Mới Đặt phân tích định lượng theo đề tài của bạn, nhận báo giá miễn phí trong ngày →

Phân tích dữ liệu khảo sát khách hàng là cách biến hàng trăm phiếu trả lời thành câu trả lời cụ thể cho người quản lý: khách hàng hài lòng đến đâu, ai sẵn sàng giới thiệu thương hiệu, yếu tố nào kéo họ quay lại. Nhiều doanh nghiệp đã có dữ liệu nhưng dừng ở bảng tỷ lệ phần trăm, nên khó biết nên cải tiến điều gì trước.

Phân tích dữ liệu khảo sát khách hàng: 7 bước ra báo cáo quyết định
Phân tích dữ liệu khảo sát khách hàng: 7 bước ra báo cáo quyết định

Bài viết dành cho chủ cửa hàng, phòng marketing và phòng nhân sự, trình bày quy trình phân tích dữ liệu khảo sát khách hàng gồm 7 bước, kèm lưu ý bảo vệ dữ liệu cá nhân.

Điểm chính của bài

  • Bắt đầu từ quyết định cần đưa ra: mỗi câu hỏi trong bảng hỏi phải phục vụ một câu hỏi quản trị.
  • CSAT, NPS và ý định mua lại trả lời ba câu hỏi khác nhau, nên đo kết hợp.
  • Cỡ mẫu, cách chọn mẫu và tiêu chí loại phiếu quyết định độ tin cậy của phân tích dữ liệu khảo sát khách hàng nhiều hơn phần mềm.
  • Nhân tố tác động và phân khúc giúp phân tích dữ liệu khảo sát khách hàng chuyển từ "khách nghĩ gì" sang "nên làm gì trước".
  • Dữ liệu khách hàng là dữ liệu cá nhân: cần đồng ý, mục đích rõ ràng và ẩn danh trước khi phân tích.
Nội dung bài viết
  1. Phân tích dữ liệu khảo sát khách hàng trả lời câu hỏi gì?
  2. Bước 1 - 2: Bảng hỏi và cỡ mẫu
  3. Bước 3: Làm sạch dữ liệu khảo sát
  4. Bước 4: Tính hài lòng, NPS và ý định mua lại
  5. Bước 5: Nhân tố tác động trong phân tích dữ liệu khảo sát khách hàng
  6. Bước 6: Phân khúc khi phân tích dữ liệu khảo sát khách hàng
  7. Bước 7: Báo cáo phân tích dữ liệu khảo sát khách hàng cho người ra quyết định
  8. Báo cáo trung thực và bảo vệ dữ liệu khách hàng
  9. Dịch vụ phân tích dữ liệu khảo sát khách hàng tại Kaas.vn
  10. Câu hỏi thường gặp về phân tích dữ liệu khảo sát khách hàng
  11. Tài liệu tham khảo

Phân tích dữ liệu khảo sát khách hàng trả lời câu hỏi gì?

Một cuộc khảo sát tốt luôn gắn với quyết định cụ thể. Trước khi soạn câu hỏi, hãy viết ra 3 - 5 câu hỏi quản trị mà ban lãnh đạo cần trả lời. Phân tích dữ liệu khảo sát khách hàng chỉ có giá trị khi kết quả trả lời đúng các câu hỏi đó, ví dụ:

  • Mức độ hài lòng hiện nay ra sao, thay đổi thế nào so với kỳ trước?
  • Chất lượng, giá, phục vụ, giao hàng: yếu tố nào gắn mạnh nhất với ý định mua lại?
  • Nhóm khách nào có nguy cơ rời bỏ cao, họ có đặc điểm chung gì?

Với khảo sát nhân viên, logic tương tự: yếu tố nào gắn với mức độ gắn kết hoặc ý định nghỉ việc, phòng ban nào cần ưu tiên.

Chỉ số chính khi phân tích dữ liệu khảo sát khách hàng

Chỉ số Cách hỏi Trả lời câu hỏi Lưu ý
CSAT (hài lòng) Likert 5 hoặc 7 mức, nhiều câu Trải nghiệm có đáp ứng kỳ vọng không Kiểm tra độ tin cậy trước khi tính điểm
NPS Thang 0 - 10, khả năng giới thiệu Mức độ trung thành, truyền miệng Sai số lớn khi mẫu nhỏ
Ý định mua lại Likert, 3 - 4 câu Khả năng quay lại Ý định chưa phải hành vi thực tế

NPS bằng tỷ lệ người ủng hộ (chấm 9 - 10) trừ tỷ lệ người phản đối (chấm 0 - 6); người chấm 7 - 8 là trung lập:

\[ NPS = \%\,\text{Ủng hộ} - \%\,\text{Phản đối} \]

NPS nằm trong khoảng -100 đến +100. Khi phân tích dữ liệu khảo sát khách hàng với mẫu vài chục người, chênh lệch vài điểm giữa hai kỳ có thể chỉ là dao động ngẫu nhiên.

Bước 1 - 2: Bảng hỏi và cỡ mẫu

Trong phân tích dữ liệu khảo sát khách hàng, lỗi phổ biến nhất nằm ở bảng hỏi, không ở phần mềm. Câu hỏi dẫn dắt, câu hỏi hai ý, hoặc chỉ gửi khảo sát cho khách thân thiết đều làm kết quả lệch ngay từ đầu. Tham khảo thêm bài thiết kế bảng hỏi.

  1. Mỗi khái niệm đo bằng 3 - 5 câu. Nhờ vậy có thể kiểm tra độ tin cậy bằng Cronbach's Alpha.
  2. Một thang đo thống nhất. Cùng thang Likert, ghi rõ nhãn hai đầu.
  3. Có câu gạn lọc và câu kiểm tra chú ý. Đúng người đã mua hàng, phát hiện phiếu trả lời qua loa.
  4. Câu nhân khẩu học ở cuối, hỏi tối thiểu. Nhóm tuổi thay vì ngày sinh.
  5. Khảo sát thử 20 - 30 người. Kiểm tra thời gian trả lời và câu khó hiểu.

Nếu mục tiêu là ước lượng một tỷ lệ (ví dụ tỷ lệ khách hài lòng) với độ tin cậy 95%, công thức thường dùng là:

\[ n = \frac{Z^2 \, p(1-p)}{e^2} = \frac{1{,}96^2 \times 0{,}5 \times 0{,}5}{0{,}05^2} \approx 385 \]

Trong đó \(e\) là sai số cho phép và \(p = 0{,}5\) là giả định thận trọng nhất. Nếu chạy hồi quy, quy tắc kinh nghiệm của Tabachnick và Fidell là \(n \geq 50 + 8m\) với \(m\) là số biến độc lập. Khi so sánh chi nhánh, mỗi nhóm cũng cần đủ phiếu. Xem bài cách tính cỡ mẫu.

Lưu ý: Phần lớn khảo sát doanh nghiệp dùng mẫu thuận tiện. Kết quả phân tích dữ liệu khảo sát khách hàng vẫn hữu ích, nhưng báo cáo cần ghi rõ cách chọn mẫu và không khái quát cho mọi khách hàng nếu mẫu lệch về một kênh.

Quy trình 7 bước phân tích dữ liệu khảo sát khách hàng cho doanh nghiệp
Bảy bước từ câu hỏi quản trị đến báo cáo cho người ra quyết định.

Bước 3: Làm sạch dữ liệu khảo sát

Dữ liệu xuất từ Google Forms hay CRM thường ở dạng chữ, có giá trị thiếu và phiếu trùng. Làm sạch là bước nền của phân tích dữ liệu khảo sát khách hàng, và tiêu chí loại phiếu cần được viết ra trước khi xem kết quả:

  • Mã hóa câu trả lời chữ sang số theo sổ mã hóa (codebook).
  • Phiếu trùng theo mã đơn hàng hoặc dấu thời gian.
  • Phiếu một kiểu: chọn cùng một mức cho toàn bộ thang đo.
  • Thời gian trả lời quá ngắn so với lần khảo sát thử.
  • Giá trị thiếu: ghi nhận tỷ lệ theo từng câu, không tự "điền cho đủ".

Trên SPSS, nên đánh dấu phiếu nghi vấn bằng cú pháp thay vì xóa tay, để mọi quyết định kiểm chứng được:

COMPUTE sd_thang = SD(cl1, cl2, cl3, pv1, pv2, pv3, gc1, gc2, gc3).
COMPUTE nghi_van = (sd_thang = 0) OR (thoigian_giay < 90).
FREQUENCIES VARIABLES=nghi_van.
COMPUTE giu_lai = 1 - nghi_van.
FILTER BY giu_lai.

Lệnh FILTER BY chỉ tạm ẩn phiếu, không xóa. Trước khi quyết định loại, hãy xem lại từng nhóm phiếu và ghi số lượng, lý do vào nhật ký. Bài nhập liệu SPSS hướng dẫn đặt tên biến và nhãn giá trị.

Bước 4: Tính hài lòng, NPS và ý định mua lại

Bước này của phân tích dữ liệu khảo sát khách hàng tính các chỉ số tổng hợp. Với khái niệm đo bằng nhiều câu, cần kiểm tra độ tin cậy trước khi tính điểm trung bình, thường bằng Cronbach's Alpha (\(\alpha \geq 0{,}7\) là mức thường được chấp nhận) và EFA nếu thang đo được điều chỉnh. Điểm trung bình của biến mã hóa -100, 0, 100 chính là NPS:

RECODE nps (0 thru 6=-100) (7 thru 8=0) (9 thru 10=100) INTO nps_diem.
RECODE nps (0 thru 6=1) (7 thru 8=2) (9 thru 10=3) INTO nps_nhom.
FREQUENCIES VARIABLES=nps_nhom.
DESCRIPTIVES VARIABLES=nps_diem /STATISTICS=MEAN STDDEV.

Ví dụ: Tình huống minh họa, số liệu minh họa. Khi phân tích dữ liệu khảo sát khách hàng của một chuỗi cửa hàng (412 phiếu), NPS chung = 25; khách online có NPS = 12, khách tại cửa hàng NPS = 34. Câu hỏi tiếp theo: vì sao khách online kém hài lòng hơn?

Để so sánh nhóm, dùng ANOVA cho điểm hài lòng theo chi nhánh và Chi-square cho tỷ lệ ủng hộ theo kênh. Hãy báo cáo cả mức chênh lệch thực tế, không chỉ giá trị \(p\).

Đã có dữ liệu nhưng chưa biết bắt đầu từ đâu?

Gửi bảng hỏi và mô tả dữ liệu (đã ẩn danh) qua trang liên hệ hoặc Zalo 0947 971 630 để được tư vấn ban đầu miễn phí. Kaas.vn hỗ trợ phân tích dữ liệu khảo sát khách hàng theo kế hoạch thống nhất trước, bàn giao dữ liệu, cú pháp, output để đội ngũ tự chạy lại; không chỉnh số liệu cho đẹp.

Bước 5: Nhân tố tác động trong phân tích dữ liệu khảo sát khách hàng

Phân tích nhân tố tác động (key-driver analysis) tìm yếu tố trải nghiệm gắn mạnh nhất với hài lòng chung hoặc ý định mua lại. Cách phổ biến là hồi quy tuyến tính bội, menu Analyze > Regression > Linear:

REGRESSION
  /STATISTICS COEFF R ANOVA COLLIN TOL
  /DEPENDENT hailong_tb
  /METHOD=ENTER chatluong_tb gia_tb phucvu_tb giaohang_tb.

Khi phân tích dữ liệu khảo sát khách hàng bằng hồi quy, \(R^2\) hiệu chỉnh cho biết mô hình giải thích bao nhiêu phần biến thiên của hài lòng; hệ số chuẩn hóa \(\beta\) cho biết mức quan trọng tương đối; VIF giúp phát hiện đa cộng tuyến.

Ma trận ưu tiên khi phân tích dữ liệu khảo sát khách hàng

Đặt cạnh nhau mức quan trọng (\(\beta\)) và mức thể hiện hiện tại (điểm trung bình): yếu tố quan trọng cao nhưng điểm thấp là ưu tiên số một. Trên SmartPLS, kỹ thuật tương tự là IPMA, xem bài PLS-SEM.

Nhóm Quan trọng Điểm hiện tại Hành động gợi ý
Ưu tiên cải tiến Cao Thấp Tập trung nguồn lực trước
Duy trì Cao Cao Giữ chất lượng, theo dõi định kỳ
Theo dõi Thấp Thấp Cải thiện khi có nguồn lực
Có thể đầu tư thừa Thấp Cao Xem xét phân bổ lại

Lưu ý: Khảo sát cắt ngang chỉ cho thấy mối liên hệ, không chứng minh nhân quả. Viết "giá gắn mạnh nhất với ý định mua lại" thay vì "giảm giá sẽ tăng mua lại". Khi mọi biến đo trong cùng bảng hỏi, nên kiểm tra Common Method Bias.

Bảng chọn kỹ thuật phân tích dữ liệu khảo sát khách hàng theo câu hỏi quản trị
Mỗi câu hỏi quản trị tương ứng một kỹ thuật phân tích phù hợp.

Bước 6: Phân khúc khi phân tích dữ liệu khảo sát khách hàng

Trung bình chung che giấu khác biệt: hai nhóm cùng chấm 3,8 có thể vì lý do hoàn toàn khác nhau. Phân khúc giúp đi từ bức tranh chung đến từng nhóm cụ thể. Có thể phân khúc theo đặc điểm có sẵn (kênh mua, tần suất, khu vực) bằng bảng chéo và ANOVA, hoặc theo kiểu đánh giá bằng phân tích cụm tại Analyze > Classify > K-Means Cluster:

DESCRIPTIVES VARIABLES=chatluong_tb gia_tb phucvu_tb giaohang_tb /SAVE.
QUICK CLUSTER Zchatluong_tb Zgia_tb Zphucvu_tb Zgiaohang_tb
  /CRITERIA=CLUSTER(3) MXITER(20)
  /SAVE CLUSTER
  /PRINT INITIAL ANOVA.

Chọn số cụm theo khả năng diễn giải và quy mô mỗi cụm, rồi đặt tên nhóm bằng ngôn ngữ kinh doanh, ví dụ "khách nhạy cảm về giá".

Bước 7: Báo cáo phân tích dữ liệu khảo sát khách hàng cho người ra quyết định

Ban giám đốc cần biết điều gì đang xảy ra, chắc chắn đến đâu và nên làm gì. Một báo cáo phân tích dữ liệu khảo sát khách hàng dùng được thường gồm:

  1. Tóm tắt một trang. 3 - 5 phát hiện chính, mỗi phát hiện kèm con số.
  2. Phương pháp ngắn. Thời gian, kênh phát hành, số phiếu thu, số phiếu loại và lý do.
  3. Chỉ số tổng quan. CSAT, NPS, ý định mua lại, so với kỳ trước nếu cùng cách đo.
  4. Nhân tố tác động và phân khúc. Biểu đồ kèm đề xuất.
  5. Giới hạn và phụ lục. Mẫu thuận tiện, tỷ lệ phản hồi; bảng đầy đủ và cú pháp để cập nhật định kỳ.

Mẹo: Trong báo cáo phân tích dữ liệu khảo sát khách hàng, tiêu đề biểu đồ nên là thông điệp, ví dụ "Giao hàng có điểm thấp nhất nhưng quan trọng thứ hai", thay vì "Điểm trung bình các yếu tố".

Báo cáo trung thực và bảo vệ dữ liệu khách hàng

Phân tích dữ liệu khảo sát khách hàng chỉ hữu ích khi kết quả phản ánh đúng thực tế, kể cả khi không như mong đợi. Một báo cáo "đẹp" nhưng sai lệch dẫn đến quyết định sai.

  • Không loại phiếu khách không hài lòng chỉ vì kéo điểm xuống; tiêu chí loại phiếu thống nhất trước.
  • Không tạo thêm hoặc nhân bản phiếu để đủ cỡ mẫu.
  • Báo cáo cả yếu tố không có ý nghĩa và chỉ số giảm so với kỳ trước.
  • Không diễn giải tương quan thành nhân quả.

Phân tích dữ liệu khảo sát khách hàng theo Nghị định 13/2023/NĐ-CP

Họ tên, số điện thoại, email gắn với một người cụ thể là dữ liệu cá nhân. Nghị định 13/2023/NĐ-CP yêu cầu xử lý đúng mục đích, có sự đồng ý của chủ thể dữ liệu theo luật định và có biện pháp bảo vệ. Luật Bảo vệ dữ liệu cá nhân năm 2025 có hiệu lực từ 01/01/2026, nên hãy tra cứu văn bản hiện hành tại Thư viện Pháp luật hoặc hỏi bộ phận pháp chế.

  • Phần mở đầu bảng hỏi nêu mục đích, đơn vị thực hiện, cách dùng dữ liệu và câu xác nhận đồng ý.
  • Chỉ thu thông tin định danh khi thật cần, lưu tách riêng khỏi câu trả lời.
  • Xóa họ tên, số điện thoại, email trước khi gửi dữ liệu cho bên phân tích.
  • Giới hạn người truy cập và thời gian lưu trữ.

Nguyên tắc chung của Kaas.vn áp dụng cho mọi dự án phân tích dữ liệu khảo sát khách hàng: hướng dẫn, giải thích để đội ngũ hiểu kết quả; không tạo hay sửa dữ liệu; báo cáo cả kết quả bất lợi; không cam kết trước kết luận. Dữ liệu ẩn danh chỉ dùng cho dự án đã thỏa thuận, xử lý theo Nghị định 13/2023/NĐ-CP. Doanh nghiệp chịu trách nhiệm về quyết định của mình. Xem Cam kết liêm chính học thuật.

Nên và không nên khi phân tích dữ liệu khảo sát khách hàng và bảo vệ dữ liệu cá nhân
Báo cáo trung thực và bảo vệ dữ liệu cá nhân của khách hàng.

Dịch vụ phân tích dữ liệu khảo sát khách hàng tại Kaas.vn

Kaas.vn hỗ trợ doanh nghiệp theo hai hướng: chỉ phân tích khi đã có dữ liệu, hoặc đồng hành từ bảng hỏi, khảo sát với người tham gia thật qua dịch vụ khảo sát nghiên cứu đến phân tích. Giá niêm yết tại thời điểm viết, xem cập nhật tại trang Báo giá:

Gói Giá niêm yết Phù hợp
SSDTC-01 5.000.000 đ/gói Khảo sát khách hàng, nhân sự; báo cáo bằng ngôn ngữ quản trị, giải thích cho đội ngũ
SSDTC-02 8.000.000 đ/gói Dự án nhiều mô hình, phân tích nâng cao, nhiều vòng trao đổi
Báo giá riêng Báo giá miễn phí Khảo sát, thu thập dữ liệu, dự án nhiều giai đoạn

Quy trình phân tích dữ liệu khảo sát khách hàng tại Kaas.vn gồm 6 bước: gửi yêu cầu; tư vấn và báo giá miễn phí; đăng ký, thanh toán; thống nhất kế hoạch phân tích trước khi chạy; phân tích bằng cú pháp, người thứ hai kiểm tra chéo; bàn giao và giải thích qua Zalo, Google Meet hoặc Zoom.

  • Bàn giao: dữ liệu gốc và đã làm sạch, sổ mã hóa, cú pháp, output gốc, nhật ký quyết định, báo cáo bằng ngôn ngữ quản trị.
  • Thanh toán: VietQR hoặc chuyển khoản, thường đặt cọc khi xác nhận và thanh toán phần còn lại khi bàn giao; cần hóa đơn thì ghi rõ thông tin đơn vị (phương thức thanh toán).
  • Bảo hành: giải thích lại, hướng dẫn chạy lại, sửa miễn phí lỗi kỹ thuật do Kaas.vn gây ra theo chính sách bảo hành.

Mẹo: Khi cần hỗ trợ phân tích dữ liệu khảo sát khách hàng, gửi kèm câu hỏi quản trị, bảng hỏi, mô tả đối tượng, số phiếu hiện có (đã ẩn danh), định dạng báo cáo và thời hạn. Nếu muốn tự làm, tham khảo hướng dẫn SPSS 1 kèm 1.

Câu hỏi thường gặp về phân tích dữ liệu khảo sát khách hàng

Cửa hàng nhỏ có 100 phiếu có phân tích dữ liệu khảo sát khách hàng được không?

Có, với chỉ số tổng quan, so sánh nhóm lớn và hồi quy vài biến. Sai số lớn, nên tránh tách nhiều nhóm nhỏ và nêu rõ giới hạn.

Nên dùng NPS hay thang đo hài lòng?

Nên dùng cả hai. NPS phản ánh mức sẵn sàng giới thiệu; thang hài lòng nhiều câu cho phép kiểm tra độ tin cậy và tìm nhân tố tác động.

Bao lâu nên lặp lại phân tích dữ liệu khảo sát khách hàng?

Tùy chu kỳ kinh doanh. Quan trọng là giữ nguyên cách hỏi, cách chọn mẫu và cách tính chỉ số giữa các kỳ.

Có cần gửi danh sách khách hàng cho bên phân tích dữ liệu khảo sát khách hàng không?

Không. Bên phân tích chỉ cần câu trả lời đã ẩn danh; hãy xóa thông tin định danh trước khi gửi.

Kaas.vn có cam kết kết quả khảo sát tốt lên không?

Không. Kết quả phụ thuộc dữ liệu thật. Kaas.vn cam kết quy trình minh bạch, báo cáo trung thực và giải thích để đội ngũ tự cập nhật được.

Cần báo cáo khảo sát cho cuộc họp tới?

Xem gói doanh nghiệp tại bảng báo giá, tìm hiểu dịch vụ phân tích dữ liệu hoặc nhắn Zalo 0947 971 630. Kaas.vn hướng dẫn phân tích dữ liệu khảo sát khách hàng, giải thích và bàn giao đủ file để bạn tự chạy lại; không tạo hay chỉnh dữ liệu, không cam kết trước kết quả.

Tài liệu tham khảo

  • Field, A. (2024). Discovering statistics using IBM SPSS Statistics (6th ed.). Sage.
  • Hair, J. F., Risher, J. J., Sarstedt, M., & Ringle, C. M. (2019). When to use and how to report the results of PLS-SEM. European Business Review, 31(1), 2-24. doi:10.1108/EBR-11-2018-0203
  • Podsakoff, P. M., MacKenzie, S. B., Lee, J.-Y., & Podsakoff, N. P. (2003). Common method biases in behavioral research: A critical review of the literature and recommended remedies. Journal of Applied Psychology, 88(5), 879-903. doi:10.1037/0021-9010.88.5.879
  • Chính phủ. (2023). Nghị định số 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân.
Đánh giá bài post
Bạn có đề tài và mô hình riêng?

Gửi mô hình (ảnh, Word, PDF) và chọn SPSS, AMOS, SmartPLS, Stata, Eviews hoặc R. Kaas.vn đề xuất phương án và báo giá miễn phí.

Đặt phân tích theo yêu cầu

Để lại một bình luận

Email của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *

0947 971 630