Funnel & Cohort Analysis

Technical

Phân tích funnel conversion và cohort retention để tìm leak và validate intervention.

Bạn đang ở đâu với kỹ năng này?

Làm bài Đánh giá Kỹ năng Kỹ thuật cho PM/BA — 2 người đã làm. Một lần làm chấm điểm cho tất cả kỹ năng trong nhóm Technical, không chỉ kỹ năng này.

Làm bài đánh giá

Kỹ năng này cho bạn điều gì

Bắt đầu từ đây

Funnel trả lời “người dùng rơi ở bước nào”; cohort trả lời “nhóm vào tháng này có ở lại lâu hơn nhóm tháng trước không”. Hai câu hỏi khác nhau, và dùng nhầm là lý do nhiều đội tối ưu một bước trong khi vấn đề nằm ở chỗ khác.

Khi đã làm được

Đọc được một funnel và chỉ ra bước đáng sửa nhất dựa trên số người mất chứ không dựa trên tỷ lệ thấp nhất; cắt cohort theo tuần đăng ký để thấy thay đổi có tác dụng hay không; và nhận ra khi con số tổng đang che một nhóm đang hỏng.

Roadmap — Cách học và đạt kỹ năng

Đã đọc 0/16 mục · còn khoảng 5 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.

Funnel & Cohort Analysis là gì?

Funnel là chuỗi bước người dùng phải qua để đạt một kết quả. Cohort là nhóm người bắt đầu cùng một thời điểm, theo dõi qua thời gian.

Funnel nhìn theo chiều ngang (bước nào rơi); cohort nhìn theo chiều dọc (nhóm nào ở lại). Phần lớn câu hỏi sản phẩm cần cả hai.

Khi nào dùng funnel, khi nào dùng cohort?

Câu hỏi bạn đang hỏi	Dùng	Vì sao
“Người dùng bỏ ở đâu?”	Funnel	Chỉ ra bước cụ thể để sửa
“Thay đổi tháng trước có tác dụng không?”	Cohort	So nhóm trước và sau thay đổi
“Vì sao tổng doanh thu đứng yên?”	Cả hai	Có thể funnel tốt lên nhưng retention xấu đi
“Nhóm nào đáng đầu tư?”	Cohort theo nguồn	Retention khác nhau rất nhiều theo nguồn

Khi nào bạn gặp chuyện này

Tình huống	Bạn làm gì	Nếu không
Bước “Add to cart” có tỷ lệ 15% — thấp nhất funnel, cả đội muốn sửa ngay.	Tính SỐ NGƯỜI mất ở mỗi bước, không chỉ tỷ lệ. 85.000 người mất ở đây, nhưng bước sau mất 7.000 với công sửa nhỏ hơn nhiều.	Bạn dồn một quý vào bước khó nhất và bỏ qua thứ sửa được trong một sprint.
Tổng số người dùng hoạt động đi ngang suốt 6 tháng.	Cắt cohort theo tuần đăng ký. Nếu người mới vào bằng người cũ rời đi, tổng sẽ phẳng trong khi bên trong đang chảy máu.	Bạn tưởng sản phẩm ổn định, trong khi thực ra đang thay toàn bộ người dùng mỗi quý.
Bạn vừa sửa onboarding và muốn biết có tác dụng không.	So cohort tuần trước và tuần sau thay đổi ở cùng mốc D7 — không so với số tổng.	Số tổng bị pha loãng bởi người cũ; bạn không bao giờ thấy tác dụng thật.

Funnel analysis

Sequence of step user phải hoàn thành để đạt outcome. Mỗi step có conversion rate. Tổng conversion = product of step CR.

E-commerce checkout funnel

Step	Users	Step CR	Cumulative
View product	100,000	—	100%
Add to cart	15,000	15%	15%
Start checkout	8,000	53%	8%
Enter payment	4,500	56%	4.5%
Complete purchase	4,100	91%	4.1%

Funnel debugging

Identify lowest CR step — biggest opportunity.
Segment by device, region, source — find disproportionate drop.
Watch session replay (Hotjar, Fullstory) cho qualitative signal.
Run experiment trên 1 step at a time.

Cohort analysis

Group user theo time of first action, track behavior over time. Reveal retention trends mà aggregate metric hide.

Retention curve shape

Smile curve — drop rồi rebound → PMF tốt (Facebook).
Plateau curve — flatten sau drop → user habit formed.
Cliff curve — drop rồi tiếp tục → leaky bucket, fix activation/onboarding.

Cách đọc một funnel trong 10 phút

Bước	Làm gì	Bẫy
1	Tính số người MẤT ở mỗi bước, không chỉ tỷ lệ	Tỷ lệ thấp nhất chưa chắc là cơ hội lớn nhất
2	Cắt theo thiết bị, nguồn, khu vực	Một nhóm hỏng nặng có thể bị số tổng che
3	Xem session replay 5–10 phiên rơi	Số cho biết ĐÂU, replay cho biết VÌ SAO
4	Ước lượng công sửa cho từng bước	Cơ hội lớn mà không sửa nổi thì không phải cơ hội
5	Thử một bước một lần	Sửa hai bước cùng lúc thì không biết cái nào có tác dụng

Ví dụ: bước 3 không phải vấn đề độ dài

Một sản phẩm B2B thấy 60% bỏ ở bước 3 của onboarding. Kết luận đầu tiên: quá dài.
Cắt theo nguồn: nhóm từ quảng cáo bỏ 80%, nhóm giới thiệu bỏ 20% — cùng một bước.
Session replay cho thấy bước 3 hỏi mã số thuế. Nhóm giới thiệu là kế toán, có sẵn; nhóm quảng cáo là chủ doanh nghiệp nhỏ, phải đi tìm.
Sửa: cho phép bỏ qua và điền sau. Không rút ngắn bước nào cả.

Sai lầm thường gặp

Sai lầm	Vì sao hỏng	Làm thay bằng
Tối ưu bước có tỷ lệ thấp nhất	Tỷ lệ thấp không đồng nghĩa với nhiều người mất.	Tính số người tuyệt đối.
Chỉ nhìn số tổng	Người mới vào che người cũ rời đi.	Cắt cohort theo tuần đăng ký.
So cohort chưa đủ chín	Cohort tuần này chưa có D30 — so với D30 tuần trước là sai.	Chỉ so các mốc mà cả hai cohort đều đã đạt.
Bỏ qua phần định tính	Số nói ĐÂU, không nói VÌ SAO.	Xem 5–10 phiên rơi thật.

Vì sao vai trò của bạn cần cái này

Vai trò	Bạn dùng nó để
Product Manager	Đây là cách bạn chọn việc gì đáng làm tiếp — và là bằng chứng bạn mang khi xin nguồn lực.
Product Owner	Funnel biến “cải thiện trải nghiệm” thành một bước cụ thể có thể đưa vào sprint.
Business Analyst	Bạn thường là người dựng được bảng cohort đầu tiên mà đội chưa từng có.
Data Analyst	Bạn dựng, nhưng phần khó là chọn đúng cách cắt — và đó là câu hỏi sản phẩm.

Definition of done — dấu hiệu bạn đã đạt

Bạn chỉ ra được bước mất nhiều NGƯỜI nhất, không chỉ bước tỷ lệ thấp nhất.
Bạn có bảng cohort theo tuần đăng ký, không chỉ số tổng.
Trước khi sửa, bạn đã xem ít nhất 5 phiên người dùng rơi.
Sau mỗi thay đổi, bạn so được cohort trước và sau ở cùng một mốc.

Phễu nói dối ở đâu — và cách đọc cho đúng

Cái bẫy	Vì sao sai	Cách đọc đúng
Nhìn tỉ lệ tổng	Trộn người mới và người cũ, trộn mọi nguồn	Tách theo nguồn và theo tuần đăng ký — con số tổng gần như luôn che giấu điều quan trọng
Tối ưu bước có tỉ lệ rơi cao nhất	Bước đó có thể đang lọc đúng người không phù hợp	Hỏi ai rơi ra — nếu là người không bao giờ trả tiền thì đó là tính năng, không phải lỗi
So sánh tháng này với tháng trước	Thành phần người dùng đã đổi	So theo nhóm cùng thời điểm bắt đầu, không so theo lịch
Phễu kết thúc ở lần mua đầu	Bỏ qua phần quyết định giá trị lâu dài	Kéo dài phễu tới lần quay lại thứ hai và thứ ba

Vì sao phân tích theo nhóm cùng thời điểm quan trọng: nếu tháng này bạn có nhiều người dùng mới, tỉ lệ giữ chân tổng sẽ tụt — không phải vì sản phẩm tệ đi mà vì phép tính đang trộn người vừa vào với người đã ở lâu. Rất nhiều báo động giả đến từ đúng lỗi này.

Câu hỏi nên hỏi trước khi kết luận

Người rơi ra ở bước này là ai? Nếu họ không phải khách hàng mục tiêu, đừng tối ưu để giữ họ.
Số liệu này có đủ lớn để kết luận không? Tỉ lệ 40% trên 20 người không nói lên điều gì.
Có gì thay đổi cùng lúc không? Chiến dịch quảng cáo, mùa vụ, thay đổi giá — tất cả đều làm phễu đổi mà không liên quan tới sản phẩm.
Chúng ta đang đo hành vi hay đo cách ghi nhận? Rất nhiều "sụt giảm" thật ra là lỗi ghi nhận sự kiện sau một lần phát hành.

Câu cuối đáng kiểm đầu tiên mỗi khi thấy một thay đổi đột ngột. Một chỉ số rơi thẳng đứng gần như luôn là vấn đề đo lường, không phải vấn đề hành vi con người.