Product Management
Đăng nhập
ESC

Nhập từ khóa để tìm kiếm

↑↓ Di chuyển
Enter Mở
ESC Đóng

Đo activation & aha moment

Đã đọc 0/12 mục · còn khoảng 7 phút
Cách chúng tôi ghi nhận

Một mục được tính là đã đọc khi nó nằm giữa màn hình đủ lâu so với độ dài của nó (bảng và sơ đồ tính một nửa), bạn vẫn đang cuộn hoặc bấm phím, và bạn đã thấy tới cuối mục. Lướt nhanh hoặc để tab mở không được tính. Chúng tôi chỉ lưu thời gian đọc từng mục — không lưu gì khác.

Vì sao đo activation và aha moment quan trọng

Activation là khoảnh khắc người dùng lần đầu cảm nhận được giá trị thật của sản phẩm. Aha moment là hành động cụ thể gắn chặt với việc họ sẽ ở lại lâu dài. Đây là cây cầu giữa thu hút người dùng và giữ chân họ. Nếu người dùng không activate, mọi nỗ lực marketing đều đổ xuống sông.

Cái giá của việc mù mờ về activation: một app quản lý tài chính cá nhân ở Việt Nam đổ tiền kéo người tải về. Nhưng họ không biết hành động nào khiến người dùng ở lại. Họ tối ưu bừa: đổi màu nút, thêm hình động. Kết quả retention không nhúc nhích. Sau này họ phân tích và phát hiện: người kết nối được một tài khoản ngân hàng và ghi ba giao dịch trong tuần đầu thì retention gấp bốn lần. Đó là aha moment. Nếu biết sớm, họ đã dồn toàn lực đưa người dùng tới hành động đó thay vì loay hoay chỉnh giao diện vụn vặt.

Bức tranh lớn

Aha moment được tìm bằng cách tương quan hành vi tuần đầu với retention dài hạn. Activation là ngưỡng cụ thể hóa aha moment thành mục tiêu đo được.

graph TD
A[Nguoi dung moi] --> B[Thu thap hanh vi tuan dau]
B --> C[Tuong quan voi retention dai han]
C --> D[Tim hanh dong gan chat giu chan]
D --> E[Dinh nghia aha moment]
E --> F[Bien thanh nguong activation]
F --> G[Thiet ke onboarding dan toi nguong]
G --> H[Do ty le activate]

Aha moment thường có dạng làm X lần trong Y ngày. Ví dụ kinh điển: kết bạn với bảy người trong mười ngày, hoặc tạo hai bảng công việc trong tuần đầu.

Ví dụ chi tiết

Nền tảng học trực tuyến Học Đều muốn tăng giữ chân học viên mới.

Bước 1 — Chọn thước đo retention: học viên còn học sau bốn tuần.

Bước 2 — Liệt kê hành vi tuần đầu ứng viên: xem video đầu tiên, hoàn thành một bài quiz, tham gia nhóm học, đặt mục tiêu học.

Bước 3 — Tương quan: nhóm hoàn thành ít nhất hai bài quiz trong bảy ngày đầu có retention bốn tuần cao gấp ba lần nhóm không.

Bước 4 — Kiểm tra nhân quả sơ bộ: liệu người vốn chăm mới làm quiz nhiều, hay quiz thực sự tạo thói quen. Học Đều chạy thử nghiệm nhỏ nhắc làm quiz cho một nhóm ngẫu nhiên và thấy retention nhóm được nhắc tăng thật. Vậy có tín hiệu nhân quả.

Bước 5 — Đặt ngưỡng activation: hoàn thành hai quiz trong bảy ngày. Onboarding được thiết kế lại để dẫn học viên tới bài quiz đầu ngay trong buổi đầu, bỏ bớt bước phụ.

Kết quả: tỷ lệ activate từ 22% lên 41% sau sáu tuần, retention bốn tuần tăng theo.

Lộ trình từng bước để làm chủ

graph LR
A[Chon thuoc do retention] --> B[Liet ke hanh vi ung vien]
B --> C[Tuong quan hanh vi voi retention]
C --> D[Kiem tra nhan qua bang thu nghiem]
D --> E[Dinh nghia nguong activation]
E --> F[Thiet ke onboarding va do lai]

Thói quen và kỷ luật

NhịpThói quen
Hằng tuầnTheo dõi tỷ lệ activation của người mới
Hai tuầnKiểm tra giả thuyết aha moment còn đúng không
Hằng thángRà soát onboarding có bước thừa cản trở
Mỗi cohort mớiSo sánh activation với cohort trước
Working mindset: Tương quan gợi ý, thử nghiệm mới chứng minh.

Cần luyện tập gì (drills)

Drill 1: Với dữ liệu hành vi tuần đầu cho sẵn, tìm hành động có tương quan mạnh nhất với retention và viết ngưỡng activation đề xuất.

Drill 2: Phản biện một aha moment: nêu hai lý do tương quan có thể không phải nhân quả và cách kiểm tra.

Drill 3: Thiết kế lại một luồng onboarding để dẫn người dùng tới ngưỡng activation trong buổi đầu tiên.

Checklist hành động tuần này

  • [ ] Chọn thước đo retention làm mốc cho app của bạn
  • [ ] Liệt kê năm hành vi tuần đầu ứng viên aha moment
  • [ ] Chạy tương quan tìm hành vi gắn chặt giữ chân nhất
  • [ ] Đề xuất một ngưỡng activation dạng X lần trong Y ngày
  • [ ] Phác thảo onboarding dẫn tới ngưỡng đó

Chỉ số và North Star

North Star: tỷ lệ người dùng mới đạt ngưỡng activation trong cửa sổ thời gian đã định.

Chỉ sốTốtXấu
Tỷ lệ activationTăng đều theo cohortĐứng yên hoặc giảm
Thời gian tới ahaNgắn, trong buổi đầuKéo dài nhiều ngày
Sức mạnh tương quanRõ ràng và ổn địnhYếu, đổi liên tục
Bằng chứng nhân quảCó thử nghiệm hỗ trợChỉ dựa vào tương quan

Dấu hiệu bạn đã thành thạo

Bạn phát biểu được aha moment của sản phẩm bằng một câu dạng X lần trong Y ngày, có số liệu chống lưng. Bạn không nhầm tương quan với nhân quả, luôn tìm cách kiểm chứng bằng thử nghiệm. Onboarding bạn thiết kế luôn hướng thẳng tới ngưỡng activation, cắt bỏ mọi bước không cần thiết.

Cạm bẫy thường gặp

Cạm bẫyThay bằng
Nhầm tương quan với nhân quảKiểm chứng bằng thử nghiệm
Đặt aha moment mơ hồCụ thể hóa X lần trong Y ngày
Onboarding nhồi nhiều bướcDẫn thẳng tới ngưỡng giá trị
Chỉnh giao diện vụn vặtDồn lực vào activation

Chốt lại

  • Activation là cầu nối giữa thu hút và giữ chân người dùng
  • Tìm aha moment bằng tương quan hành vi tuần đầu với retention dài hạn
  • Cụ thể hóa thành ngưỡng X lần trong Y ngày để đo được
  • Kiểm chứng nhân quả bằng thử nghiệm, đừng chỉ tin tương quan
<!--case-append-->

Áp dụng vào Căng tin số

Sau bốn tuần, Căng tin số có 1.390 tài khoản đã đăng ký, nhưng chỉ khoảng 205 đơn đã thanh toán mỗi ngày. Đăng ký không phải là activation. Một sinh viên tạo tài khoản bằng mã số sinh viên rồi không bao giờ đặt suất nào chưa nhận được giá trị gì. Câu hỏi của bài là: hành động nào trong tuần đầu khiến người ta ở lại?

Làm theo các bước của bài.

Bước 1, chọn thước đo retention. Với căng tin, dùng "đặt lại tuần sau": có ít nhất một đơn đã thanh toán trong tuần kế tiếp. Lượt mở app không đủ, vì nhiều người mở chỉ để xem bảng "còn món".

Bước 2, liệt kê hành vi tuần đầu ứng viên. Từ dữ liệu sự kiện của khóa:

  • Nhận suất đầu tiên bằng mã 4 số, không phải xếp hàng.
  • Đặt và nhận ít nhất hai suất trong năm ngày học đầu.
  • Xem bảng "còn món" và đổi quầy.
  • Lần đầu mở app sau 10:00 và bị chặn đặt.
Hành vi cuối không phải aha mà là điều ngược lại, một "khoảnh khắc thất vọng". Người mới mở app lần đầu lúc 10:30 thấy ngay rằng không đặt được. Trải nghiệm đầu tiên của họ là cánh cửa đóng. Trong khảo sát bỏ ngang, 21 trên 40 người nói "đã quá 10 giờ, không đặt được nữa".

Bước 3, tương quan. Dữ liệu chạy thử chưa tính bước này, nên số sau là giả sử: người đặt và nhận hai suất trong năm ngày học đầu có tỉ lệ đặt lại tuần sau cao gấp ba người chỉ đặt một suất. Ngưỡng ứng viên có dạng X lần trong Y ngày, đúng như bài: hai suất trong năm ngày học.

Bước 4, nghi ngờ nhân quả trước khi tin. Ở đây có một biến ẩn rất rõ: thời khóa biểu. Người chạy lịch, có lớp 12:45 vào thứ Hai hoặc thứ Tư, chiếm 46% đơn tuần 4. Họ có lý do đặt lặp lại mỗi tuần dù app có tốt hay không. Có thể không phải "đặt hai lần" làm họ ở lại, mà là lịch học làm họ vừa đặt hai lần vừa ở lại. Cách kiểm: thử nghiệm nhỏ, chia ngẫu nhiên người mới đã đặt một suất, một nửa nhận nhắc "đặt cho buổi trưa tiếp theo trước 10:00", một nửa không. Nếu nhóm được nhắc có tỉ lệ đặt lại cao hơn rõ, có tín hiệu nhân quả. Nếu không, aha thật nằm ở chỗ khác.

Bước 5, thiết kế onboarding dẫn tới ngưỡng. Hai việc rõ ràng, không cần chờ số:

  • Màn đầu tiên nói rõ giờ chốt 10:00, và nếu hôm nay đã quá giờ, hẹn nhắc đặt cho ngày mai lúc thực đơn chốt, 16:00 chiều nay. Người mới không nên gặp cánh cửa đóng như trải nghiệm đầu tiên.
  • Sau lần nhận suất đầu, khi họ vừa thấy thời gian lấy suất chỉ khoảng 3 phút so với 17 phút xếp hàng thường ở tuần 4, nhắc đặt cho lần tiếp theo. Đó là lúc giá trị rõ nhất.
Thử ngay: viết một câu aha moment cho Căng tin số theo dạng X lần trong Y ngày, nêu một biến ẩn khác ngoài thời khóa biểu có thể tạo ra tương quan, và mô tả một thử nghiệm để loại nó. <!--/case-append-->

Học xong bài này rồi? Tạo tài khoản miễn phí để lưu lại — lần sau vào là biết ngay đang dở ở đâu, và học hết khóa thì có chứng chỉ. Lưu tiến độ của tôi