Mở đầu — vì sao bài này quan trọng
Hãy tưởng tượng bạn là founder của một ứng dụng học tiếng Anh. Mỗi tháng bạn nhìn vào dashboard và thấy số người dùng (MAU) tăng đều đặn: tháng 1 có 50.000, tháng 2 có 65.000, tháng 3 có 82.000. Bạn vui mừng báo cáo với nhà đầu tư rằng sản phẩm đang "tăng trưởng tốt". Nhưng vài tháng sau, tăng trưởng đột ngột chững lại và rồi tụt dốc. Chuyện gì đã xảy ra?
Vấn đề nằm ở chỗ: con số tổng (aggregate metrics) như MAU che giấu một sự thật chết người. Bạn đang đổ ngân sách marketing để kéo người dùng mới vào cửa trước, trong khi người dùng cũ lặng lẽ rời đi qua cửa sau. Đây chính là hiện tượng "leaky bucket" — cái xô thủng. Nước cứ đổ vào nhưng xô không bao giờ đầy.
Cohort Retention Analysis (phân tích giữ chân theo nhóm thuần tập) là công cụ duy nhất giúp bạn nhìn xuyên qua lớp sương mù của con số tổng để thấy được sự thật: liệu sản phẩm của bạn có thực sự giữ chân được người dùng hay không. Trong bài này, chúng ta sẽ học cách "mổ xẻ" người dùng thành từng nhóm theo thời gian gia nhập, vẽ đường cong giữ chân, và quan trọng nhất — đọc được câu chuyện mà những con số đang kể. Đây là một trong những kỹ năng phân biệt giữa một growth marketer nghiệp dư và một người thực sự hiểu sản phẩm.
Khái niệm cốt lõi
Cohort là gì?
Cohort (nhóm thuần tập) là một nhóm người dùng cùng chia sẻ một sự kiện kích hoạt chung trong một khoảng thời gian nhất định. Sự kiện này thường là ngày đăng ký (signup date), nhưng cũng có thể là ngày mua hàng đầu tiên, ngày cài app, hay ngày tham gia một chương trình khuyến mãi.
Ví dụ đơn giản: "Tất cả người dùng đăng ký trong tháng 1/2026" là một cohort. "Tất cả người dùng đăng ký trong tháng 2/2026" là một cohort khác. Bằng cách nhóm người dùng theo thời điểm họ bắt đầu, chúng ta có thể theo dõi hành vi của từng nhóm một cách độc lập theo thời gian, thay vì trộn tất cả vào một rổ.
Tại sao việc nhóm này lại quan trọng? Vì người dùng đăng ký tháng 1 đã ở với bạn được 5 tháng, trong khi người dùng tháng 6 chỉ mới được vài ngày. Nếu trộn chung, bạn không thể biết liệu sản phẩm đang tốt lên hay tệ đi theo thời gian.
Có hai loại cohort chính
Acquisition cohort (cohort theo thời điểm gia nhập): nhóm người dùng theo thời điểm họ lần đầu đến với bạn — ngày/tuần/tháng đăng ký. Đây là loại phổ biến nhất và là trọng tâm của bài này.
Behavioral cohort (cohort theo hành vi): nhóm người dùng theo một hành động cụ thể họ đã thực hiện — ví dụ "những người đã hoàn thành bài học đầu tiên" hay "những người đã mời bạn bè". Loại này giúp bạn so sánh: liệu người làm hành động X có giữ chân tốt hơn người không làm hay không.
Retention curve — đường cong giữ chân
Đây là trái tim của bài học. Retention curve là biểu đồ thể hiện tỷ lệ phần trăm người dùng của một cohort vẫn còn hoạt động (active) sau N ngày/tuần/tháng kể từ thời điểm gia nhập.
- Trục Y (tung): % người dùng của cohort vẫn còn active.
- Trục X (hoành): thời gian trôi qua kể từ ngày gia nhập (Day 0, Day 1, Day 7, Day 30...).
Có ba hình dạng đường cong điển hình:
- Đường đi xuống rồi phẳng (smile/flattening curve): retention giảm trong vài ngày/tuần đầu rồi ổn định ở một mức nhất định (ví dụ 30%). Mức phẳng này gọi là retention floor hay terminal retention. Đây là dấu hiệu của một sản phẩm khỏe mạnh — bạn đã tìm thấy một nhóm người dùng trung thành thực sự cần sản phẩm.
- Đường đi xuống về 0: retention cứ giảm dần đến gần 0%. Đây là tử thần. Nó có nghĩa là không ai thực sự cần sản phẩm của bạn lâu dài. Dù bạn marketing giỏi đến đâu, bạn cũng chỉ đang đổ tiền vào cái xô thủng.
- Đường "smile" đi lên (negative churn): trường hợp hiếm và tuyệt vời — retention giảm rồi tăng lại, thường nhờ người dùng quay lại hoặc mở rộng sử dụng. Thường gặp ở các sản phẩm B2B SaaS có expansion revenue.
Cách đọc một bảng cohort (cohort table)
Cohort thường được trình bày dưới dạng một bảng tam giác (triangle table). Mỗi hàng là một cohort (ví dụ tháng đăng ký), mỗi cột là số tháng kể từ khi gia nhập. Ô giao nhau cho biết tỷ lệ giữ chân.
| Cohort | Tháng 0 | Tháng 1 | Tháng 2 | Tháng 3 |
|---|---|---|---|---|
| T1/2026 | 100% | 42% | 35% | 31% |
| T2/2026 | 100% | 45% | 38% | — |
| T3/2026 | 100% | 51% | — | — |
- Đọc theo hàng ngang: xem một cohort suy giảm thế nào qua thời gian.
- Đọc theo cột dọc: so sánh các cohort khác nhau ở cùng một mốc tuổi. Ở ví dụ trên, retention Tháng 1 tăng từ 42% (cohort T1) lên 51% (cohort T3) — nghĩa là những thay đổi bạn làm cho sản phẩm đang giúp người dùng mới ở lại tốt hơn. Đây là tín hiệu cực kỳ quan trọng.
Tình huống thực tế
Ví dụ 1: Ứng dụng giao đồ ăn ở Việt Nam phát hiện "cái xô thủng"
Một startup giao đồ ăn (gọi là FoodGo) tại TP.HCM tự hào báo cáo MAU tăng từ 120.000 lên 200.000 trong 4 tháng. Nhưng khi đội growth dựng bảng cohort theo tháng đăng ký, họ tá hỏa:
- Cohort tháng 1: sau 3 tháng chỉ còn 8% active.
- Cohort tháng 2: sau 2 tháng còn 9%.
- Đường cong tiếp tục lao về gần 0, không hề phẳng ra.
Bài học: MAU tăng có thể là ảo giác. Nếu không có cohort analysis, FoodGo sẽ tiếp tục đốt tiền khuyến mãi mà không nhận ra rằng họ đang mua người dùng dùng-một-lần. Họ buộc phải dừng chạy số, quay lại sửa trải nghiệm cốt lõi (tốc độ giao, độ chính xác đơn hàng) trước khi tiếp tục scale.
Ví dụ 2: Superhuman và phương pháp "đo bằng cohort theo hành vi"
Superhuman (ứng dụng email cao cấp) là ví dụ kinh điển về việc dùng cohort để tìm "magic moment". Họ không chỉ nhìn retention tổng, mà chia người dùng thành các behavioral cohort dựa trên việc họ đã trải nghiệm tính năng "Split Inbox" hay chưa.
Kết quả: nhóm người dùng đã thiết lập Split Inbox trong tuần đầu có retention sau 8 tuần cao gấp nhiều lần nhóm chưa thiết lập. Đường cong của nhóm "đã kích hoạt" phẳng ở mức cao, còn nhóm "chưa kích hoạt" lao dốc về gần 0.
Bài học: Cohort không chỉ chẩn đoán "sản phẩm có giữ chân không", mà còn chỉ ra hành động nào tạo ra sự giữ chân. Một khi xác định được hành động đó (gọi là activation event), toàn bộ đội ngũ có thể tập trung đưa người dùng mới đến hành động đó càng nhanh càng tốt. (Lưu ý: tối ưu activation là chủ đề riêng của Bài 28, ở đây chúng ta chỉ dùng cohort để phát hiện ra nó.)
Ví dụ 3: Sàn TMĐT phát hiện cohort cải thiện sau khi sửa onboarding
Một sàn thương mại điện tử mỹ phẩm (giả định, gọi là BeautyVN) nghi ngờ trải nghiệm đăng ký quá rườm rà khiến người dùng bỏ đi. Họ rút gọn quy trình onboarding từ 6 bước xuống 3 bước vào đầu tháng 4.
Họ theo dõi bằng cách đọc cột dọc của bảng cohort — so sánh retention Tuần 1 của các cohort trước và sau thay đổi:
- Cohort tháng 2 (onboarding cũ): retention Tuần 1 = 28%.
- Cohort tháng 3 (onboarding cũ): retention Tuần 1 = 27%.
- Cohort tháng 4 (onboarding mới): retention Tuần 1 = 39%.
- Cohort tháng 5 (onboarding mới): retention Tuần 1 = 41%.
Bài học: Cohort analysis là cách duy nhất đáng tin để đo tác động dài hạn của một thay đổi sản phẩm. Nếu chỉ nhìn metric tổng, sự cải thiện này sẽ bị "pha loãng" bởi hàng triệu người dùng cũ và bạn sẽ không bao giờ thấy nó.
Hướng dẫn từng bước
Đây là quy trình thực hiện một cohort retention analysis hoàn chỉnh:
Bước 1 — Định nghĩa "active" cho sản phẩm của bạn. Đây là bước quan trọng nhất và thường bị làm ẩu. "Active" nghĩa là gì? Với app mạng xã hội, có thể là "mở app". Với app giao đồ ăn, "active" phải là "đặt một đơn hàng" — vì mở app mà không đặt thì vô nghĩa về mặt kinh doanh. Chọn một hành động phản ánh giá trị cốt lõi, không phải hành động dễ xảy ra nhất.
Bước 2 — Chọn đơn vị thời gian phù hợp. Sản phẩm dùng hàng ngày (mạng xã hội, game) thì đo theo ngày. Sản phẩm dùng theo tuần (giao đồ ăn, học tập) đo theo tuần. Sản phẩm dùng thưa (đặt vé máy bay, mua sắm lớn) đo theo tháng. Chọn sai đơn vị sẽ khiến đường cong vô nghĩa.
Bước 3 — Nhóm người dùng thành cohort. Gán mỗi người dùng vào cohort dựa trên ngày họ thực hiện sự kiện kích hoạt (thường là signup). Người đăng ký tuần 1 vào cohort Tuần 1, v.v.
Bước 4 — Tính tỷ lệ retention cho từng ô. Với mỗi cohort, đếm xem có bao nhiêu % người dùng vẫn "active" ở mỗi mốc thời gian sau đó. Công thức: (số người active trong tuần N của cohort) / (tổng số người trong cohort) × 100%.
Bước 5 — Dựng bảng tam giác và vẽ đường cong. Sắp xếp thành bảng cohort table, rồi vẽ retention curve cho một vài cohort tiêu biểu lên cùng một biểu đồ.
Bước 6 — Đọc câu chuyện. Hỏi ba câu: (a) Đường cong có phẳng ra không, và phẳng ở mức nào? (b) Các cohort mới có tốt hơn cohort cũ không (đọc cột dọc)? (c) Có điểm rơi (drop-off) đột ngột ở mốc nào không — đó là nơi cần điều tra?
Bước 7 — Hành động. Cohort chỉ có giá trị khi dẫn đến quyết định: sửa onboarding, thêm trigger quay lại, hay tạm dừng scale để vá xô thủng.
Về công cụ: bạn có thể bắt đầu hoàn toàn bằng Google Sheets/Excel với dữ liệu export. Khi quy mô lớn hơn, dùng Mixpanel, Amplitude, hoặc PostHog — các công cụ này có sẵn tính năng dựng bảng cohort tự động chỉ với vài cú click.
Lỗi thường gặp & mẹo
Lỗi 1 — Định nghĩa "active" quá lỏng. Nếu bạn coi "mở app" là active, đường cong sẽ đẹp giả tạo. Hãy gắn "active" với hành động tạo giá trị thật. Một retention curve trung thực mới giúp bạn ra quyết định đúng.
Lỗi 2 — Nhìn retention trung bình của tất cả người dùng (blended). Khi trộn cohort cũ và mới, bạn được một con số vô nghĩa che giấu cả xu hướng tốt lẫn xấu. Luôn tách theo cohort.
Lỗi 3 — Cohort quá nhỏ. Nếu một cohort chỉ có 30 người, dao động vài người cũng làm tỷ lệ nhảy lung tung. Gom nhóm theo tuần/tháng để mỗi cohort đủ lớn (lý tưởng vài trăm người trở lên) thì số liệu mới đáng tin.
Lỗi 4 — Quên rằng các ô gần đây chưa "chín". Trong bảng tam giác, cohort mới nhất chưa đủ thời gian để có dữ liệu Tháng 2, Tháng 3. Đừng so sánh ô "đã chín" với ô còn "non" rồi hoảng loạn vô cớ.
Lỗi 5 — Chỉ chẩn đoán mà không hành động. Cohort đẹp để nhìn, nhưng nếu bạn chỉ ngắm mà không thay đổi gì thì vô ích.
Mẹo 1 — Tìm "retention floor". Mức phẳng của đường cong cho bạn biết quy mô thị trường thực sự của sản phẩm. Floor 40% và floor 5% là hai sản phẩm hoàn toàn khác nhau về tiềm năng.
Mẹo 2 — So sánh cohort với "Bắc Đẩu" của ngành. Mỗi ngành có một mức retention tham chiếu. Đừng vui mừng với 20% nếu đối thủ cùng ngành đạt 50%.
Mẹo 3 — Dùng cohort để định cỡ CAC. Nếu bạn biết một cohort giữ chân bao lâu và tạo ra bao nhiêu doanh thu, bạn biết được mình được phép chi bao nhiêu để có một khách. Cohort là nền tảng cho mọi tính toán unit economics.
Bài tập thực hành
- Định nghĩa "active": Chọn một sản phẩm bạn đang làm hoặc yêu thích. Viết ra định nghĩa "active user" gắn với hành động tạo giá trị cốt lõi, và giải thích vì sao bạn không chọn một định nghĩa lỏng hơn.
- Dựng bảng cohort: Lấy (hoặc giả lập) dữ liệu 4 cohort theo tháng, mỗi cohort khoảng 1.000 người. Tính retention cho từng mốc Tháng 0 đến Tháng 3 và dựng bảng tam giác trong Google Sheets.
- Đọc đường cong: Vẽ retention curve cho 2 cohort lên cùng biểu đồ. Trả lời: Đường cong có phẳng ra không? Retention floor là bao nhiêu? Cohort mới hơn có tốt hơn không?
- Tìm điểm rơi: Xác định mốc thời gian nào retention rớt mạnh nhất. Đề xuất một giả thuyết tại sao và một thử nghiệm để kiểm chứng.
- Quyết định: Dựa trên bảng cohort bạn vừa dựng, viết 3 câu khuyến nghị cho founder: nên scale ngay, hay nên vá xô thủng trước?
Tóm tắt
Cohort Retention Analysis là kính hiển vi giúp bạn nhìn xuyên qua những con số tổng dễ gây ảo giác để thấy sự thật về sức khỏe sản phẩm. Cohort là một nhóm người dùng chia sẻ sự kiện kích hoạt chung — thường là ngày đăng ký. Bằng cách theo dõi từng cohort suy giảm thế nào theo thời gian, bạn vẽ được retention curve và trả lời câu hỏi sống còn: đường cong có phẳng ra ở một mức bền vững (sản phẩm khỏe) hay lao về 0 (cái xô thủng).
Hãy nhớ ba điều cốt lõi. Thứ nhất, định nghĩa "active" phải gắn với giá trị thật, không phải hành động dễ xảy ra. Thứ hai, luôn đọc bảng cohort theo cả hàng ngang (một cohort suy giảm ra sao) lẫn cột dọc (cohort mới có tốt hơn cohort cũ không) — cột dọc chính là cách bạn đo tác động của mọi thay đổi sản phẩm. Thứ ba, cohort chỉ có giá trị khi nó dẫn đến hành động. Nắm vững kỹ năng này, bạn sẽ không bao giờ còn bị lừa bởi một biểu đồ MAU đang đi lên trong khi sản phẩm đang âm thầm chảy máu.