ขอบเขตข้อมูล (Scope)

Dashboard นี้แสดงข้อมูลเฉพาะลูกค้าและ lead ของ ProbioKhlear Facebook page เท่านั้น:

• ออเดอร์: factorders.page_id = 2 (ไม่นับ order_status = 'รอตรวจสอบยอด')
• Lead: leads.channel = 'ProbioKhlear (FB)'
• ข้อมูล real-time จาก Supabase (อัปเดตทันทีที่มีออเดอร์ใหม่)

Date Filter

ตัวกรองวันที่ใช้กับทั้ง factorders.order_date และ leads.created_at · ทุก KPI/กราฟจะถูกคำนวณใหม่ภายในช่วงที่เลือก ยกเว้น:

• New vs Returning — ใช้ประวัติการซื้อ ทั้งหมดของลูกค้า (ไม่จำกัดช่วง) เพื่อตัดสินว่าลูกค้ารายนั้น "ใหม่" หรือ "เก่า"
• RFM Recency — วัดจาก "วันสุดท้ายของ filter" ไม่ใช่ current_date

KPIs (การ์ดด้านบน)

KPI	คำจำกัดความ
ลูกค้าทั้งหมด	จำนวน mobile ที่ไม่ซ้ำกันในช่วงที่เลือก
New	ลูกค้าที่ ซื้อครั้งแรก (first-ever) ตกอยู่ในช่วง filter
Returning	ลูกค้าที่ first-ever อยู่ ก่อน ช่วง filter (เคยซื้อมาแล้ว)
ยอดขายรวม	Σ factorders.amount (รวม VAT ตามที่ระบบบันทึก)
ออเดอร์รวม	จำนวน order_id ไม่ซ้ำ · ตัวเลขรอง = orders ÷ customers
AOV เฉลี่ย	revenue ÷ orders (ต่อออเดอร์ ไม่ใช่ต่อลูกค้า)
CLV เฉลี่ย	revenue ÷ customers (เฉพาะ PK FB ในช่วงที่เลือก)
Repeat Rate	สัดส่วนลูกค้าที่ซื้อ ≥ 2 ครั้ง ภายในช่วง filter

Pareto Analysis

เรียงลูกค้าจากจ่ายมากสุด → น้อยสุด แล้วแบ่งเป็น 10 กลุ่มเท่าๆ กัน (decile) · แท่ง = % รายได้ของ decile นั้น · เส้น = % รายได้สะสม · ใช้ดู "กฎ 80/20" ว่ารายได้มาจากลูกค้ากลุ่มใหญ่แค่ไหน · คลิก bar เพื่อดูรายชื่อลูกค้าใน decile

RFM Segmentation

แต่ละลูกค้าได้คะแนน 3 มิติ:

• R (Recency): วันสุดท้ายที่ซื้อ · R=5 ถ้า ≤60d, R=4 ถ้า 61-90d, R=3 ถ้า 91-120d, R=2 ถ้า 121-180d, R=1 ถ้า 181-365d, R=0 ถ้า >365d
• F (Frequency): จำนวนออเดอร์ · F=5 ถ้า ≥5 ครั้ง, F=4 ถ้า 3-4, F=3 ถ้า 2, F=1 ถ้า 1 ครั้ง
• M (Monetary): ntile(5) ของ revenue (5 = รายได้สูงสุด 20% · 1 = ต่ำสุด 20%)

Segment Tree (R × F grid, v2 — ไม่มี overlap, F=2 มีบทบาทแล้ว):

	F=1 1 order	F=2 2-3 orders	F=3 4-5 orders	F=4 6+ orders
R=5 (≤60d)	Newly Acquired	Promising	Hero	Champions
R=4 (61-90d)	Cooling	Promising	Loyal	Champions
R=3 (91-180d)	Needs Attention	At Risk	Cant Lose	Cant Lose
R=2 (181-365d)	Almost Lost	About to Sleep	Losing Hero	Losing Champion
R=1 (>365d)	Lost	Lost	Dormant Hero	Dormant Champion

16 segments ทั้งหมด:

• Champions — ซื้อล่าสุด ≤90d + 6+ orders — VIP หลัก ต้อง retain
• Hero — ซื้อล่าสุด ≤60d + 4-5 orders — VIP-lite ใกล้ Champions
• Loyal — 61-90d + 4-5 orders — ลูกค้าประจำต่อเนื่อง
• Promising — ≤90d + 2-3 orders — กำลังก่อตัวเป็น loyal nurture ต่อ
• Newly Acquired — ≤60d + 1 order — fresh acquisition ออนบอร์ดทันที (ไม่ทับซ้อนช่วง 61-90d อีกต่อไป)
• Cooling — 61-90d + 1 order — เริ่มเย็นชา ต้อง nudge ก่อนหายไป
• Cant Lose — 91-180d + ≥4 orders — เคยซื้อหนักแต่เริ่มหาย ต้องเร่ง reactivate (P0)
• At Risk — 91-180d + 2-3 orders
• Needs Attention — 91-180d + 1 order — soft reminder
• Losing Champion — 181-365d + 6+ orders — VIP ใกล้หลุด ดึงกลับด่วน
• Losing Hero — 181-365d + 4-5 orders — high-value winback
• About to Sleep — 181-365d + 2-3 orders — win-back flow
• Almost Lost — 181-365d + 1 order — last chance ฿100 coupon
• Dormant Champion — >365d + 6+ orders — high-touch personal winback
• Dormant Hero — >365d + 4-5 orders — winback campaign + new product
• Lost — >365d + 1-3 orders — low-cost email broadcast

🎯 Action Priority Board

จับ 16 segments มาจัดกลุ่มตามสิ่งที่ควรทำ โดยใช้ 2 แกน: recency (เร็ว/กลาง/ช้า) × frequency (ลูกค้าซื้อบ่อยแค่ไหน — proxy ของ LTV)

Bucket	Recency	Frequency	Segments	Why
🟢 Retain VIP	≤90d	≥4 orders	Champions, Hero, Loyal	มีรายได้แน่ ๆ แล้ว · cheapest revenue คือเก็บไว้
🟡 Nurture	≤90d	1-3 orders	Newly Acquired, Promising, Cooling	เพิ่งซื้อแต่ยังไม่ proven · ดันให้กลายเป็น Loyal
🟠 Reactivate	91-365d	≥4 orders เคย	Cant Lose, Losing Champion, Losing Hero	เคยซื้อหนัก กำลังหาย · ROI ต่อการ outreach สูงสุด
🔴 Last Chance	91-365d	1-3 orders	At Risk, About to Sleep, Almost Lost, Needs Attention	ยังไม่ proven LTV · คุ้มแค่ coupon/email ไม่ถึงโทร
⚫ Winback	>365d	any	Dormant Champion, Dormant Hero, Lost	หายเกินปี · F สูง = high-touch personal · F ต่ำ = broadcast

กฎออกแบบ 2 ข้อ: (1) Spend matches expected return — Cant Lose ได้โทร, Almost Lost ได้แค่ email · (2) Recency drives urgency — ≤90d เน้นโต, 91-365d คือโซนต้องรีบ, >365d ลด expectation/ค่าใช้จ่าย

กรณีพิเศษที่อาจสงสัย:

• Needs Attention (R3, F1) อยู่ใน Last Chance ไม่ใช่ Winback — เพราะ 91-180d + ซื้อครั้งเดียว ยังถามได้ว่า "ghost เราหรือเปล่า" ไม่ใช่ winback จริงจัง
• Cooling (R4, F1) อยู่ใน Nurture ไม่ใช่ Last Chance — เพราะยังอยู่ในช่วง 90 วัน onboarding · เป้าหมายคือดันให้ซื้อครั้งที่ 2 ไม่ใช่ winback
• Dormant Champion/Hero อยู่ใน Winback ไม่ใช่ Reactivate — พอข้าม 365d playbook เปลี่ยน · สมมติ product/service ขยับไปแล้ว treat เหมือน fresh acquisition + personal touch

Cohort Retention

จัดกลุ่มลูกค้าตาม เดือนที่ซื้อครั้งแรก (cohort) · แต่ละแถว = cohort หนึ่งเดือน · คอลัมน์ M0, M1, M2... = เดือนที่ N หลัง first order · เลข = % ของ cohort ที่ กลับมาซื้อ ในเดือนนั้น · ใช้วัด customer retention จริงตามอายุลูกค้า · caps ที่ M24

Pack Preference

นับจำนวนออเดอร์แยกตาม quantity ต่อออเดอร์ (1, 2, 3, 4+ กระปุก) · ไม่ใช่จำนวนลูกค้า · ใช้ดูขนาดแพ็คที่ขายดี

Purchase Frequency

นับจำนวนครั้งที่ลูกค้าแต่ละคนซื้อในช่วง filter · แบ่ง bucket: 1, 2, 3, 4-6, 7-10, 11+ ครั้ง

Acquisition Trend

จำนวนลูกค้าใหม่ (first-order) ต่อไตรมาส · วัดว่าการหาลูกค้าใหม่โตขึ้น/ลดลงอย่างไร

Lead Source & Ads

จากตาราง leads (ยังไม่ได้ซื้อ) · channel = ProbioKhlear FB · Top Ads cap ที่ 15 อันดับ

Recency Breakdown

แบ่งลูกค้าตาม days ตั้งแต่ออเดอร์ล่าสุด (วัดจากวันสุดท้ายของ filter):

• 0-60 Active · 61-90 Cooling · 91-180 Slipping
• 181-365 Dormant · >365 Lost

Revenue Trend

Time-series กราฟของ metric ที่เลือก · toggle: Granularity (Auto/Day/Week/Month) · Metric (Revenue, Orders, Customers, AOV, Qty) · Chart type (Area/Bars) · Stack by (Total หรือ New vs Returning — เฉพาะ revenue/customers) · เส้นประชมพู = ค่าเฉลี่ยของ bucket ที่แสดงทั้งหมด · คลิก bucket เพื่อดูลูกค้าที่ซื้อในช่วงนั้น · Auto granularity: ≤60d → day, ≤2y → week, อื่น → month

Segment Migration

เปรียบเทียบ segment ของลูกค้าระหว่าง 2 ช่วงเวลา · Current = ช่วงที่เลือกใน date filter · Previous = auto-adjacent (ช่วงก่อนหน้าความยาวเท่ากัน) · Matrix: แถว = segment ก่อนหน้า, คอลัมน์ = segment ปัจจุบัน · แนวทแยง = ไม่เปลี่ยน segment · สี: เทา=คงเดิม, เขียว=promoted, แดง=declined

Row พิเศษสำหรับลูกค้าที่ไม่มี activity ในช่วง previous:

• (new) — first-ever order อยู่ในหรือหลัง prev_from (ไม่เคยซื้อมาก่อนหน้านั้น) — ลูกค้าใหม่จริงๆ
• (reactivated) — เคยซื้อ ก่อน prev_from แต่เงียบตลอดช่วง previous และกลับมาซื้อในช่วง current — ลูกค้าเก่าที่หายแล้วกลับมา
• (gone) — มี activity ใน previous แต่ไม่มีใน current

Summary chips: New Entrants (ลูกค้าใหม่จริง) / Reactivated (ลูกค้าเก่ากลับมา) / Promoted / Declined / Unchanged / Gone — คลิกช่องในตารางหรือ chip เพื่อดูรายชื่อ

Customer Detail

คลิก mobile (ขีดเส้นใต้สีฟ้า) ใน drill modal → เปิดหน้าประวัติลูกค้า · Lifetime scope (ไม่ตาม date filter) · แสดง stats: revenue รวม, orders, กระปุก, avg gap, first/last order, rank · แท็บ Orders = ทุกออเดอร์เรียงใหม่→เก่า · แท็บ Leads = leads ที่ match ชื่อลูกค้า · Export profile = CSV ที่รวม stats + orders + leads

Drill-down Modal

คลิกที่ chart หรือแถวใดก็ได้ → popup แสดงรายชื่อลูกค้า (ชื่อ, mobile, orders, revenue, segment) · search ได้ · export CSV ได้ (UTF-8 BOM รองรับภาษาไทย) · lead drill cap ที่ 2,000 rows

หมายเหตุ

• Anon key ที่ hardcode ใน HTML ปลอดภัย — RLS + RPC grants ควบคุม access
• ข้อมูลผู้ใช้ต้อง login ด้วย Supabase Auth (role authenticated)
• ถ้าตัวเลขดูแปลก ให้กด Refresh เพื่อดึงล่าสุด หรือเช็ค Date Filter