Khái niệm: Tỷ lệ khách hàng rời bỏ Churn rate là số lượng người tiêu dùng đã ngừng mua hoặc ngừng sử dụng dịch vụ của bạn trong khung thời gian cụ thể.. Con số này sẽ được tính bằng cách
Trang 1TRƯỜNG ĐẠI HỌC KINH TẾ KHOA MARKETING
Giảng viên hướng dẫn : Phan Thị Nhung
Đà Nẵng, 11/2023
Trang 2MỤC LỤC
MỤC LỤC i
DANH MỤC HÌNH ẢNH ii
DANH MỤC BẢNG BIỂU ii
1 Cơ sở lý thuyết 1
1.1 Giới thiệu phần mềm Power BI 1
1.1.1 Khái niệm 1
1.1.2 Các thành phần của Power BI: 1
1.1.3 Ưu điểm và nhược điểm 2
1.2 Kỹ thuật phân tích tỷ lệ khách hàng rời bỏ doanh nghiệp 3
1.2.1 Khái niệm: 3
1.2.2 Mục đích 3
2 Phân tích dữ liệu và đưa ra giải pháp đề xuất cho Ngân hàng BBVA 4
2.1 Sơ bộ về công ty Ngân hàng BBVA: 4
2.2 Xác định mục tiêu 5
2.3 Tổng quan về dữ liệu: 6
3 Phân tích dữ liệu 7
3.1 Tổng quan khách hàng 7
3.2 Phân tích tỷ lệ khách hàng rời bỏ 10
4 Tổng kết: 19
5 Giải pháp: 19
Trang 3DANH MỤC HÌNH ẢNH
Hình 2.1 Logo ngân hàng BBAV 4
Hình 2.2 Liên kết dữ liệu các bảng 7
Hình 3.1 Khách hàng tại Pháp 15
Hình 3.2 Khách hàng tại Đức 15
Hình 3.3 Khách hàng tại Tây Ban Nha 16
Hình 3.4 Khách hàng sử dụng 1 dịch vụ 16
Hình 3.5 Khách hàng sử dụng hai dịch vụ 17
Hình 3.6 Khách hàng sử dụng ba dịch vụ 17
Hình 3.7 Khách hàng sử dụng bốn dịch vụ 18
DANH MỤC BẢNG BIỂU Bảng 1.1 Ưu điểm và nhược điểm của Power BI 2
Trang 41 Cơ sở lý thuyết
1.1 Giới thiệu phần mềm Power BI
1.1.1 Khái niệm Power BI nằm trong nhóm kinh doanh thông minh (Business Intelligence) với nhiệm vụ chính là tối giản hóa và nâng cao chất lượng việc thể hiện dữ liệu trên các báo cáo tài chính, doanh số
Hiện tại Power BI đang có mặt trên ba nền tảng là website, máy tính và điện thoại Vì thế, ứng dụng này có thể đảm bảo đáp ứng nhu cầu mọi nơi mọi lúc cho người sử dụng [1]
1.1.2 Các thành phần của Power BI:
Power BI Desktop: có vai trò xử lý, tập hợp và xây dựng mô hình dữ liệu dùng để trực quan hóa dữ liệu cho các báo cáo Đây là một phần mềm trên hệ điều hành Windows
Power BI Apps: cũng là Power BI nhưng lại ở dạng ứng dụng để có thể
sử dụng trên các tảng như Android hay iOS
Dịch vụ đám mây Power BI Service (Power BI Online): đây là một dịch
vụ lưu trữ dữ liệu của Power BI cho phép người dùng lưu trữ báo cáo, dashboard mọi nơi mọi lúc
Power BI Report Server: người dùng có thể xuất bản báo cáo sau khi hoàn thành lên hệ thống Power BI Server của công ty [1]
Trang 51.1.3 Ưu điểm và nhược điểm
Bảng 1.1 Ưu điểm và nhược điểm của Power BI
Được xây dựng từ nền tảng AI (trí tuệ nhân
tạo) và Machine Learning (máy học) nên
nhạy bén trong việc xử lý dữ liệu
Cung cấp các báo cáo và dashboard có sẵn
Bảo mật cao trong việc kết nối các nguồn dữ
liệu (qua đám mây hay hệ thống doanh
Tích hợp code Python và R để nâng cao chất
lượng trực quan hóa
Power Query giúp người dùng dễ dàng hơn
trong việc sử dụng và làm gọn dữ liệu
Website hỗ trợ giải đáp thắc mắc của người
dùng với cơ sở dữ liệu mở rộng
Tuy được kết nối real-time nhưng nguồn dữ liệu với các báo cáo và dashboard còn khá ít
Không chấp nhận những file lớn hơn 250MB hoặc bị dữ liệu X nén
Chỉ những người dùng có cùng tên miền email mới có thể chia sẻ dashboard và báo cáo với nhau [1]
Trang 61.2 Kỹ thuật phân tích tỷ lệ khách hàng rời bỏ doanh nghiệp
1.2.1 Khái niệm:
Tỷ lệ khách hàng rời bỏ (Churn rate) là số lượng người tiêu dùng đã ngừng mua hoặc ngừng sử dụng dịch vụ của bạn trong khung thời gian cụ thể Con số này sẽ được tính bằng cách chia số lượng khách hàng đã rời đi cho tổng
số lượng khách hàng của doanh nghiệp tại một khoảng thời gian nhất định
Kỹ thuật phân tích tỷ lệ khách hàng rời bỏ doanh nghiệp là quá trình thu thập, xử lý và phân tích dữ liệu về hành vi của khách hàng để xác định nguyên nhân khiến khách hàng rời bỏ doanh nghiệp Mục tiêu của kỹ thuật này là giúp doanh nghiệp hiểu rõ hơn về khách hàng của mình, từ đó đưa ra các giải pháp phù hợp để giữ chân khách hàng
Xác định nguyên nhân khiến khách hàng rời bỏ doanh nghiệp: Phân tích
tỷ lệ khách hàng rời bỏ doanh nghiệp giúp doanh nghiệp xác định được nguyên nhân khiến khách hàng rời bỏ doanh nghiệp Nguyên nhân này có thể bao gồm: + Sản phẩm/dịch vụ không đáp ứng nhu cầu của khách hàng
+ Giá cả quá cao + Dịch vụ chăm sóc khách hàng kém + Cạnh tranh từ đối thủ
+ Đưa ra các giải pháp phù hợp để giữ chân khách hàng Sau khi xác định được nguyên nhân khiến khách hàng rời bỏ doanh nghiệp, doanh nghiệp có thể đưa ra các giải pháp phù hợp để giữ chân khách hàng Các giải pháp này có thể bao gồm:
Trang 7+ Cải thiện chất lượng sản phẩm/dịch vụ + Giảm giá
+ Nâng cao chất lượng dịch vụ chăm sóc khách hàng + Tạo ra các chương trình khuyến mãi, ưu đãi
Giảm thiểu chi phí tìm kiếm khách hàng mới: Giữ chân khách hàng hiện tại có chi phí thấp hơn nhiều so với việc tìm kiếm khách hàng mới Do đó, phân tích tỷ lệ khách hàng rời bỏ doanh nghiệp giúp doanh nghiệp giảm thiểu chi phí tìm kiếm khách hàng mới
Tăng doanh thu và lợi nhuận cho doanh nghiệp: Khách hàng trung thành
có xu hướng mua hàng nhiều hơn và thường xuyên hơn so với khách hàng mới Do đó, giữ chân khách hàng hiện tại giúp doanh nghiệp tăng doanh thu
và lợi nhuận
Nhìn chung, phân tích tỷ lệ khách hàng rời bỏ doanh nghiệp là một công
cụ quan trọng giúp doanh nghiệp hiểu rõ hơn về khách hàng của mình và đưa ra các giải pháp phù hợp để giữ chân khách hàng
2 Phân tích dữ liệu và đưa ra giải pháp đề xuất cho Ngân hàng BBVA
2.1 Sơ bộ về công ty Ngân hàng BBVA:
a) Giới thiệu
Ngân hàng BBVA là một ngân hàng đa quốc gia có trụ sở chính tại Madrid, Tây Ban Nha Ngân hàng được thành lập vào năm 1857 và là một trong những ngân hàng lớn trên thế giới, với tổng tài sản hơn 1,2 nghìn tỷ euro
Hình 2.1 Logo ngân hàng BBAV
Trang 8Ngoài ra, BBVA còn là một ngân hàng tiên phong trong lĩnh vực ngân hàng kỹ thuật số Ngân hàng đã đầu tư mạnh mẽ vào công nghệ để cung cấp cho khách hàng các trải nghiệm ngân hàng số hiện đại và tiện lợi Các sản phẩm và dịch vụ ngân hàng
kỹ thuật số của BBVA bao gồm:
- Ứng dụng ngân hàng di động BBVA Wallet: Cho phép khách hàng thực hiện các giao dịch ngân hàng cơ bản như kiểm tra số dư, chuyển tiền và thanh toán hóa đơn
- Nền tảng công nghệ BBVA Open Platform: Cho phép các doanh nghiệp phát triển các ứng dụng và dịch vụ ngân hàng mới
- Chương trình BBVA Momentum: Chương trình dành cho các doanh nghiệp khởi nghiệp cung cấp các khoản tài trợ, tư vấn và mạng lưới kết nối
b) Loại hình kinh doanh
BBVA là một ngân hàng thương mại cung cấp các sản phẩm và dịch vụ ngân hàng cho khách hàng cá nhân và doanh nghiệp Các sản phẩm và dịch vụ của ngân hàng bao gồm:
- Tài khoản ngân hàng và thẻ tín dụng: BBVA cung cấp đa dạng các loại tài khoản ngân hàng và thẻ tín dụng phù hợp với nhu cầu của từng khách hàng
- Vay cá nhân và doanh nghiệp: BBVA cung cấp các khoản vay cá nhân và doanh nghiệp với lãi suất cạnh tranh và thủ tục đơn giản
- Đầu tư và bảo hiểm: BBVA cung cấp các sản phẩm đầu tư và bảo hiểm đa dạng, giúp khách hàng bảo vệ tài sản và tương lai của mình
- Quản lý tài sản và tư vấn: BBVA cung cấp dịch vụ quản lý tài sản và tư vấn tài chính cá nhân, giúp khách hàng đạt được các mục tiêu tài chính của mình
Trang 9- Giảm chi phí cho ngân hàng BBVA trong việc tìm kiếm và thu hút khách hàng mới
2.3 Tổng quan về dữ liệu:
Bộ dữ liệu về tỷ lệ rời bỏ khách hàng của ngân hàng BBVA là một tập dữ liệu được sử dụng để dự đoán tỷ lệ rời bỏ khách hàng trong ngành ngân hàng Nó chứa thông tin về 10000 khách hàng của ngân hàng đã rời ngân hàng hoặc tiếp tục là khách hàng Tập dữ liệu bao gồm các thuộc tính sau:
- Customer ID: Mã định danh duy nhất cho mỗi khách hàng
- Surname: Họ hoặc tên của khách hàng
- Credit Score: Một giá trị bằng số biểu thị điểm tín dụng của khách hàng
- Geography: Quốc gia nơi khách hàng cư trú (Pháp, Tây Ban Nha hoặc Đức)
- Gender: Giới tính của khách hàng (Nam hoặc Nữ)
- Age: Độ tuổi của khách hàng
- Tenure: Số năm khách hàng đã gắn bó với ngân hàng
- Balance: Số dư tài khoản của khách hàng
- NumOfProducts: Số lượng sản phẩm ngân hàng khách hàng sử dụng (ví dụ: tài khoản tiết kiệm, thẻ tín dụng)
- HasCrCard: Khách hàng có thẻ tín dụng hay không (1 = có, 0 = không)
- IsActiveMember: Khách hàng có phải là thành viên tích cực hay không (1 =
có, 0 = không)
- EstimatedSalary: Mức lương ước tính của khách hàng
- Exited: Khách hàng có rời đi hay không (1 = có, 0 = không)
- Từ bộ dữ liệu thô, tiến hành làm sạch và định dạng dữ liệu
- Lập mô hình dữ liệu: Tạo những truy vấn để lập mô hình dữ liệu cho việc phân tích
và trực quan hóa dữ liệu
=> Từ đó tạo ra 4 bảng gồm:
- 1 bảng dữ kiện chính chứa tất cả các dữ liệu chính: Customer Data
- 3 bảng tham chiếu: Age Groups, Acct Balance Groups, Credit Score Groups:
- Liên kết 4 bảng với nhau để tạo nên mô hình
Trang 103 Phân tích dữ liệu
3.1 Tổng quan khách hàng
a) Nhân khẩu học
Theo dữ liệu thống kê, có 10000 khách hàng bao gồm cả khách hàng hiện tại
và khách hàng đã rời bỏ ngân hàng BBVA
Số lượng nam và nữ của nhóm khách hàng BBVA là gần bằng nhau (Nữ chiếm 45,43% và Nam chiếm 54,57% tổng số khách hàng)
Hình 2.2 Liên kết dữ liệu các bảng
Trang 11Khách hàng của ngân hàng đến từ 3 quốc gia: Pháp, Đức, Tây Ban Nha Trong
đó, đa số khách hàng đến từ Pháp, chiếm 50,1% Khách hàng đến từ 2 quốc gia là Đức và Tây Ban Nha chiếm tỷ lệ khá ngang bằng nhau, khoảng 25% (2 - 3 nghìn khách hàng)
- Khách hàng từ đội tuổi 31 - 40 có đến hơn 4000 người (chiếm 44,51%) là những khách hàng mục tiêu mà ngân hàng nên hướng tới
Trang 12b) Dịch vụ
- Số lượng khách hàng chỉ sử dụng 1 sản phẩm và sử dụng 2 sản phẩm của ngân hàng chiếm phần lớn, có số lượng gần bằng nhau (lần lượt chiếm 45,9% và 50,84% trong tổng số khách hàng) Số khách hàng sử dụng 3 sản phẩm tại ngân hàng chiếm 2,66% Số khách hàng sử dụng cả 4 sản phẩm của ngân hàng
là rất nhỏ, chỉ chiếm 0,6 phần trăm trong tổng số khách hàng
- Xét đến mức độ hoạt động tích cực của khách hàng (Activity Status), số lượng khách hàng có hoạt động tích cực với ngân hàng chỉ chiếm một nửa trong số các khách hàng
Trang 13- Số lượng khách hàng có thẻ tín dụng gấp đôi so với số khách hàng hiện tại chưa có thẻ tín dụng, chiếm 70,55%
- Số lượng khách hàng có số dư từ 100k-200k USD chiếm phần lớn, tiếp theo sau đó theo thứ tự giảm dần là nhóm khách hàng có sô dư bé hơn 1000, nhóm khách hàng có số dư lớn hơn 200k, và nhóm khách hàng có số dư từ 1k-10k có số lượng ít nhất
- Cũng có thể hiểu khi nhóm khách hàng có thu nhập từ 10k-200k chiếm phần lớn, bửi BBVA là ngân hàng chuyên phục vụ dịch vụ cho khách hàng
có thu nhập trung bình trở lên
3.2 Phân tích tỷ lệ khách hàng rời bỏ
Trong hình ảnh, tỷ lệ khách hàng rời bỏ của ngân hàng BBVA là 20,4% Tỷ lệ này cao hơn tỷ lệ khách hàng rời bỏ tối đa trong lĩnh vực ngân hàng là 15%
Sự khác biệt giữa các chỉ số này cho thấy, ngân hàng BBVA đang gặp vấn đề về
tỷ lệ khách hàng rời bỏ Tỷ lệ này quá cao và vượt quá mức mà ngân hàng đã đặt ra
Trang 14Do đó, cần phân tích cụ thể hơn trên các khía cạnh để tìm ra nguyên nhân rời bỏ để đưa ra giải pháp phù hợp nhằm giải quyết vấn đề này
a) Mức độ hoạt động của khách hàng: Tích cực/không tích cực (Customers by Activity Status)
Ta có thể thấy trên biểu đồ, nhóm khách hàng có hoạt động tích cực và hoạt động không tích cực có số lượng khá bằng nhau Tuy nhiên, nhóm có hoạt động tích cực lại có tỷ lệ rời bỏ gần gấp đôi nhóm có hoạt động không tích cực (26,9% và 14,3%) Lý do ở đây có thể là do nhóm KH hoạt động tích cực thường sử dụng nhiều sản phẩm và dịch vụ của ngân hàng hơn, do đó họ cũng có nhiều cơ hội để cảm thấy không hài lòng hơn => vì vậy tỷ lệ rời bỏ cũng cao hơn những khách hàng hoạt động không tích cực
Trang 15(Active)
(Not Active)
- Tiếp tục quan sát ở 6 biều đồ trên, ta có thể thấy:
+ Nhóm khách hàng hoạt động tích cực chiếm phần lớn là khách hàng có độ tuổi 31-40 tuổi, nhưng lại có tỷ lệ rời bỏ cao rơi vào độ tuổi từ 41 tuổi trở lên (đều lớn hơn tỷ lệ rời bỏ trung bình), trong đó nhóm tuổi có tỷ lệ rời bỏ cao nhất là 51-60 tuổi (34,7%)
+ Nhóm khách hàng hoạt động kém tích cực cũng chiếm phần lớn là khách hàng
có độ tuổi 31-40 tuổi, nhưng lại có tỷ lệ rời bỏ cao rơi vào độ tuổi từ 41-70 tuổi, trong đó nhóm tuổi có tỷ lệ rời bỏ cao nhất là 51-60 tuổi (85,7%) và 61-70 tuổi (88,3%)
Từ đó ta có thể thấy là khi khách hàng càng lớn tuổi, thì tỷ lệ rời bỏ càng tăng
Lý do ở đây có thể là vì lúc này, nhu cầu về sử dụng các dịch vụ ngân hàng càng giảm, họ gặp khó khăn trong việc sử dụng các dịch vụ, vì thế họ lựa chọn rời bỏ ngân hàng
Trang 16b) Trạng thái sử dụng thẻ tín dụng của khách hàng: Có sử dụng/không sử dụng (Customers by Credit_card)
- Nhóm khách hàng không sử dụng thẻ tín dụng gấp 2,4 lần nhóm khách hàng có
sử dụng thẻ
- Ở nhóm khách hàng có sử dụng thẻ tín dụng, nhóm có điểm tín dụng từ 400 trở lên có tỷ lệ rời bỏ khá bằng nhau, dao động từ 20.8%-23.4% Nhóm có điểm tín dụng dưới 400, lại có tỷ lệ rời bỏ tuyệt đối 100%
- Ở nhóm khách hàng không sử dụng thẻ tín dụng, tương tự như trên thì nhóm có điểm tín dụng từ 400 trở lên có tỷ lệ rời bỏ khá bằng nhau, dao động từ 18%-21,5% Nhóm
có điểm tín dụng dưới 400, lại có tỷ lệ rời bỏ tuyệt đối 100%
Trang 17 Từ đó, chúng ta có thể đưa ra kết luận rằng là: Tỷ lệ rời bỏ không phụ thuộc vào điểm tín dụng, và cũng không phụ thuộc vào trạng thái sử dụng thẻ tín dụng của khách hàng
c) Phạm vi hoạt động (Country)
- Xét phạm vi hoạt động, có thể thấy khách hàng của ngân hàng đa phần đến
từ Pháp (hơn 5 nghìn người, chiếm hơn 50,14%) Tuy nhiên, số lượng khách hàng rời bỏ đến từ Đức lại cao nhất và xấp xỉ bằng số lượng khách hàng rời
bỏ từ Pháp
Số lượng khách hàng rời bỏ tại 3 quốc gia Số lượng khách hàng tại 3 quốc gia
- Với tỷ lệ rời bỏ cụ thể của 3 quốc gia Đức, Pháp, Tây Ban Nha lần lượt là 16,2%, 31,4%, 16,7%
- Xét đến yếu tố số dư tài khoản của khách hàng tại 3 quốc gia
+ Khách hàng tại Pháp có số dư tài khoản trải dài từ 0 đến 200 nghìn, trong đó số
dư tài khoản trong mức dưới 1 nghìn (3617 khách hàng) và từ 100 nghìn đến 200 nghìn (4765 khách hàng) chiếm tỷ lệ cao vượt trội
+ Tuy nhiên, tỷ lệ rời bỏ của nhóm khách hàng có số dư tài khoản từ 1 nghìn đến
10 nghìn là rất cao (100%), hiện tượng này có thể lý giải là do sau khi sử dụng một thời gian, khách hàng cảm thấy ngân hàng chưa đáp ứng được yêu cầu của họ, nên
họ quyết định rời đi
+ Nhóm khách hàng có số từ 10 nghìn đến 200 nghìn có tỷ lệ rời bỏ giảm dần Đây
là dấu hiệu khá tốt, chứng tỏ khi những có khách hàng có số dư tài khoản nhiều thì
họ quyết định trung thành hơn với ngân hàng
+ Nhưng đối với nhóm khách hàng số dư tài khoản trên 200 nghìn thì họ lại quyết định rời bỏ ngân hàng rất cao Nguyên nhân dẫn đến hiện tượng này có thể do khi
Trang 18đó, khách hàng cảm thấy ngân hàng chưa mang lại được những chính sách ưu đãi
vượt trội hơn cho khách hàng
-
Hình 3.1 Khách hàng tại Pháp
- Khách hàng tại Đức có số dư tài khoản từ 10 nghìn đến 200 nghìn Tỷ lệ rời
bỏ của nhóm từ 10 nghìn đến 100 nghìn là 19,9% và nhóm khách hàng có số
dư tài khoản từ 100 nghìn - 200 nghìn là 36%
- Có thể thấy rằng, tỷ lệ rời bỏ tỷ lệ thuận với số dư tài khoản của khách hàng
Những người có số dư tài khoản cao hơn sẽ mang lại nhiều lợi ích cho doanh nghiệp, tuy nhiên chính sách đối với nhóm khách hàng này chưa vượt trội hơn
so với nhóm khách hàng có số dư tài khoản ít hơn đó có thể là nguyên nhân
để giải thích cho tình trạng này của các khách hàng tại Đức Nguyên nhân khác
có thể là do những khách hàng này có nhiều lựa chọn hơn, hoặc họ cảm thấy không hài lòng với sản phẩm hoặc dịch vụ của doanh nghiệp
-
Hình 3.2 Khách hàng tại Đức
- Tại Tây Ban Nha, tỷ lệ khách hàng rời bỏ có xu hướng khá giống với khách
hàng tại Pháp Tỷ lệ khách hàng rời bỏ nằm trong khoảng từ 13 - 15%, chỉ có nhóm khách hàng có số dư tài khoản từ 1 nghìn đến 10 nghìn và nhóm khách hàng có số dư tài khoản trên 200 nghìn là chiếm tỷ lệ cao vượt trội