Vì sao funnel, retention và cohort quan trọng
Ba phân tích này là bộ ba công cụ chủ lực của mọi PM. Funnel cho biết người dùng rơi rụng ở đâu trong một quy trình. Retention cho biết họ có quay lại không. Cohort cho biết nhóm người dùng theo thời gian hay đặc điểm khác nhau ra sao. Thiếu chúng, bạn chỉ nhìn thấy tổng số người dùng phình to mà không biết cái phễu đang thủng chỗ nào.
Cái giá: một app học tiếng Anh ở Hà Nội tự hào tăng trưởng đăng ký 30% mỗi tháng. Nhưng doanh thu đứng yên. Khi họ vẽ retention theo cohort, sự thật lộ ra: người dùng mới bỏ đi gần hết sau ngày thứ bảy, cohort tháng này tệ hơn cohort tháng trước. Họ đang đổ tiền quảng cáo vào một cái xô thủng. Nếu biết đọc cohort sớm ba tháng, họ đã tiết kiệm được hàng trăm triệu ngân sách marketing.
Bức tranh lớn
Funnel là chuỗi bước có thứ tự. Retention đo tỷ lệ người quay lại theo thời gian. Cohort nhóm người dùng theo thời điểm bắt đầu để so sánh công bằng.
graph TD A[Nguoi dung vao] --> B[Funnel do roi rung tung buoc] A --> C[Retention do quay lai theo thoi gian] A --> D[Cohort nhom theo thoi diem bat dau] B --> E[Tim buoc thủng] C --> F[Do gia tri lau dai] D --> G[So sanh cong bang giua cac nhom] E --> H[Hanh dong cai thien] F --> H G --> H
Điểm mấu chốt: đừng nhìn số tổng gộp. Số tổng che giấu sự thật vì trộn lẫn người mới và người cũ. Cohort tách chúng ra để bạn thấy xu hướng thật.
Ví dụ chi tiết
App gọi xe Nhanh Nhanh muốn tăng số chuyến đầu tiên.
Bước 1 — Dựng funnel: Mở app, Nhập điểm đến, Xem giá, Đặt chuyến, Hoàn thành chuyến. Số liệu: 100% mở, 70% nhập điểm đến, 55% xem giá, 30% đặt, 25% hoàn thành.
Bước 2 — Tìm chỗ rơi lớn nhất: từ 55% xem giá xuống 30% đặt. Một nửa người xem giá rồi bỏ. Giả thuyết: giá cao hoặc thời gian chờ xe lâu.
Bước 3 — Phân khúc funnel theo khu vực: ở nội thành tỷ lệ đặt là 45%, ngoại thành chỉ 15% vì ít tài xế. Vấn đề là cung tài xế, không phải giá.
Bước 4 — Retention: vẽ đường quay lại tuần 1, 2, 3, 4 của người đã đi chuyến đầu. Người đi chuyến thứ hai trong bảy ngày có retention tháng cao gấp ba lần. Aha: chuyến thứ hai sớm là chìa khóa.
Bước 5 — Cohort: cohort sau khi thêm ưu đãi chuyến thứ hai giữ chân tốt hơn hẳn cohort trước. Bằng chứng ưu đãi hiệu quả.
Lộ trình từng bước để làm chủ
graph LR A[Hoc doc funnel co ban] --> B[Phan khuc funnel] B --> C[Doc retention curve] C --> D[Dung bang cohort] D --> E[Ket hop ba goc nhin] E --> F[Ra hanh dong]
Thói quen và kỷ luật
| Nhịp | Thói quen |
|---|---|
| Hằng tuần | Xem lại funnel chính, ghi chú thay đổi |
| Hai tuần | So sánh cohort mới với cohort cũ |
| Hằng tháng | Rà soát retention curve có phẳng chưa |
| Mỗi lần ra tính năng | Đo tác động lên cohort tương ứng |
Cần luyện tập gì (drills)
Drill 1: Với một funnel năm bước cho sẵn, tính tỷ lệ chuyển đổi từng bước và chỉ ra bước thủng nhất.
Drill 2: Đọc một retention curve và phán đoán app đã tìm ra product-market fit chưa dựa vào việc đường có phẳng ra không.
Drill 3: So sánh hai cohort và viết một câu kết luận có bằng chứng về việc tính năng mới giúp hay hại giữ chân.
Checklist hành động tuần này
- [ ] Dựng một funnel cho quy trình quan trọng nhất của app
- [ ] Phân khúc funnel đó theo ít nhất một chiều
- [ ] Vẽ retention curve cho người dùng mới
- [ ] Tạo bảng cohort theo tuần đăng ký
- [ ] Viết một insight có hành động từ ba phân tích trên
Chỉ số và North Star
North Star: retention dài hạn phẳng ở mức đủ cao để tăng trưởng bền vững.
| Chỉ số | Tốt | Xấu |
|---|---|---|
| Chuyển đổi bước yếu nhất | Cải thiện đều mỗi kỳ | Đứng yên hoặc giảm |
| Retention tháng | Đường cong phẳng ra | Về gần không |
| Xu hướng cohort | Cohort mới tốt hơn cũ | Cohort mới tệ dần |
| Tốc độ đọc số | Vài phút ra insight | Không biết bắt đầu từ đâu |
Dấu hiệu bạn đã thành thạo
Nhìn một biểu đồ retention là bạn biết ngay app có product-market fit chưa. Bạn không bao giờ báo cáo con số tổng mà không tách cohort. Bạn kết hợp funnel với phân khúc để tìm đúng nhóm cần tập trung, và biết phân biệt vấn đề cung với vấn đề trải nghiệm.
Cạm bẫy thường gặp
| Cạm bẫy | Thay bằng |
|---|---|
| Chỉ nhìn số người dùng tổng | Tách cohort theo thời gian |
| Funnel không phân khúc | Cắt theo kênh, thiết bị, khu vực |
| Định nghĩa quay lại mơ hồ | Chọn hành động giá trị làm mốc |
| Ăn mừng vì đăng ký tăng | Kiểm tra retention có phẳng không |
Chốt lại
- Funnel tìm chỗ thủng, retention đo sức khỏe dài hạn, cohort so sánh công bằng
- Số tổng che giấu sự thật, luôn tách theo cohort
- Phân khúc funnel giúp phân biệt vấn đề cung với vấn đề trải nghiệm
- Retention curve phẳng ra là dấu hiệu product-market fit
Áp dụng vào Căng tin số
Hết tuần 4, Căng tin số có đủ số để dùng cả ba công cụ của bài. Bắt đầu bằng funnel, vì đó là câu hỏi anh Tuấn hỏi đầu tiên: người ta rơi ở đâu?
Phễu tuần 4, trung bình mỗi ngày
Mở app 1.050
Xem thực đơn 900 giữ 86%
Chọn món 310 giữ 34%
Thanh toán 205 giữ 66%
Nhận món 190 giữ 93%
Tính tỉ lệ từng bước, không chỉ tỉ lệ cuối. Nếu chỉ nói "18% lượt mở app thành suất nhận", bạn không biết phải sửa gì. Chia ra thì thấy ngay bước thủng: xem thực đơn sang chọn món chỉ còn 34%. Bước sau đó, từ chọn món sang thanh toán, mất 105 người mỗi ngày, cũng đáng xem nhưng nhỏ hơn. Bước cuối giữ 93%, khớp với tỉ lệ không tới lấy 7%.
Tiếp theo là phân khúc funnel, giống cách app gọi xe trong bài tách nội thành và ngoại thành. Ở đây, chiều cắt có ý nghĩa nhất là giờ xem thực đơn: trước hay sau 10:00. Khảo sát 40 người bỏ ngang cho thấy 21 người bị chặn vì "đã quá 10 giờ". Nếu cắt funnel theo giờ mà bước chọn món trước 10:00 cao hẳn, thì đây là vấn đề giờ chốt, không phải vấn đề giao diện thực đơn. Cũng như bài học về cung tài xế: sửa nhầm chỗ sẽ không nhúc nhích được con số.
Bây giờ tới retention. Với căng tin, "quay lại" không nên là "mở app lại", vì mở app để xem bảng "còn món" chưa tạo ra suất ăn nào. Hãy chọn hành động có giá trị làm mốc: đặt lại tuần sau, tức là có ít nhất một đơn đã thanh toán trong tuần kế tiếp. Dữ liệu chạy thử chưa tính chỉ số này, nên mọi con số dưới đây là giả sử để bạn luyện cách đọc.
Cuối cùng là cohort, nhóm theo tuần đăng ký. Từ số tài khoản cộng dồn, ta biết quy mô từng cohort: tuần 1 có 820 tài khoản, tuần 2 thêm 320, tuần 3 thêm 170, tuần 4 thêm 80. Giả sử tỉ lệ đặt lại tuần sau của cohort tuần 1 là 30%, cohort tuần 2 là 35%. Đọc thế nào? Cohort sau tốt hơn có thể vì app đã ổn hơn, như lỗi in phiếu từ 3 về 0. Nhưng cohort tuần 2 đo "tuần sau" rơi đúng vào tuần 3, tuần thi giữa kỳ, nhiều sinh viên về sớm. Số đặt lại của họ bị kéo xuống vì lịch học, không vì app. So cohort phải so cùng điều kiện.
Đây cũng là lý do bài nói số tổng nói dối. Lượt mở app mỗi ngày giảm từ 1.600 xuống 1.050, nghe như app đang yếu đi. Nhưng đơn đã thanh toán lại tăng từ 95 lên 205. Số tổng trộn người tò mò tuần đầu với người dùng thật; tách cohort mới thấy ai ở lại.
Thử ngay: tự đặt số giả sử cho bảng cohort 4 tuần theo mốc "đặt lại tuần sau", rồi viết một câu kết luận có ghi chú tuần thi, giống cách bạn sẽ báo cho chị Lan. <!--/case-append-->