Segmentation & user paths

Vì sao segmentation và user paths quan trọng

Người dùng không đồng nhất. Trung bình cộng thường là một lời nói dối lịch sự: nó gộp người siêu hoạt động với người sắp bỏ đi thành một con số vô nghĩa. Segmentation (phân khúc) tách đám đông thành các nhóm có ý nghĩa. User paths (đường đi của người dùng) cho thấy họ thực sự di chuyển thế nào trong sản phẩm, thay vì lối bạn tưởng tượng khi thiết kế.

Cái giá của việc bỏ qua: một app đọc báo ở Việt Nam thấy thời gian đọc trung bình là tám phút, khá tốt. Họ yên tâm. Nhưng phân khúc ra: 20% người dùng đọc 30 phút, 80% còn lại đọc dưới hai phút rồi thoát. Trung bình tám phút hoàn toàn ảo. Nhóm 80% mới là chỗ mất tiền và cần cứu. Nếu không phân khúc, họ tối ưu sai đối tượng.

Bức tranh lớn

Phân khúc theo ba trục: đặc điểm (nhân khẩu, thiết bị, kênh), hành vi (tần suất, tính năng dùng), và giá trị (doanh thu, mức độ gắn bó). User path phân tích chuỗi hành động thực tế.

graph TD
A[Toan bo nguoi dung] --> B[Phan khuc theo dac diem]
A --> C[Phan khuc theo hanh vi]
A --> D[Phan khuc theo gia tri]
B --> E[Nhom co y nghia]
C --> E
D --> E
E --> F[Phan tich user path cua nhom]
F --> G[Hieu hanh trinh that]
G --> H[Toi uu dung nhom dung cho]

User path có hai chiều: nhìn xuôi từ một điểm ra các nhánh tiếp theo, và nhìn ngược để biết điều gì dẫn tới một hành động giá trị.

Ví dụ chi tiết

App giao đồ ăn Ngon Ngon muốn tăng đơn hàng lặp lại.

Bước 1 — Phân khúc theo giá trị: chia người dùng thành nhóm đặt trên năm đơn mỗi tháng, nhóm một tới bốn đơn, và nhóm chỉ đặt một lần rồi biến mất.

Bước 2 — So sánh hành vi: nhóm giá trị cao hầu hết đã lưu địa chỉ và bật thông báo. Nhóm một lần thì không.

Bước 3 — User path nhìn ngược từ đơn hàng thứ hai: đa số người đặt đơn thứ hai đã từng nhận một thông báo khuyến mãi trong 48 giờ sau đơn đầu.

Bước 4 — User path nhìn xuôi từ màn hình chủ: phát hiện nhiều người vào rồi loay hoay ở bộ lọc món ăn rồi thoát, không tới được trang nhà hàng.

Bước 5 — Hành động: đơn giản hóa bộ lọc cho người mới, gửi thông báo ưu đãi đúng cửa sổ 48 giờ, nhắc lưu địa chỉ. Nhóm một lần giảm rõ rệt sau một tháng.

Điểm hay: cùng một app nhưng hành động cho từng nhóm khác nhau. Không có giải pháp chung cho mọi người.

Lộ trình từng bước để làm chủ

graph LR
A[Chon truc phan khuc] --> B[Dinh nghia nhom ro rang]
B --> C[So sanh hanh vi giua nhom]
C --> D[Ve user path xuoi va nguoc]
D --> E[Tim diem nghen va co hoi]
E --> F[Thiet ke hanh dong rieng cho tung nhom]

Thói quen và kỷ luật

Working mindset: Trung bình cộng là kẻ nói dối, hãy luôn cắt nhỏ.

Cần luyện tập gì (drills)

Drill 1: Lấy một chỉ số trung bình bất kỳ của app, phân khúc theo hai trục và tìm nhóm lệch nhiều nhất khỏi trung bình.

Drill 2: Vẽ user path nhìn ngược từ một hành động giá trị và liệt kê ba con đường phổ biến dẫn tới nó.

Drill 3: Định nghĩa ba phân khúc hành vi rõ ràng cho app của bạn, mỗi phân khúc kèm một hành động đề xuất.

Checklist hành động tuần này

• [ ] Chọn một chỉ số quan trọng và phân khúc theo ba trục
• [ ] Xác định nhóm giá trị cao và nhóm rủi ro
• [ ] Vẽ một user path nhìn xuôi từ màn hình chủ
• [ ] Vẽ một user path nhìn ngược từ hành động giá trị
• [ ] Đề xuất hành động riêng cho ít nhất hai nhóm

Chỉ số và North Star

North Star: khả năng chuyển người dùng từ phân khúc giá trị thấp lên phân khúc cao.

Dấu hiệu bạn đã thành thạo

Phản xạ đầu tiên của bạn khi thấy một con số là hỏi nó khác nhau ra sao giữa các nhóm. Bạn không tin trung bình cộng. Bạn dùng user path để phát hiện những lối đi bất ngờ mà đội thiết kế không lường trước, và bạn thiết kế can thiệp riêng cho từng phân khúc thay vì một giải pháp chung.

Cạm bẫy thường gặp

Chốt lại

• Trung bình cộng che giấu sự khác biệt, phân khúc mới thấy sự thật
• Phân khúc theo đặc điểm, hành vi và giá trị để tìm nhóm cần tập trung
• User path xuôi và ngược tiết lộ hành trình thật và điểm nghẽn
• Mỗi phân khúc cần hành động riêng, không có giải pháp chung

<!--case-append-->

Áp dụng vào Căng tin số

Báo cáo tuần 4 ghi 205 đơn đã thanh toán mỗi ngày. Con số gộp đó không cho biết ai đặt và vì sao, nên chưa biết nên làm gì tiếp. Phân khúc trước, rồi mới kết luận.

Trục hành vi có sẵn trong dữ liệu là khung giờ nhận và thời khóa biểu:

Người chạy lịch là nhóm Minh Anh đại diện: "Thứ Hai em hay nhịn trưa, vì xếp hàng xong là trễ giờ vào lớp." Gần một nửa số đơn đến từ họ, nên app đang giải đúng vấn đề lớn nhất. Nhưng hãy so với quy mô: khoảng 2.100 sinh viên có lớp kết thúc 11:30 và lớp kế tiếp 12:45 vào thứ Hai hoặc thứ Tư. Khoảng 94 đơn mỗi ngày là một phần nhỏ của nhóm đó. Câu hỏi cho nhóm này là: những người còn lại có biết tới app không, hay họ biết mà bị chặn vì giờ chốt 10:00?

Người tới muộn là nhóm của Quốc Bảo: "Tới nơi thì quầy cơm hết món mặn." Họ cần thứ khác hẳn, đó là biết trước món nào còn.

Giờ thêm user path, đi theo hai chiều như bài dạy.

Nhìn xuôi từ bảng "còn món". Bảng có khoảng 420 lượt xem mỗi ngày từ 11:45 tới 12:45. Đi theo người tới sau 12:30 đã xem bảng: 35% đi thẳng sang quầy khác. Đó là một đường đi mà nhóm không vẽ trong thiết kế ban đầu. App không bán được suất cơm cho họ, nhưng tiết kiệm cho họ một lần xếp hàng vô ích, đúng điều Quốc Bảo ước: "Giá mà biết trước là hết thì em ghé quầy bánh mì luôn." Nếu chỉ đo đơn đặt trước, đường đi này bị tính là thất bại.

Nhìn ngược từ đơn đã thanh toán. Điều gì xảy ra trước một đơn? Dữ liệu chạy thử chưa tách sẵn, nhưng giả sử nhóm thấy phần lớn đơn của người chạy lịch đi theo đường mở app trước 9:30, xem thực đơn, chọn món, trả. Khi đó, người chạy lịch mở app sau 10:00 sẽ không bao giờ đi hết đường đó, và họ chính là ứng viên cho 21 trên 40 câu trả lời "đã quá 10 giờ" trong khảo sát bỏ ngang.

Từ đây, mỗi nhóm cần một hành động riêng, không có giải pháp chung:

• Người chạy lịch: nhắc đặt trước 10:00 vào sáng thứ Hai và thứ Tư, những ngày họ có lớp 12:45.
• Người tới muộn: làm bảng "còn món" dễ thấy hơn, vì với họ, xem bảng đã là giá trị.
• Còn lại: chưa đủ hiểu; cần cắt tiếp, ví dụ theo quầy chay, vì đã có email phàn nàn "không thấy món chay".

Cũng nhớ một phân khúc vắng mặt hoàn toàn: giảng viên và nhân viên trường, khoảng 15% doanh thu, chưa đăng nhập được. Phân khúc không có trong dữ liệu không có nghĩa là không tồn tại.

Thử ngay: chia nhóm "còn lại" (36%) thành hai phân khúc hành vi có ý nghĩa, viết cách nhận ra từng nhóm bằng sự kiện có sẵn, và đề xuất một hành động cho mỗi nhóm. <!--/case-append-->