Mở đầu — vì sao bài này quan trọng
Hãy tưởng tượng bạn là PM của một ứng dụng, và sếp hỏi: "Sản phẩm của chúng ta có đang khoẻ mạnh không?" Nếu bạn chỉ trả lời "tháng này chúng ta có 2 triệu người dùng đăng ký", bạn đã trượt câu hỏi. Con số đăng ký là một chỉ số phù phiếm (vanity metric) — nó chỉ nói bạn đã có bao nhiêu người, chứ không nói bao nhiêu người thực sự dùng. Engagement metrics — DAU, WAU, MAU và tỷ lệ Stickiness — chính là bộ chỉ số giúp bạn trả lời câu hỏi "sản phẩm có được dùng thường xuyên không", và đó là mạch máu của mọi báo cáo product analytics.
Đây là bộ chỉ số mà bất kỳ nhà đầu tư nào cũng hỏi đầu tiên khi nhìn vào một startup, là con số mà đội tăng trưởng theo dõi hàng ngày, và cũng là nơi PM Việt Nam hay mắc lỗi nhất — vì DAU/MAU nghe thì đơn giản nhưng định nghĩa "active" (hoạt động) lại là cạm bẫy tinh vi. Trong bài này, chúng ta sẽ đi sâu vào từng chỉ số, cách chúng được tính bên trong Mixpanel và Amplitude, và quan trọng nhất là cách đọc chúng để ra quyết định. Đây là nền tảng bạn sẽ dùng suốt phần còn lại của khóa học.
Khái niệm cốt lõi
Active User — "hoạt động" nghĩa là gì?
Trước khi nói về DAU hay MAU, ta phải trả lời câu hỏi nền tảng: thế nào là một người dùng "active"? Đây không phải định nghĩa có sẵn — bạn phải tự chọn. Một active user là người thực hiện ít nhất một hành động có ý nghĩa (qualifying event) trong khoảng thời gian xét.
Vấn đề nằm ở chữ "có ý nghĩa". Nếu bạn định nghĩa active = "mở app", bạn sẽ đếm cả những người bị đẩy notification rồi mở lên xem trong 2 giây rồi thoát. Nếu bạn định nghĩa quá chặt, ví dụ "hoàn tất một giao dịch", bạn sẽ bỏ sót người dùng đang lướt xem sản phẩm thật sự. Trong Mixpanel, bạn định nghĩa điều này qua khái niệm "active event" hoặc chọn một event cụ thể; trong Amplitude, active user mặc định là bất kỳ ai gửi bất kỳ event nào, nhưng bạn nên tuỳ chỉnh lại thành các "core action" phản ánh giá trị thật của sản phẩm.
DAU — Daily Active Users
DAU là số người dùng duy nhất (unique users) thực hiện hành động có ý nghĩa trong một ngày. Từ khoá là duy nhất: nếu một người mở app 10 lần trong ngày, họ vẫn chỉ được đếm là 1 DAU. DAU phản ánh nhịp đập hàng ngày của sản phẩm và đặc biệt quan trọng với các sản phẩm được kỳ vọng dùng mỗi ngày — mạng xã hội, ví điện tử, ứng dụng nhắn tin, game.
Một lưu ý về múi giờ: DAU phụ thuộc vào việc bạn cắt "một ngày" theo múi giờ nào. Với sản phẩm Việt Nam, hãy đảm bảo công cụ của bạn được cấu hình theo giờ Việt Nam (UTC+7), nếu không mốc reset ngày sẽ rơi vào 7 giờ sáng — làm số liệu buổi sáng bị lệch sang "ngày hôm trước".
WAU — Weekly Active Users
WAU là số người dùng duy nhất hoạt động trong một cửa sổ 7 ngày. WAU hữu ích cho các sản phẩm có nhịp sử dụng không phải hàng ngày nhưng cũng không hiếm — ví dụ ứng dụng đặt xe, ứng dụng học tập, công cụ làm việc B2B mà người ta dùng vài lần một tuần. Với những sản phẩm này, DAU quá "gắt" (nhiều người khoẻ mạnh vẫn không dùng mỗi ngày) còn MAU lại quá lỏng.
MAU — Monthly Active Users
MAU là số người dùng duy nhất hoạt động trong 30 ngày (hoặc theo tháng lịch, tuỳ cách bạn định nghĩa — cần nhất quán). Đây là chỉ số "chuẩn vàng" mà báo chí, nhà đầu tư và ban lãnh đạo dùng để so sánh quy mô giữa các sản phẩm. Nhưng MAU cũng là chỉ số dễ bị "thổi phồng" nhất: một người chỉ dùng đúng 1 lần trong tháng vẫn được tính là 1 MAU, y hệt người dùng hàng ngày.
Chính vì thế MAU đứng một mình gần như vô nghĩa. Nó cần được đọc cùng với chỉ số tiếp theo.
DAU/MAU ratio — Stickiness
Tỷ lệ DAU/MAU (thường gọi là stickiness — độ "dính") là công cụ đơn giản mà mạnh mẽ nhất trong bộ này. Công thức:
Stickiness = DAU trung bình / MAU
Nó trả lời câu hỏi: "Trong số những người dùng sản phẩm ít nhất một lần trong tháng, trung bình bao nhiêu phần trăm quay lại mỗi ngày?"
Cách diễn giải trực quan: nếu stickiness = 50%, nghĩa là một người dùng điển hình sử dụng sản phẩm khoảng 15 ngày trong tháng (0.5 × 30). Nếu stickiness = 10%, họ chỉ dùng khoảng 3 ngày/tháng.
Các mốc tham chiếu thường được nhắc đến trong ngành:
- 20% là ngưỡng "ổn" cho phần lớn sản phẩm tiêu dùng.
- 50%+ là xuất sắc, thường chỉ các sản phẩm dạng thói quen hàng ngày như WhatsApp, Facebook, Zalo mới đạt được.
- Dưới 10% là dấu hiệu sản phẩm chưa trở thành thói quen — người ta thử rồi bỏ.
L-metrics — cách nhìn tinh tế hơn (Amplitude)
Amplitude phổ biến hoá khái niệm "L-metrics" hay LN/N — ví dụ L28: trong 28 ngày qua, mỗi người dùng active bao nhiêu ngày? Thay vì gộp tất cả vào một con số stickiness trung bình, L-metrics cho bạn phân bố: bao nhiêu người dùng 1 ngày, bao nhiêu người dùng 28/28 ngày. Đây là cách nhìn sâu hơn stickiness, giúp phát hiện nhóm "power users" bị che khuất bởi con số trung bình.
Tình huống thực tế
Ví dụ 1 — MoMo và cái bẫy "MAU đẹp, stickiness thật"
Giả sử đội analytics của một ví điện tử lớn tại Việt Nam (tạm gọi theo mô hình MoMo) báo cáo MAU đạt 10 triệu, con số dùng cho truyền thông và gọi vốn. Nghe rất ấn tượng. Nhưng khi PM đào sâu, DAU trung bình chỉ khoảng 1,8 triệu. Stickiness = 1,8 / 10 = 18%.
18% với một ví điện tử là con số đáng suy nghĩ. Ví điện tử tham vọng trở thành "siêu ứng dụng dùng hàng ngày" — thanh toán, nạp tiền, mua vé, gọi xe. Stickiness 18% nghĩa là người dùng điển hình chỉ mở ví khoảng 5-6 ngày/tháng, phần lớn có lẽ chỉ để thanh toán một hoá đơn định kỳ rồi thoát.
Bài học: Đội sản phẩm quyết định không ăn mừng con số MAU, mà đặt mục tiêu tăng stickiness. Họ đẩy các tính năng tạo lý do quay lại hàng ngày — mini-game tích điểm, "lắc xì" mỗi ngày, ưu đãi hoàn tiền theo ngày. Sáu tháng sau stickiness nhích lên 24%. MAU gần như không đổi, nhưng giá trị thực của tập người dùng tăng mạnh vì họ dùng thường xuyên hơn. Đây là minh hoạt điển hình: MAU cho bạn biết quy mô, stickiness cho bạn biết sức khoẻ.
Ví dụ 2 — App học tiếng Anh và định nghĩa "active" sai lầm
Một startup edtech tại TP.HCM có app học tiếng Anh. Ban đầu họ định nghĩa active user = "mở app" (event app_open). DAU trông rất đẹp: 40.000/ngày. Đội marketing tự hào báo cáo lên nhà đầu tư.
Nhưng doanh thu và tỷ lệ hoàn thành bài học lại bết bát, mâu thuẫn với DAU. Khi PM điều tra bằng Mixpanel, họ phát hiện phần lớn app_open đến từ push notification "Đã đến giờ học từ vựng!" — người dùng bấm vào thông báo, app mở lên, rồi 70% thoát trong vòng 3 giây mà không học gì.
Đội quyết định định nghĩa lại: active user = người hoàn thành ít nhất một lesson_started có kèm ít nhất 30 giây tương tác. DAU "thật" tụt xuống còn 12.000. Con số xấu hơn nhiều, nhưng lần này nó tương quan với doanh thu và retention.
Bài học: Một chỉ số engagement chỉ hữu ích khi định nghĩa "active" phản ánh giá trị thật. Nếu DAU của bạn tăng nhưng doanh thu và retention không nhúc nhích, gần như chắc chắn bạn đang đếm nhầm. Hãy chọn qualifying event là hành động thể hiện người dùng nhận được giá trị, không phải chỉ xuất hiện.
Ví dụ 3 — Sản phẩm B2B và việc chọn WAU thay vì DAU
Một công cụ quản lý dự án B2B (kiểu Base.vn) từng áp mục tiêu tăng DAU cho toàn công ty. Kết quả là đội sản phẩm chạy theo những "chiêu" ép người dùng vào app mỗi ngày — spam email nhắc nhở, badge thông báo giả. DAU tăng một chút nhưng người dùng khó chịu, tỷ lệ hủy tăng.
Vấn đề: phần mềm quản lý dự án B2B không phải sản phẩm dùng-mỗi-ngày một cách tự nhiên. Một quản lý dự án lành mạnh có thể chỉ cần vào công cụ 3 lần/tuần để cập nhật tiến độ. Ép DAU là đi ngược bản chất sản phẩm.
Bài học: Đội chuyển sang theo dõi WAU làm chỉ số engagement chính, và stickiness tính theo DAU/WAU thay vì DAU/MAU. Ngay lập tức mục tiêu trở nên hợp lý và các quyết định sản phẩm lành mạnh trở lại. Chọn đúng "đơn vị thời gian" cho engagement phải khớp với nhịp sử dụng tự nhiên của sản phẩm.
Hướng dẫn từng bước
Đây là quy trình thiết lập và đọc engagement metrics trong Mixpanel/Amplitude:
- Định nghĩa qualifying event (hành động active). Ngồi cùng đội và trả lời: "Hành động nào chứng tỏ người dùng thực sự nhận được giá trị?" Với app nhắn tin có thể là
message_sent; với app đọc báo làarticle_read(đủ thời gian đọc); với e-commerce làproduct_viewedhoặcsearch_performed. Ghi lại định nghĩa này vào tracking plan để cả công ty dùng chung một chuẩn.
- Chọn khung thời gian phù hợp. Xác định nhịp sử dụng tự nhiên: sản phẩm của bạn nên được dùng hàng ngày, hàng tuần hay hàng tháng? Từ đó chọn chỉ số engagement chính (DAU, WAU, hay MAU) và chọn mẫu số cho stickiness tương ứng (DAU/MAU cho sản phẩm hàng ngày, DAU/WAU hoặc WAU/MAU cho sản phẩm ít thường xuyên hơn).
- Dựng biểu đồ Active Users trong công cụ. Trong Amplitude, dùng chart type "Active Users" hoặc "Unique users" theo event bạn chọn. Trong Mixpanel, dùng Insights với "Unique" làm phép đo, đặt qualifying event, và cấu hình rolling window cho WAU/MAU. Đặt múi giờ về UTC+7.
- Tính stickiness. Tạo một chart chia DAU trung bình cho MAU (Amplitude có sẵn "Stickiness" report; Mixpanel bạn có thể tạo formula chia hai metric). Theo dõi theo tuần để làm mượt nhiễu ngày lễ, cuối tuần.
- Phân đoạn (segment). Đừng dừng ở con số tổng. Chia stickiness theo nền tảng (iOS vs Android), theo kênh acquisition, theo gói (free vs paid). Bạn sẽ thường thấy chênh lệch lớn — ví dụ người dùng trả phí có stickiness gấp 3 lần người miễn phí — và đó là insight hành động được.
- Thiết lập theo dõi định kỳ và alert. Đưa DAU/WAU/MAU/stickiness lên dashboard, xem hàng tuần. Đặt cảnh báo khi stickiness giảm quá một ngưỡng — đây là tín hiệu sớm về vấn đề retention trước cả khi MAU kịp sụt.
Lỗi thường gặp & mẹo
Lỗi 1 — Coi MAU là thước đo thành công. MAU dễ tăng bằng quảng cáo đốt tiền mà không nói gì về chất lượng. Luôn đọc MAU kèm stickiness và retention. Một MAU tăng cùng stickiness giảm là dấu hiệu bạn đang mua người dùng rồi để họ rơi rụng.
Lỗi 2 — Định nghĩa "active" quá lỏng. Đếm app_open hoặc session_start thường thổi phồng số liệu vì gộp cả những lần mở nhầm, mở do notification. Hãy neo vào hành động tạo giá trị.
Lỗi 3 — So sánh stickiness giữa các loại sản phẩm khác nhau. Đừng thấy stickiness của bạn là 15% rồi hoảng vì WhatsApp là 60%. So sánh với nhịp tự nhiên của loại sản phẩm bạn và với chính bạn qua thời gian.
Lỗi 4 — Quên yếu tố cuối tuần và ngày lễ. DAU luôn dao động theo thứ trong tuần (app công việc rớt mạnh cuối tuần, app giải trí thì ngược lại). Dùng trung bình động 7 ngày để nhìn xu hướng thật, tránh phản ứng thái quá với dao động ngày.
Lỗi 5 — Nhầm MAU 30-ngày trượt với MAU theo tháng lịch. Hai cách tính cho ra con số khác nhau. Chọn một và ghi rõ trong tài liệu để cả công ty không tranh cãi.
Mẹo: Dùng công thức đảo — "số ngày dùng trung bình = stickiness × số ngày trong kỳ" — để diễn giải stickiness cho lãnh đạo không rành số liệu. Nói "người dùng điển hình dùng 6 ngày/tháng" dễ hiểu hơn nhiều so với "stickiness 20%".
Mẹo: Khi trình bày với nhà đầu tư, luôn đưa cả ba tầng: quy mô (MAU), độ dính (stickiness), và giữ chân (retention curve ở bài sau). Bộ ba này kể một câu chuyện đầy đủ, khó bị bắt bẻ.
Bài tập thực hành
- Định nghĩa active event. Chọn một sản phẩm bạn đang làm hoặc quen thuộc (Grab, Shopee, Spotify, một app nội bộ). Viết ra qualifying event mà bạn cho là phản ánh đúng "active", và giải thích tại sao bạn loại bỏ các event "phù phiếm" như
app_open.
- Tính stickiness. Cho dữ liệu giả định: MAU = 500.000, DAU trung bình trong tháng = 65.000. Tính stickiness và diễn giải ra "số ngày dùng trung bình mỗi tháng". Con số này gợi ý điều gì về việc sản phẩm đã thành thói quen chưa?
- Chọn khung thời gian. Với ba sản phẩm sau, hãy chọn chỉ số engagement chính (DAU/WAU/MAU) và mẫu số stickiness phù hợp, kèm lý do: (a) app giao đồ ăn, (b) phần mềm khai báo thuế, (c) mạng xã hội chia sẻ ảnh.
- Phân đoạn. Nếu có quyền truy cập Mixpanel hoặc Amplitude (kể cả bản demo), dựng biểu đồ stickiness và phân đoạn theo nền tảng iOS vs Android. Ghi lại chênh lệch và đưa ra một giả thuyết vì sao có sự khác biệt đó.
Tóm tắt
Engagement metrics là bộ chỉ số trả lời câu hỏi "sản phẩm có được dùng thường xuyên không". DAU, WAU, MAU đo số người dùng duy nhất active trong ngày, tuần, tháng — và điều tối quan trọng là bạn phải tự định nghĩa "active" bằng một qualifying event phản ánh giá trị thật, chứ không phải sự xuất hiện phù phiếm. MAU cho biết quy mô nhưng đứng một mình gần như vô nghĩa; nó phải đi cùng stickiness (DAU/MAU) — chỉ số cho biết trong tháng người dùng quay lại bao nhiêu ngày.
Ba tình huống thực tế cho thấy: MAU đẹp có thể che giấu stickiness thấp (ví điện tử), định nghĩa active sai làm cả bộ số liệu vô dụng (app học tiếng Anh), và chọn sai khung thời gian dẫn tới quyết định sản phẩm sai lệch (công cụ B2B). Quy tắc vàng: chọn qualifying event tạo giá trị, chọn khung thời gian khớp nhịp sử dụng tự nhiên, luôn đọc engagement kèm nhau, và so sánh với chính mình qua thời gian thay vì áp benchmark của sản phẩm khác. Nắm vững bộ chỉ số này, bạn đã có ngôn ngữ chung để nói về sức khỏe sản phẩm với cả đội ngũ lẫn nhà đầu tư.