Profit
FROM dbo.[Global skincare and Beauty e-store_E-commerce_C19]
GROUP BY YEAR(Order_Date)
ORDER BY [Year]
Số lượng khách hàng mới tăng đều qua các năm, từ 4.164 (2020) lên 7.624 (2023), tức tăng gần 83% trong 4 năm. Trung bình, mỗi khách hàng trong năm đặt khoảng 1-2 đơn hàng/năm, cho thấy tần suất mua hàng ở mức cơ bản. Tốc độ tăng trưởng của tệp khách hàng đi kèm với sự gia tăng tương ứng về đơn hàng và doanh thu, phản ánh hiệu quả trong việc tiếp cận thị trường mới và thu hút khách hàng tiềm năng.
Tuy nhiên, so sánh với tốc độ tăng trưởng doanh thu, ta thấy mức chi tiêu trung bình trên mỗi khách hàng đang có xu hướng giảm nhẹ, điều này có thể có liên quan đến việc giảm giá, khuyến mãi, hay mức chi tiêu nhỏ của khách hàng mới.
2.2 Phân tích theo sản phẩm
Sản phẩm
Để hiểu rõ hơn về cấu trúc sản phẩm mà công ty đang kinh doanh, truy vấn được thực hiện nhằm đếm số lượng loại sản phẩm con (subcategory) trong từng ngành hàng chính (category). Đây là cơ sở để đánh giá mức độ đa dạng hóa danh mục sản phẩm cũng như định hướng phát triển sản phẩm theo từng nhóm.
SQLSELECT Category, COUNT(DISTINCT Subcategory) AS Num_Category
FROM dbo.[Global skincare and Beauty e-store_E-commerce_C19]
GROUP BY Category
Nhận xét:
Body care là ngành hàng có độ đa dạng cao nhất với 7 loại sản phẩm con, cho thấy đây có thể là nhóm chiến lược, được đầu tư mạnh về phát triển sản phẩm.
Face care chỉ có duy nhất 1 loại subcategory, điều này gây ngạc nhiên vì chăm sóc da mặt thường là nhóm có nhu cầu cao — có thể là do cách phân loại trong dữ liệu chưa chi tiết, hoặc sản phẩm chưa được mở rộng đủ.
Home and Accessories, Make up, và Hair care có mức đa dạng trung bình (từ 2 đến 4 subcategories), phù hợp với vai trò bổ trợ trong chiến lược kinh doanh.
b. Xếp loại doanh thu
Nhằm đánh giá mức độ đóng góp doanh thu của từng nhóm sản phẩm chính, truy vấn SQL đã được sử dụng để tổng hợp doanh thu theo từng Category, đồng thời xếp hạng và tính tỷ lệ đóng góp tương đối trên tổng doanh thu toàn bộ sản phẩm.
SQLWITH CATEGORY_REV AS(
SELECT Category,
SUM(Sales) AS Tot_Sales
FROM dbo.[Global skincare and Beauty e-store_E-commerce_C19]
GROUP BY Category
),
TOTAL AS (
SELECT SUM(Tot_Sales) AS Total_Sales
FROM CATEGORY_REV
)
Nhận xét:
Body care là nhóm sản phẩm mang lại doanh thu cao nhất, chiếm hơn 41% tổng doanh thu toàn bộ cửa hàng. Điều này cho thấy đây có thể là dòng sản phẩm chủ lực.
Home and Accessories và Make up lần lượt chiếm khoảng 19% và 17%, đóng vai trò hỗ trợ doanh thu chính.
Hair care cũng có mức doanh thu khá đáng kể (15.68%), tuy nhiên Face care lại chỉ đóng góp 6.84%, thấp nhất trong các ngành hàng — phù hợp với nhận xét trước đó rằng subcategory của nhóm này chỉ có 1 loại, vì vậy cần đánh giá thêm về cơ hội mở rộng hoặc rút ngắn những thị phần không cần thiết.
c. Phân tích hiệu quả bán hàng theo nhóm sản phẩm
SQLWITH REV AS(
SELECT Category,
SUM(Quantity) AS Num_Quantity,
SUM(Sales) AS Tot_Rev,
SUM(Profit) AS Tot_Profit
FROM dbo.[Global skincare and Beauty e-store_E-commerce_C19]
GROUP BY Category
)
SELECT CATEGORY, Num_Quantity,Tot_Profit ,Tot_Rev,
DENSE_RANK() OVER (ORDER BY Tot_Rev DESC) AS [Rank_Revenue],
Về Body care:
Dẫn đầu về cả doanh thu và lợi nhuận tuyệt đối, đồng thời có mức doanh thu trung bình trên mỗi sản phẩm khá cao (23.65) và lợi nhuận ổn định (5.21).
Đây là nhóm sản phẩm chủ lực của doanh nghiệp.
Make up & Face care:
Dù doanh thu không cao bằng Body care, nhưng lợi nhuận trung bình trên mỗi sản phẩm cao nhất (Face care: 8.28, Make up: 7.64), cho thấy biên lợi nhuận tốt. Cho thấy đây là nhóm tiềm năng để đầu tư mở rộng hoặc đẩy mạnh quảng bá.
Home and Accessories:
Dù có doanh thu cao thứ 2, nhưng lợi nhuận lại âm (-57,188), tức nhóm này đang lỗ.
Mỗi sản phẩm bán ra đều lỗ trung bình ~1.08, có thể do chiết khấu cao, chi phí cao, hoặc lỗi định giá sản phẩm.
Hair care:
Có doanh thu ổn định (thứ 4), nhưng lợi nhuận gần như bằng 0 (0.08/sp).
Cần xem xét lại chiến lược giá hoặc tối ưu chi phí để cải thiện hiệu quả tài chính nhóm này.
d. Phân tích chính sách chiết khấu theo nhóm sản phẩm
SQLSELECT Category,
SUM(Quantity) AS Num_discount_Product,
ROUND(SUM(Discount)/SUM(Quantity), 2) AS Avg_discount_per_order
FROM dbo.[Global skincare and Beauty e-store_E-commerce_C19]
WHERE Discount > 0
GROUP BY Category
ORDER BY Avg_discount_per_order
Body care là nhóm ngành chủ lực của doanh nghiệp, đóng góp 41,16% tổng doanh thu (2.682.942 USD) và tạo ra lợi nhuận cao nhất (590.908 USD). Dù có mức chiết khấu trung bình cao nhất (7%) và số lượng sản phẩm bán ra lớn (113.437), nhóm này vẫn duy trì được lợi nhuận trung bình mỗi sản phẩm là 5,21 USD, phản ánh hiệu quả kinh doanh ổn định trên quy mô lớn.
Make up đứng thứ ba về doanh thu nhưng đạt lợi nhuận đứng thứ hai (368.998 USD), với biên lợi nhuận cao (7,64 USD/sp) dù có mức chiết khấu phổ biến (6%). Điều này cho thấy khả năng sinh lời tốt và tiềm năng mở rộng..
Face care tuy chỉ có 1 subcategory và doanh thu thấp nhất (445.716 USD, chiếm 6,84%), lại đạt lợi nhuận trung bình cao nhất toàn ngành (8,28 USD/sp). Việc áp dụng mức chiết khấu thấp (5%) kết hợp với giá trị sản phẩm cao giúp nhóm này duy trì hiệu quả tài chính vượt trội. Đây là nhóm sản phẩm có tiềm năng lớn và xứng đáng được mở rộng danh mục.
Hair care có mức doanh thu khá (1.022.151 USD) nhưng hiệu quả kinh doanh lại rất thấp với lợi nhuận chỉ 3.677 USD, tương đương 0,08 USD mỗi sản phẩm. Với chiết khấu trung bình 6% nhưng lợi nhuận gần như bằng 0, nhóm này cần được đánh giá lại về cấu trúc giá, chi phí đầu vào hoặc tính cạnh tranh trên thị trường.
Home and Accessories là nhóm có nhiều vấn đề nhất. Dù đạt doanh thu cao thứ hai (1.245.643 USD), nhóm này lại lỗ tới 57.188 USD, tức lợi nhuận trung bình âm (-1,08 USD/sp). Đây là kết quả của chính sách chiết khấu chưa hiệu quả (áp dụng cho hơn 26.000 sản phẩm) trong khi chi phí cao hoặc sản phẩm không đáp ứng kỳ vọng.
2.3 Phân tích theo khu vực
Bên cạnh việc phân tích hiệu quả kinh doanh theo nhóm ngành hàng, việc đánh giá kết quả kinh doanh theo từng khu vực địa lý cũng đóng vai trò quan trọng trong việc hiểu rõ hơn về đặc điểm thị trường và hành vi tiêu dùng của khách hàng. Phân tích theo khu vực giúp xác định được các vùng mang lại doanh thu và lợi nhuận cao, nhận diện các khu vực tiềm năng cũng như những nơi cần có chiến lược phát triển hoặc cải thiện.
Dữ liệu của dự án ghi nhận hoạt động bán hàng trải dài trên khoảng 164 quốc gia và hơn 3.650 thành phố khác nhau, cho thấy quy mô thị trường toàn cầu đa dạng và rộng lớn của cửa hàng trực tuyến trong ngành chăm sóc da và mỹ phẩm.
a) Top 5 quốc gia có doanh thu bình quân trên đầu người cao nhất
SQLWITH TOT_PER_PERSON AS(
SELECT Country,
COUNT(DISTINCT Order_ID) AS Num_Order,
SUM(Quantity) AS Quantity,
SUM(Sales) AS Tot_Sales,
COUNT(DISTINCT Customer_ID) AS Tot_Customer,
SUM(Sales)/COUNT(DISTINCT Customer_ID) AS Rev_Per_Person
FROM dbo.[Global skincare and Beauty e-store_E-commerce_C19]
GROUP BY Country
)
Các quốc gia này có số lượng khách hàng khá nhỏ, tuy nhiên mỗi khách hàng tại đây chi tiêu trung bình rất cao, vượt xa mức bình quân chung. Tuy nhiên, do quy mô khách hàng còn nhỏ, doanh nghiệp cần cân nhắc các chiến lược marketing phù hợp để mở rộng tập khách hàng tại các thị trường này, tận dụng lợi thế khách hàng chi tiêu lớn, đồng thời gia tăng nhận diện thương hiệu.
b. Top 10 quốc gia có tổng doanh thu cao nhất
SQLWITH TOT_PER_PERSON AS(
SELECT Country,
COUNT(DISTINCT Order_ID) AS Num_Order,
SUM(Quantity) AS Quantity,
SUM(Sales) AS Tot_Sales,
COUNT(DISTINCT Customer_ID) AS Tot_Customer,
SUM(Sales)/COUNT(DISTINCT Customer_ID) AS Rev_Per_Person
FROM dbo.[Global skincare and Beauty e-store_E-commerce_C19]
GROUP BY Country
)
Những thị trường như Hoa Kỳ, Australia, Pháp đóng vai trò chủ chốt, đem lại lượng doanh thu lớn nhờ số lượng khách hàng và đơn hàng đông đảo. Mặc dù doanh thu bình quân trên đầu người ở các quốc gia này không nằm trong top đầu, giá trị tuyệt đối vẫn thể hiện sức mua lớn và tính ổn định.
Ngược lại, các quốc gia có doanh thu bình quân cao (như các quốc gia ở phần 3.4.1) có quy mô nhỏ hơn nhưng có thể được xem là thị trường ngách, tập trung vào phân khúc khách hàng cao cấp.
Phân tích này cho thấy doanh nghiệp cần duy trì sự tập trung vào các thị trường lớn đồng thời phát triển các chiến lược riêng biệt để khai thác tiềm năng tại các thị trường ngách.
2.4 Phân tích hành vi khách hàng
a. Phân tích số lượng khách hàng theo năm
SQLSELECT YEAR(Order_Date) AS [Year],
COUNT(DISTINCT Customer_ID) AS [Num_of_Customer]
FROM dbo.[Global skincare and Beauty e-store_E-commerce_C19]
GROUP BY YEAR(Order_Date);
Số lượng khách hàng tăng đều qua từng năm, từ hơn 4.000 người vào năm 2020 lên đến hơn 7.600 người vào năm 2023. Điều này cho thấy doanh nghiệp không chỉ giữ chân được khách hàng cũ mà còn liên tục thu hút khách hàng mới. Xu hướng tăng trưởng tích cực này phản ánh hiệu quả của chiến lược kinh doanh, mở rộng thị trường và khả năng cạnh tranh của thương hiệu trong lĩnh vực thương mại điện tử ngành chăm sóc sắc đẹp.
b. Phân tích số lượng khách hàng mới theo năm
SQLWITH First_Purchase AS(
SELECT Customer_ID,
MIN(YEAR(Order_Date)) AS First_Year
FROM dbo.[Global skincare and Beauty e-store_E-commerce_C19]
GROUP BY Customer_ID
),
New_Customers_Per_Year AS(
SELECT First_Year AS [Year],
COUNT(*) AS New_Customers
FROM First_Purchase
Trong năm 2020, toàn bộ khách hàng đều là mới vì là năm đầu tiên trong dữ liệu. Từ năm 2021 trở đi, số lượng khách hàng mới mỗi năm vẫn duy trì mức cao (khoảng 4.000–4.600 người), nhưng tỷ lệ khách hàng mới trên tổng số bắt đầu giảm dần: từ 85% (2021) còn khoảng 61% (2023). Điều này cho thấy:
Doanh nghiệp đang duy trì tốt lượng khách hàng trung thành từ các năm trước.
Đồng thời, vẫn thu hút thêm nhiều khách hàng mới hàng năm, cho thấy thị trường còn nhiều tiềm năng phát triển.
Tuy nhiên, tỷ lệ giảm đều cũng là tín hiệu để doanh nghiệp cân nhắc đầu tư thêm vào chiến dịch tiếp cận khách hàng mới, hoặc mở rộng sang phân khúc, khu vực khác nhằm tăng trưởng bền vững.
c. Phân tích tỷ lệ khách hàng quay lại qua các năm
SQLWITH First_Purchase AS(
SELECT Customer_ID,
MIN(YEAR(Order_Date)) AS First_Year
FROM dbo.[Global skincare and Beauty e-store_E-commerce_C19]
GROUP BY Customer_ID
),
New_Customers_Per_Year AS(
SELECT First_Year AS [Year],
COUNT(*) AS New_Customers
FROM First_Purchase
Qua bảng dữ liệu, có thể thấy tỷ lệ khách hàng quay lại tăng dần theo từng năm:
Năm 2020 là năm đầu tiên, toàn bộ khách đều là khách mới.
Từ năm 2021 trở đi, tỷ lệ khách hàng quay lại liên tục tăng: từ 15% (2021) lên đến 39% (2023).
Điều này phản ánh sự cải thiện rõ rệt trong khả năng giữ chân khách hàng qua thời gian.
Sự gia tăng này cho thấy doanh nghiệp đang dần xây dựng được mối quan hệ dài hạn với khách hàng, tăng mức độ trung thành và củng cố nguồn doanh thu ổn định từ nhóm khách cũ – yếu tố rất quan trọng trong chiến lược phát triển bền vững của thương mại điện tử.
d. Phân tích theo nhóm khách hàng (Segment)
SQLWITH S AS(
SELECT Segment,
COUNT(DISTINCT Customer_ID) AS Num_Customer,
SUM(Quantity) AS Num_Quantity,
SUM(Sales) AS TOTAL_SALES,
COUNT(DISTINCT Order_ID) AS Num_Order
FROM dbo.[Global skincare and Beauty e-store_E-commerce_C19]
GROUP BY Segment
)
SELECT *,
Corporate là nhóm khách hàng mang lại doanh thu bình quân cao nhất trên cả từng khách hàng (735 USD) và từng đơn hàng (497 USD), đồng thời số lượng sản phẩm trung bình mỗi đơn hàng cũng cao nhất (21 sản phẩm). Đây là nhóm khách hàng doanh nghiệp mua với mục đích bán lại hoặc sử dụng số lượng lớn, cho thấy tiềm năng rất lớn và cần có chiến lược chăm sóc riêng.
Consumer là nhóm lớn nhất về số lượng khách hàng và đơn hàng, đóng góp đáng kể vào tổng doanh thu nhưng giá trị trung bình lại thấp hơn nhiều so với nhóm Corporate, phản ánh hành vi tiêu dùng nhỏ lẻ.
Self-Employed có quy mô nhỏ nhất và các chỉ số trung bình cũng thấp nhất, tuy nhiên vẫn là một phân khúc có thể khai thác, nhất là nếu tập trung vào gói sản phẩm phù hợp cho người kinh doanh cá nhân nhỏ.
e. Phân tích tỷ lệ giữ chân khách hàng theo Cohort (12 tháng gần nhất)
SQLWITH MIN_DATE AS(
SELECT Customer_ID, MIN(Order_Date) AS Min_Date
FROM dbo.[Global skincare and Beauty e-store_E-commerce_C19]
GROUP BY Customer_ID
HAVING DATEDIFF(MONTH, MIN(Order_Date), (SELECT MAX(Order_Date) FROM dbo.[Global skincare and Beauty e-store_E-commerce_C19])) < 13
)
-- BANG 2: TAO BANG KH VA CAC THANG HO GIAO DICH
, TRADE_INF AS(
SELECT Customer_ID,
DATEPART(YEAR, Order_Date) AS [Year],
Tỷ lệ quay lại thấp: Hầu hết các cohort đều có tỷ lệ giữ chân <5% trong từng tháng. Đây là mức thấp, phản ánh thực trạng khách hàng thường chỉ mua 1 lần, đặc biệt nếu không có chiến lược nuôi dưỡng và remarketing.
Hiệu quả không đồng đều giữa các tháng: Một số tháng như 04/2023, 05/2023, 08/2023 có chỉ số khá tốt, trong khi nhiều tháng như 03/2023, 07/2023 khá thấp. Điều này cho thấy chiến dịch marketing và trải nghiệm khách hàng còn chưa nhất quán.
Không thấy hiệu ứng mạnh từ tháng kế tiếp: Khác với kỳ vọng, M1 chưa hẳn là tháng có tỷ lệ quay lại cao nhất. Điều này cho thấy email follow-up, voucher lần 2,... chưa hiệu quả, hoặc thời gian quyết định mua tiếp của khách hàng thường rơi vào tháng 3–5 sau lần mua đầu.
f. Phân nhóm khách hàng
Phân tích nhóm khách hàng dựa trên mô hình RFM giúp doanh nghiệp hiểu rõ hơn về hành vi mua hàng và mức độ trung thành của từng nhóm. Qua đó, doanh nghiệp có thể xây dựng các chiến lược chăm sóc phù hợp nhằm tăng doanh thu và giữ chân khách hàng hiệu quả.
SQLWITH RFM AS(
SELECT
Customer_ID,
COUNT(DISTINCT Order_ID) AS Num_Order,
SUM(Sales) AS TOTAL_SALES,
DATEDIFF(DAY, MAX(Order_Date), '2023-12-31') AS Days_Since_Last_Order,
CASE
WHEN COUNT(DISTINCT Order_ID) = 1 AND DATEDIFF(DAY, MAX(Order_Date), '2023-12-31') <= 60 THEN 'New'
WHEN COUNT(DISTINCT Order_ID) >= 5 AND SUM(Sales) >= 1000 AND DATEDIFF(DAY, MAX(Order_Date), '2023-12-31') <= 90 THEN 'VIP'
Nhóm Inactive (khách hàng không hoạt động): Nhóm này chiếm tỷ lệ lớn nhất, với 12,548 khách hàng (khoảng 72% tổng số). Đây là những khách hàng không có giao dịch trong vòng 180 ngày trở lên tính đến cuối năm 2023. Điều này cho thấy doanh nghiệp đang gặp thách thức trong việc giữ chân khách hàng. Để cải thiện, cần tập trung vào các chương trình khuyến mãi, chăm sóc cá nhân hóa và chiến dịch tái kích hoạt để thu hút nhóm khách hàng này quay lại mua sắm.
Nhóm Current (khách hàng hiện tại): Nhóm này có 1,785 khách hàng (10.2%) đã thực hiện ít nhất 2 đơn hàng và mua hàng trong vòng 120 ngày gần nhất. Đây là nhóm khách hàng tiềm năng, cần được chăm sóc kỹ càng thông qua các chương trình ưu đãi thường xuyên nhằm duy trì sự gắn kết và kích thích chi tiêu.
Nhóm New (khách hàng mới): Bao gồm 1,008 khách hàng (5.8%) mới phát sinh đơn hàng đầu tiên trong vòng 60 ngày gần đây. Đây là nhóm khách hàng cần được doanh nghiệp quan tâm đặc biệt bằng các chương trình chào mừng, hỗ trợ sau bán hàng và khuyến mãi để tạo ấn tượng tốt, từ đó thúc đẩy họ tiếp tục mua sắm.
Nhóm Others (khách hàng có hành vi không rõ ràng): Nhóm này chiếm 11.6% tổng khách hàng, bao gồm những khách hàng không đủ điều kiện để xếp vào các nhóm trên hoặc có hành vi mua hàng không đều đặn. Doanh nghiệp cần phân tích thêm để hiểu rõ đặc điểm của nhóm này và điều chỉnh chiến lược phù hợp.
Nhóm VIP (khách hàng trung thành và chi tiêu cao): Mặc dù nhóm này chỉ chiếm 0.3% tổng số khách hàng (46 người), nhưng đóng góp phần lớn doanh thu nhờ tần suất mua hàng cao và chi tiêu lớn. Doanh nghiệp cần tập trung xây dựng các chương trình chăm sóc cá nhân hóa, ưu đãi đặc biệt nhằm giữ chân nhóm khách hàng này và tối đa hóa giá trị vòng đời khách hàng.
III. Kết luận
Qua quá trình phân tích dữ liệu từ bộ dataset “Global Skincare and Beauty E-store_E-commerce_C19”, chúng ta đã thu thập được nhiều thông tin quan trọng và sâu sắc về hoạt động kinh doanh, hành vi khách hàng và xu hướng tiêu dùng trong ngành hàng chăm sóc da và mỹ phẩm trên nền tảng thương mại điện tử toàn cầu.
Trước hết, theo thời gian cho thấy doanh thu, số lượng đơn hàng và lợi nhuận của cửa hàng đã có sự tăng trưởng đều đặn qua các năm từ 2020 đến 2023. Mặc dù có sự giảm nhẹ về lợi nhuận trong năm 2023, sự gia tăng liên tục về số lượng khách hàng và đơn hàng phản ánh sức hút và sự mở rộng không ngừng của thị trường. Tỷ lệ khách hàng quay lại mua hàng cũng tăng lên theo thời gian, minh chứng cho hiệu quả của các chiến lược giữ chân khách hàng hiện tại.
Về sản phẩm, nhóm “Body care” chiếm tỷ trọng lớn nhất về doanh thu, tiếp theo là các nhóm “Home and Accessories”, “Make up” và “Hair care”. Đặc biệt, nhóm “Body care” không chỉ dẫn đầu về doanh thu mà còn có lợi nhuận trung bình trên mỗi sản phẩm cao, cho thấy đây là nhóm hàng chiến lược với sức tiêu thụ mạnh và khả năng sinh lời tốt. Trong khi đó, nhóm “Home and Accessories” dù doanh thu đứng thứ hai nhưng lại đang chịu mức lợi nhuận âm trung bình, đây là dấu hiệu cảnh báo cần được chú ý để điều chỉnh chiến lược kinh doanh. Phân tích thêm về mức độ chiết khấu cho thấy nhóm “Body care” cũng có mức chiết khấu trung bình cao nhất, điều này có thể phản ánh các chương trình khuyến mãi kích cầu nhằm duy trì lượng khách hàng trung thành và tăng doanh thu.
Phân tích theo khu vực cho thấy doanh thu tập trung nhiều ở các quốc gia phát triển và thị trường lớn như Hoa Kỳ, Úc, Pháp, Mexico và Đức. Điều này phản ánh sự đa dạng trong mạng lưới khách hàng toàn cầu, đồng thời giúp doanh nghiệp xác định được các khu vực trọng điểm để đầu tư và phát triển sâu hơn. Ngoài ra, doanh thu trên mỗi khách hàng tại một số quốc gia nhỏ hơn như Hy Lạp, Malawi hay Costa Rica lại rất cao, đây có thể là nhóm khách hàng có giá trị cao cần được chăm sóc đặc biệt.
Về hành vi khách hàng, phân tích mô hình RFM đã chỉ ra sự phân hóa rõ rệt trong nhóm khách hàng hiện tại. Nhóm “Inactive” chiếm tỷ lệ lớn nhất, cho thấy doanh nghiệp cần có các chiến dịch tập trung kích hoạt lại nhóm khách hàng này để tối ưu hóa giá trị khách hàng trong dài hạn. Ngược lại, nhóm “VIP” tuy nhỏ nhưng là nguồn doanh thu quan trọng, cần được giữ chân và phát triển thông qua các chương trình ưu đãi cá nhân hóa. Bên cạnh đó, nhóm “New” và “Current” thể hiện tiềm năng tăng trưởng tốt nếu được chăm sóc hợp lý, tạo nền tảng vững chắc cho sự phát triển bền vững của doanh nghiệp.
Ngoài ra, phân tích chi tiết các chỉ số như tỷ lệ tăng trưởng hàng năm, mức độ chiết khấu, phân bổ doanh thu theo sản phẩm và khu vực đã giúp doanh nghiệp có cái nhìn toàn diện về sức khỏe kinh doanh và các điểm mạnh, điểm yếu cần cải thiện. Đây là cơ sở để xây dựng các kế hoạch kinh doanh, marketing, chăm sóc khách hàng hiệu quả hơn trong tương lai.
Tổng thể, dự án phân tích dữ liệu đã thành công trong việc khai thác thông tin từ bộ dataset thương mại điện tử ngành chăm sóc sắc đẹp, góp phần củng cố nền tảng dữ liệu cho việc ra quyết định chiến lược. Việc áp dụng các truy vấn SQL một cách có hệ thống không chỉ giúp phân tích sâu sắc mà còn nâng cao kỹ năng kỹ thuật xử lý dữ liệu, phân tích và báo cáo.
Trong tương lai, doanh nghiệp nên tiếp tục đầu tư vào hệ thống dữ liệu, mở rộng phạm vi phân tích sang các yếu tố ảnh hưởng khác như đánh giá khách hàng, xu hướng thị trường và cạnh tranh để duy trì vị thế và phát triển bền vững trong ngành. Đồng thời, việc tối ưu hóa chiến lược chăm sóc khách hàng dựa trên phân tích RFM, tăng cường các chương trình khuyến mãi và ưu đãi hợp lý sẽ giúp gia tăng doanh thu và lợi nhuận một cách hiệu quả.
