Footfall Analytics là gì? Giải thích dễ hiểu cho marketer

Sáng thứ Bảy, phố đông nghịt người qua lại mà cửa hàng của bạn vẫn vắng hoe. Chiều thứ Ba mưa lất phất, bỗng một đoàn khách ghé vào mua liền mấy món. "Hôm nay cửa hàng đông hay vắng?" — câu trả lời của nhiều chủ shop vẫn chỉ là cảm giác. Footfall analytics biến cảm giác đó thành số liệu: đếm được bao nhiêu lượt người đi qua trước cửa, bao nhiêu người thật sự bước vào, họ ở lại bao lâu và quay lại bao nhiêu lần.

Bài viết này là phần chuyên sâu về footfall — một trong sáu chỉ số cốt lõi của WiFi Analytics — viết riêng cho marketer ngành bán lẻ: footfall được định nghĩa ra sao, wifi đo footfall bằng cách nào, ý nghĩa marketing của từng chỉ số phái sinh, và bốn ứng dụng thực tế bạn có thể áp dụng ngay vào vận hành cửa hàng.

1. Footfall là gì? Định nghĩa đúng cho marketer bán lẻ

Footfall là tổng số lượt người đi qua hoặc xuất hiện tại một địa điểm trong một khoảng thời gian. Trong ngành bán lẻ, marketer thường chia footfall thành ba lớp, vì mỗi lớp trả lời một câu hỏi kinh doanh khác nhau:

• Người đi ngang qua (passersby): thiết bị được ghi nhận trong vùng phủ sóng nhưng không dừng lại lâu. Lớp này cho biết tiềm năng vị trí — con phố này có bao nhiêu lượt người qua lại mỗi ngày.
• Người bước vào (visitors): thiết bị dừng lại trong cửa hàng đủ lâu để được tính là một lượt ghé thăm. Lớp này cho biết sức hút của mặt tiền và biển hiệu.
• Người ở lại lâu (engaged visitors): lượt ghé có thời gian lưu lại vượt một ngưỡng cụ thể. Lớp này cho biết mức độ hấp dẫn của trải nghiệm bên trong.

Vì sao phải chia lớp? Hãy hình dung một cửa hàng quần áo trên con phố đông đúc (ví dụ minh họa): mỗi ngày có 10.000 lượt người đi qua trước cửa, nhưng chỉ 800 lượt bước vào và 300 lượt ở lại trên 10 phút. Nếu chỉ nhìn vào 10.000 lượt đi qua, bạn sẽ tưởng vị trí này đang làm rất tốt; nhưng tỷ lệ người đi qua chuyển thành người bước vào chỉ đạt 8% (giả định) — đó mới là con số đáng để marketer đào sâu: vấn đề nằm ở biển hiệu, trưng bày mặt tiền, hay giờ mở cửa?

Điểm khác biệt lớn giữa footfall và số liệu bán hàng: doanh số chỉ kể câu chuyện của người đã mua, còn footfall kể câu chuyện của tất cả mọi người — kể cả những người xem rồi đi, những người ghé tránh nắng, những người định quay lại sau. Đó là tệp cơ hội mà báo cáo doanh số không bao giờ cho bạn thấy.

2. Wifi đo footfall bằng cách nào? Giải thích định tính

Để hiểu cách đo, bạn không cần biết sâu về kỹ thuật mạng — chỉ cần nắm ba nguyên lý sau:

2.1. Đếm sự hiện diện qua tín hiệu thiết bị

Điện thoại thông minh liên tục phát ra tín hiệu tìm kiếm mạng wifi xung quanh. Thiết bị phát wifi (access point) đặt trong cửa hàng ghi nhận được các tín hiệu này — kể cả khi người dùng chưa kết nối vào mạng. Mỗi tín hiệu tương ứng với một thiết bị đang hiện diện trong vùng phủ sóng. Cộng dồn theo thời gian, hệ thống có được bức tranh lưu lượng người ra vào.

Đây là lý do footfall đo bằng wifi có một ưu thế mà camera đếm người hay đếm thủ công khó sánh được: nó đo được cả người đi ngang qua lẫn người bước vào, và phân biệt được hai nhóm này dựa trên thời gian thiết bị nằm trong vùng phủ sóng cùng vị trí tương đối so với cửa ra vào.

2.2. Phân biệt đi qua và bước vào

Nguyên tắc phân loại mang tính định tính như sau: thiết bị xuất hiện trong vùng phủ sóng một thời gian rất ngắn (đi ngang qua vỉa hè) được xếp vào nhóm passersby; thiết bị ở lại lâu hơn, di chuyển sâu vào trong cửa hàng, được xếp vào nhóm visitor. Khi người dùng kết nối wifi và đăng nhập qua màn hình chào (captive portal) với sự đồng ý rõ ràng, hệ thống có thêm dữ liệu định danh để nhận biết lượt ghé lặp lại.

2.3. Giới hạn cần hiểu đúng để khỏi đọc sai số liệu

Footfall đo bằng wifi là công cụ mạnh, nhưng marketer cần biết rõ ba giới hạn sau để không diễn giải quá đà:

• Không phải ai cũng bật wifi: hệ thống chỉ ghi nhận được thiết bị đang phát tín hiệu tìm mạng. Vì vậy hãy coi footfall wifi là mẫu đại diện có quy mô lớn của lưu lượng thật, chứ không phải con số tuyệt đối từng người. Khi so sánh xu hướng theo thời gian (tuần này so với tuần trước, điểm này so với điểm kia), mẫu này vẫn cho kết luận đáng tin cậy.
• Điện thoại hiện đại tự đổi địa chỉ nhận diện (MAC randomization): việc nhận biết "đây là cùng một người quay lại" kém chính xác hơn trước nếu chỉ dựa vào tín hiệu thiết bị. Dữ liệu đăng nhập có xác thực (ví dụ qua OTP, khi người dùng đồng ý) là nguồn đáng tin cậy hơn cho chỉ số khách quay lại.
• Cần loại nhiễu: thiết bị của nhân viên cửa hàng, người ngồi quán bên cạnh, xe cộ dừng đèn đỏ — hệ thống cần quy tắc lọc (ví dụ: loại thiết bị xuất hiện đều đặn 8 tiếng mỗi ngày, tức nhân viên) thì số liệu mới phản ánh đúng khách hàng.

Về quy mô, để bạn hình dung độ tin cậy của phương pháp: hệ sinh thái AWING (tính đến 05/2026) ghi nhận 42M+ người dùng, 25M+ lượt kết nối mỗi tháng tại 12.000+ địa điểm trên 34 tỉnh thành. Với quy mô mẫu như vậy, các xu hướng footfall theo giờ, theo ngày, theo điểm bán có đủ độ dày dữ liệu để marketer ra quyết định.

3. Các chỉ số phái sinh từ footfall: mỗi chỉ số nói gì với marketer?

Footfall thô mới chỉ là điểm khởi đầu. Giá trị thật nằm ở các chỉ số phái sinh — và mỗi chỉ số là một câu hỏi marketing khác nhau. Bảng dưới đây tóm tắt cách đọc:

3.1. Khách mới vs khách quay lại: hai nhóm, hai chiến lược

Đây là cặp chỉ số mà đếm thủ công không bao giờ làm chính xác được. Một cửa hàng thời trang trong trung tâm thương mại (ví dụ minh họa) ghi nhận 60% lượt ghé là khách mới vào dịp cuối tuần nhưng chỉ 25% vào ngày thường (giả định). Cách đọc cho marketer: cuối tuần là "sân" của chiến dịch thu hút — treo ưu đãi cho khách lần đầu; ngày thường là "sân" của khách quen — tập trung vào trải nghiệm và bán thêm. Cùng một cửa hàng, hai khung thời gian, hai chiến lược khác nhau hoàn toàn.

3.2. Dwell time: thước đo mức độ "dính" của trải nghiệm

Dwell time trả lời câu hỏi: khách vào cửa hàng rồi, họ có muốn ở lại không? Một quán cà phê có dwell time trung bình 45 phút (minh họa) khác hẳn một cửa hàng tiện lợi có dwell time 5 phút (minh họa) — và cả hai đều có thể đang làm tốt, vì kỳ vọng của từng mô hình khác nhau. Sai lầm phổ biến là so sánh dwell time giữa các loại hình khác nhau; cách đúng là so sánh một cửa hàng với chính nó theo thời gian, hoặc với các cửa hàng cùng mô hình trong chuỗi.

Với quảng cáo wifi, dwell time còn quyết định định dạng quảng cáo phù hợp: nhóm ở lại lâu có thời gian xem hết một TVC ngắn, nhóm lướt nhanh phù hợp hơn với banner xem lướt. Nguyên tắc này được áp dụng khi phân nhóm khán giả theo hành vi, bạn có thể đọc thêm trong bài phân khúc khán giả trong wifi marketing.

3.3. Peak hours: bản đồ nhiệt của cơ hội

Peak hours cho biết tiền của bạn nên đổ vào lúc nào. Một cửa hàng mỹ phẩm (ví dụ minh họa) phát hiện lượt ghé tăng vọt 11h30–13h30 các ngày trong tuần — trùng giờ nghỉ trưa của dân văn phòng xung quanh (giả định). Quyết định rút ra: tăng nhân sự tư vấn khung giờ này, treo ưu đãi "giờ vàng trưa" chỉ áp dụng 11h–14h, và dồn ngân sách quảng cáo wifi hiển thị đúng khung giờ đông khách thay vì chạy rải đều cả ngày.

3.4. Frequency: chỉ số của lòng trung thành

Tần suất ghé thăm trong 30/60/90 ngày là chỉ số "sức khỏe dài hạn" của một điểm bán. Khách ghé 4 lần/tháng (ngưỡng minh họa) là tài sản; khách từng ghé đều đặn rồi bỗng "mất tích" 60 ngày là tín hiệu cảnh báo cần chương trình kéo quay lại. Khi kết hợp với dữ liệu đăng nhập có sự đồng ý, frequency trở thành đầu vào trực tiếp cho các chiến dịch giữ chân — xem thêm cách khai thác trong bài thu thập dữ liệu khách hàng cho chuỗi bán lẻ bằng wifi.

4. Bốn ứng dụng thực tế của footfall analytics cho nhà bán lẻ

4.1. Bố trí nhân sự theo lưu lượng thực, không theo cảm tính

Chi phí nhân sự là một trong những khoản tốn kém của cửa hàng bán lẻ, mà cách xếp ca phổ biến vẫn là "sáng 2 người, chiều 2 người" đều đều cả tuần. Footfall analytics cho phép xếp ca theo đường cong lưu lượng thật.

Cách làm gồm ba bước: bước một, xuất báo cáo footfall theo giờ trong 4 tuần gần đây để xác định các khung giờ cao điểm ổn định; bước hai, đối chiếu với lịch xếp ca hiện tại để tìm các khung "thừa người lúc vắng, thiếu người lúc đông"; bước ba, điều chỉnh ca và đo lại sau 2–4 tuần: thời gian chờ của khách có giảm không, doanh số trên giờ công có cải thiện không.

Ví dụ minh họa: một cửa hàng tiện lợi phát hiện footfall 19h–21h cao gấp đôi khung 14h–16h (giả định) nhưng số nhân viên hai khung bằng nhau. Sau khi chuyển một nhân sự từ ca chiều sang ca tối, tình trạng xếp hàng dài giờ cao điểm giảm rõ rệt mà tổng giờ công không tăng. Đây là kiểu tối ưu "không tốn thêm đồng nào" mà chỉ dữ liệu mới chỉ ra được.

4.2. Đánh giá vị trí và mặt bằng: đàm phán thuê bằng số liệu

Khi chọn mặt bằng mới hoặc đàm phán lại hợp đồng thuê, câu hỏi cốt lõi luôn là: vị trí này có bao nhiêu lượt người qua lại thật? Chủ nhà thường đưa ra con số ước lượng có lợi cho họ; footfall đo bằng wifi cho bạn con số độc lập.

Ba cách dùng footfall trong bài toán mặt bằng:

• So sánh các vị trí ứng viên: đặt thiết bị đo tạm thời (hoặc dùng dữ liệu điểm phát wifi lân cận nếu có) trong 1–2 tuần tại mỗi vị trí đang cân nhắc, so sánh passersby theo cùng khung giờ. Vị trí A đông gấp rưỡi vị trí B (giả định) thì mức chênh thuê phải tương xứng — nếu không, bạn đang trả tiền cho lưu lượng không tồn tại.
• Đàm phán giá thuê: mang báo cáo footfall thực tế của chính cửa hàng đang thuê đến bàn đàm phán. Lưu lượng sụt giảm theo thời gian là lập luận có sức nặng hơn mọi lời mặc cả cảm tính.
• Đánh giá "sức khỏe vị trí" định kỳ: một con phố có thể mất dần lưu lượng vì công trình thi công, thay đổi giao thông. Footfall theo dõi liên tục giúp bạn phát hiện sớm và phản ứng kịp — ví dụ tăng hoạt động kéo khách trong giai đoạn phố bị rào chắn.

4.3. Đo hiệu quả chiến dịch theo lưu lượng, không chỉ theo doanh số

Nhiều chiến dịch offline bị đánh giá oan vì chỉ nhìn doanh số. Một đợt phát sampling trước cửa hàng có thể chưa tạo ra doanh số ngay trong tuần đó, nhưng footfall tăng 30% (giả định) và tỷ lệ khách mới tăng mạnh là tín hiệu cho thấy chiến dịch đang gieo mầm đúng chỗ.

Khung đo lường gợi ý cho mỗi chiến dịch tác động đến điểm bán:

• Trước chiến dịch: ghi nhận footfall trung bình 2–4 tuần làm đường cơ sở (baseline), tách riêng ngày thường và cuối tuần.
• Trong chiến dịch: theo dõi footfall theo ngày, so sánh với baseline cùng thứ trong tuần; đồng thời xem capture rate có cải thiện không — chiến dịch trưng bày mặt tiền tốt phải kéo được thêm người đi qua bước vào.
• Sau chiến dịch: đo "đuôi" hiệu ứng trong 2–4 tuần tiếp theo: footfall có giữ được đà không, tỷ lệ khách quay lại trong nhóm khách mới thu được là bao nhiêu. Đây là thước đo chất lượng thật của chiến dịch, vì khách quay lại mới là khách được thuyết phục.

Cách tiếp cận này đặc biệt phù hợp khi chiến dịch chạy đồng thời trên wifi tại điểm bán — vì lúc đó footfall, lượt hiển thị quảng cáo và lượt tương tác được ghi nhận trên cùng một hệ thống, việc đối chiếu trở nên đơn giản. Theo khảo sát Nielsen 2025 (n=4.344), 57% người dùng phản hồi tích cực với quảng cáo wifi — một chiến dịch hiển thị đúng lúc khách đang ở trong cửa hàng vừa đo được lưu lượng, vừa tận dụng được sự cởi mở này.

4.4. So sánh hiệu suất giữa các điểm trong chuỗi

Với chuỗi nhiều cửa hàng, footfall là "ngôn ngữ chung" để so sánh các điểm bán một cách công bằng. Doanh số chịu ảnh hưởng của quá nhiều yếu tố (diện tích, giá thuê, đội ngũ), còn footfall cho biết mỗi điểm đang tận dụng lưu lượng tự nhiên của vị trí tốt đến đâu.

Ma trận so sánh gợi ý gồm hai trục: trục lưu lượng (passersby — vị trí cho bạn bao nhiêu cơ hội) và trục chuyển đổi lưu lượng (capture rate và dwell time — bạn biến cơ hội thành trải nghiệm tốt đến đâu). Bốn góc phần tư cho bốn hành động khác nhau:

• Lưu lượng cao + chuyển đổi tốt: mô hình chuẩn — ghi lại cách làm để nhân rộng sang điểm khác.
• Lưu lượng cao + chuyển đổi thấp: vấn đề nằm trong tầm kiểm soát của cửa hàng (mặt tiền, trưng bày, nhân sự) — ưu tiên hỗ trợ điểm này vì "mỏ vàng" đang bị bỏ phí.
• Lưu lượng thấp + chuyển đổi tốt: đội ngũ đang làm tốt với những gì họ có — cân nhắc tăng đầu tư kéo lưu lượng (sự kiện, quảng cáo khu vực).
• Lưu lượng thấp + chuyển đổi thấp: ứng viên cần xem xét lại toàn diện, từ vị trí đến vận hành.

Cách vận hành dashboard tập trung cho chuỗi nhiều điểm bán được trình bày kỹ trong bài quảng cáo wifi cho chuỗi bán lẻ — footfall chính là chỉ số nền tảng để bảng so sánh đó có ý nghĩa.

5. Checklist: đọc báo cáo footfall mỗi tuần như thế nào?

Dữ liệu chỉ có giá trị khi được đọc đều đặn. Dưới đây là checklist 10 phút mỗi sáng thứ Hai dành cho quản lý cửa hàng hoặc marketer phụ trách điểm bán:

• ☐ So sánh với tuần trước, cùng thứ: thứ Bảy tuần này so với thứ Bảy tuần trước, không so thứ Bảy với thứ Hai — hành vi mua sắm có tính chu kỳ theo tuần.
• ☐ Tách khách mới và khách quay lại: footfall tăng vì khách mới (chiến dịch thu hút hiệu quả) hay vì khách cũ quay lại nhiều (trải nghiệm tốt)? Hai nguyên nhân cần hai hành động khác nhau.
• ☐ Kiểm tra giờ cao điểm có dịch chuyển không: peak hours ổn định hay đang dịch dần? Dịch chuyển peak mà lịch nhân sự không theo kịp là nguyên nhân phổ biến của trải nghiệm kém giờ đông.
• ☐ Đọc dwell time cùng footfall: footfall tăng mà dwell time giảm có thể là tín hiệu xấu — khách vào rồi đi ngay. Luôn đọc các chỉ số cùng nhau, đừng đọc số liệu đơn lẻ.
• ☐ Đối chiếu với lịch sự kiện: tuần có khuyến mãi, ngày lễ, sự kiện khu vực — ghi chú lại để sau này biết "đợt tăng đó đến từ đâu".
• ☐ So sánh với điểm khác (nếu là chuỗi): điểm của bạn đang ở góc phần tư nào của ma trận lưu lượng – chuyển đổi?
• ☐ Ghi một hành động cụ thể cho tuần tới: báo cáo không có hành động đi kèm thì chỉ là con số đẹp. Mỗi tuần một điều chỉnh nhỏ: đổi khung giờ treo ưu đãi, tăng một nhân sự ca tối, thử một mẫu biển hiệu mới.

6. Footfall và sự đồng ý của người dùng: tuân thủ Nghị định 13/2023

Đo footfall bằng wifi đụng đến dữ liệu thiết bị của người dùng thật, nên marketer cần nắm rõ ranh giới pháp lý. Theo Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân, dữ liệu cá nhân chỉ được xử lý khi có sự đồng ý của chủ thể dữ liệu. Trong thực tế triển khai wifi marketing, điều này thể hiện qua các nguyên tắc sau:

• Thu thập gắn với sự đồng ý rõ ràng: màn hình đăng nhập wifi (captive portal) phải thông báo rõ việc thu thập dữ liệu và mục đích sử dụng, kèm ô đồng ý để người dùng chủ động xác nhận — không tick sẵn, câu chữ dễ hiểu.
• Dữ liệu đếm lưu lượng được ẩn danh hóa: ở tầng footfall thuần túy (đếm lượt hiện diện), hệ thống làm việc với tín hiệu thiết bị đã ẩn danh, không gắn với danh tính cụ thể của từng người.
• Tôn trọng quyền rút lại sự đồng ý: người dùng có quyền yêu cầu biết, chỉnh sửa, xóa dữ liệu của mình và rút lại sự đồng ý đã cho — hệ thống cần có quy trình tiếp nhận và xử lý các yêu cầu này.
• Chỉ dùng đúng mục đích đã thông báo: dữ liệu thu để đo lường lưu lượng và chăm sóc khách hàng thì không dùng cho mục đích khác khi chưa có sự đồng ý mới.

Chi tiết đầy đủ về nghĩa vụ bảo vệ dữ liệu trong wifi marketing, bạn nên đọc bài wifi marketing và bảo mật dữ liệu cá nhân (PDPL).

Lưu ý: nội dung phần này chỉ mang tính tham khảo chung về khung pháp lý, không phải tư vấn pháp lý cho trường hợp cụ thể của bạn. Khi triển khai thực tế, hãy tham khảo ý kiến chuyên gia pháp lý để việc tuân thủ được đầy đủ.

Kết luận: từ đếm người đến hiểu người

Footfall analytics trả lời ba câu hỏi theo thứ tự: có bao nhiêu người đến (lưu lượng), họ là ai trong hành trình mua sắm (mới hay quay lại, ở lại bao lâu, ghé thường xuyên không), và bạn nên làm gì tiếp theo (xếp ca, chọn mặt bằng, đo chiến dịch, so sánh điểm bán). Đi hết ba tầng này, con số "đếm người" mới thật sự biến thành quyết định marketing.

Nếu bạn muốn đi xa hơn từ tầng số liệu sang tầng hành động, hai bài viết tiếp theo đáng đọc là phân khúc khán giả trong wifi marketing — biến các chỉ số hành vi thành nhóm đối tượng để gửi đúng thông điệp, và thu thập dữ liệu khách hàng cho chuỗi bán lẻ bằng wifi — biến mỗi lượt ghé thăm thành tài sản dữ liệu dài hạn của chính bạn. Và nếu đội ngũ của bạn chưa có ai "đọc" footfall mỗi tuần, hãy bắt đầu bằng checklist ở mục 5 — hoặc gọi 0927.049.999 để được tư vấn miễn phí cách thiết lập đo lường cho cửa hàng của mình.

Câu hỏi thường gặp