Nằm trong chuỗi bài viết về các công việc của Business Owner, Product Owner, Product Manager và các giai đoạn phát triển sản phẩm các Startup đã định hình được đầy đủ nhân sự, bài viết chia sẻ từ anh Nguyễn Trọng Nghĩa - Launch dưới đây sẽ phân tích thêm về các số liệu, các chỉ số quan trọng sau khi ra mắt sản phẩm và data-driven descion making (DDDM) nên hiểu thế nào.
Trong quá trình phát triển product, bước đầu tiên, như mình đã đề cập là bước lên được “Business Concept” và “Business Requirement”, hiểu nôm na là Product này, Features này có yêu cầu là gì. Đối với 1 số Product đòi hỏi kiến thức chuyên ngành, như Fintech, như MedTech, hoặc Logistics chẳng hạn, ngoài Founder ban đầu ở vị trí Business Owner (BO), sau này phát triển, Founder sẽ cần thêm các bạn có kiến thức chuyên ngành cũng như kiến thức kinh doanh ở vị trí BO để phát triển tiếp sản phẩm mình.
Đương nhiên việc phát triển sản phẩm mới cần phải phù hợp với Vision và Strategy của cả ứng dụng và của công ty.
Việc lên một Product mới, hay lên Features mới, cần được khảo sát kỹ trước khi quyết định sẽ xây dựng, và BO sẽ cần thiết để xác định được thị trường, khách hàng, business model cũng như tiềm năng tài chính. Đương nhiên, khi BO xác định sai market, xác định sai đối tượng khách hàng hay dòng tiền không tốt, thì những bạn trực tiếp xây dựng Product sẽ không thể làm gì khác được, dù tính năng mình lên có tốt đến đâu.
Điển hình nhất, chính là một số tính năng của các Supper App, khi xây dựng lên theo trending, theo tiềm năng thị trường, tuy nhiên việc educate người dùng các tính năng này trên các Supper App cực kỳ khó, do các SupperApp thường chỉ có 1 vài tính năng chính, không nhấn mạnh 1 tính năng phụ để thu hút người dùng được do “giá trị thương hiệu" của SupperApp đã gắn với các tính năng chính.
Ví dụ tính năng “đi chợ Online” trên ví điện tử Momo. Nhìn vào có thể thấy rất hay, rất cần thiết, rất phù hợp với thị hiếu người dùng.
Tuy nhiên phân tích sâu hơn, “Đi chợ Online" bản chất cũng là E-Commerce, cũng cần rất nhiều thứ như Logistics, customer support, và thực sự để Educate người dùng “Đi chợ Online" trên ví điện tử thay vì ghé vào Bách Hoá Xanh, các tiệm tạp hoá truyền thống, các cửa hàng 24h, chợ hay siêu thị, kể cả các trang E-commerce như Shopee,sendo.. đang mở cửa sát bên cửa nhà của người dân, thì các Ví điện tử trừ VinID đã có sẵn Vinmart xác định được cuộc chơi này cần đổ vào bao nhiêu tiền để có được lượng khác hàng trung thành sử dụng ? Dòng tiền có thực sự tốt và phát triển dài lâu ?
Quay lại chủ đề chính, khi BO đã xác định được yêu cầu Business, BO cần Product Owner (PO), người có kinh nghiệm làm việc với team Design và Team Dev để xác định được nguồn lực, tính năng, cũng như kế hoạch phát triển sản phẩm.
Thực chất, công việc của Product Manager khi này đã tách một phần thành công việc của PO. PO sẽ làm việc trực tiếp với team Design và Team Dev, và đảm bảo kế hoạch phát triển xây dựng sản phẩm diễn ra được tốt nhất và đáp ứng các yêu cầu business từ BO.
Công việc chính của Product Manager lúc này là quản lý sản phẩm từ khi sản phẩm ra mắt đến hết vòng đời của sản phẩm, bao gồm các đặt ra các chỉ số theo dõi sự phát triển sản phẩm, đánh giá, cũng như cải thiện sản phẩm để tối đa hoá giá trị của sản phẩm cho công ty.
4 chỉ số Data-Driven Descion Making cần quan tâm
A. Chỉ số về người dùng
- Chỉ số về tổng lượng người dùng đã đăng ký hay sử dụng sản phẩm
- Chỉ số về người dùng mới (Theo tháng / Tuần / Ngày)
- Chỉ số người dùng active (Theo tháng / tuần / ngày)
- Pageviews ( số lượng người xem sản phẩm)
- Pageviews per Page ( Số lượng người xem từng trang, hay từng tính năng)
- Sessions length ( Thời gian của một user sử dụng ứng dụng theo phiên - Chỉ số quan trọng)
- Bounce Rate ( tỉ lệ phần trăm của số lần truy cập trang duy nhất - Chỉ số quan trọng)
- Pages per Session (Số lượng trang hay tính năng theo một session)
- Conversion Rate (Tỷ lệ chuyển đổi - Chuyển đổi người xem thành User đăng ký, chuyển đổi người xem sang khách hàng.. - Chỉ số quan trọng)
- Retention Rate ( Tỷ lệ người dùng sử dụng trung thành - Chỉ số quan trọng)
- Churn Rate ( Tỷ lệ khách hàng rời đi - Chỉ số quan trọng)
- Net Promoter Score (NPS - chỉ số đo lường sự hài lòng và mức độ khách hàng sẵn sàng tiếp tục sử dụng sản phẩm, dịch vụ và giới thiệu cho người thân, bạn bè và đồng nghiệp sử dụng)
- Customer Satisfaction Score (CSAT) : Chỉ số người dùng hài lòng về nội dung của sản phẩm.
B. Chỉ số về chi phí
COCA (Cost Of Customer Acquisition): Số tiền cần chi tiêu để có được một khách hàng mới.
CPI (Cost Per Install) : Chi phí mỗi lần cài đặt
ACPU (Average Cost Per User) : Chi phí trung bình của hệ thống trên mỗi User.
CPO (Cost per Order) : Chi phí cho một giao dịch
C. Chỉ số về doanh thu
Tổng doanh thu
ARPU (Average Revenue Per User) : Doanh thu bình quân một người sử dụng trong một khoảng thời gian
CLV (Customer Lifetime Value) : Giá trị vòng đời khách hàng
GMV (Gross Merchandise Value) : Tổng Giá trị hàng hoá được bán trong một khoảng thời gian.
Tổng lượng giao dịch
Revenue per order : Doanh thu bình quân trên mỗi giao dịch
Ratio of CLV/COCA : Tỷ lệ giữa giá trị vòng đời của khách hàng với số tiền cần để có khách hàng
D. Chỉ số kỹ thuật của hệ thống
Uptime : Thời gian hoạt động liên tục của hệ thống
RPM (Request Per Minute) : Số lượng Request từ User gửi đến Server trong một phút.
API Average and Max Latency : Độ trễ trung bình và độ trễ tối đa phản hồi của API
Time to First Hello World (TTFHW) : Thời gian từ khi user vào ứng dụng đến khi thực hiện một action bằng lời gọi API.
Speed : Tốc độ tải và tốc độ sử dụng của Sản phẩm.
Number of crashes : Số lần lỗi tạm dừng đột ngột khi sử dụng sản phẩm.
Network Errors : Các chỉ số khi xảy ra lỗi kết nối mạng đến hệ thống.
App load per period : số lượng request hoặc event mà thiết bị di động của bạn có thể xử lý trong một thời gian nhất định.
Touch Heatmaps & Screen Analysis : phân tích và theo dõi khu vực mà người dùng quan tâm và click.
Các chỉ số xếp hạng trên App Store, chỉ số về lượt download hay Uninstall….
Như vậy, chúng ta sẽ có cụm từ “Product Manager buzzword” là data-driven descion making (DDDM) - Quyết định dựa trên dữ liệu. Dữ liệu ở đây sẽ bao gồm Quantitative Data (Dữ liệu định lượng) và Qualitative data (Nghiên cứu định tính).
Quantitative Data là các dữ liệu có thể đo lường được, ví dụ như các chỉ số liệt kê ở trên, qua survey, qua A/B testing..
Qualitative Data là các dữ liệu về tính chất sự việc thông qua cảm nhận, có thể có được bằng cách phỏng vấn người dùng về sản phẩm, qua các câu chuyện về sản phẩm trên mạng..
Vậy PM sẽ quyết định dựa trên dữ liệu như nào? Các bước ra quyết định cơ bản theo trình tự như sau:
Xác định mục tiêu (ví dụ: tăng lượt truy cập, tăng lượt đăng ký mới, tăng doanh thu..)
Tìm các dữ liệu liên quan
Phân tích các dữ liệu thu thập được
Kế hoạch để đạt được mục tiêu
Đo lường và tiếp tục
Mọi thứ có vẻ rõ ràng và rất thuyết phục! Các bài viết nêu ra lợi ích của data-driven cũng rất nhiều. Vậy vấn đề ở đây là gì?
LƯỢNG DỮ LIỆU PHẢI RẤT LỚN VÀ CHẤT LƯỢNG
Ví dụ, bạn có một sản phẩm có 50.000 người dùng, theo một khảo sát dựa trên lượng người dùng của bạn và người dùng ngẫu nhiên, có >60% hài lòng với sản phẩm A mà bạn sắp phát triển. Một con số rất tốt.
Nhưng thực tế, đối thủ của bạn hoặc một ứng dụng khác, có đến 2 triệu người dùng! Và theo khảo sát của họ tương tự bạn, có đến 30% không thích A, >35% không quan tâm đến A có hay không.
Vậy quyết định của bạn sẽ chỉ dựa trên số lượng dữ liệu mà bạn có là đã đủ tin cậy?
Ngoài ra, Chất lượng dữ liệu (Quality of Data) phải “phù hợp với mục đích sử dụng” và phải đến từ nguồn có đủ độ tin cậy nhất định. Nếu thu thập từ người dùng, phải chắc chắn người dùng hiểu mục tiêu câu hỏi cũng như hiểu câu trả lời của mình. Các quyết định của người dùng cũng phụ thuộc vào môi trường và hoàn cảnh, nó có thể thay đổi theo thời gian, nên cần phải cân nhắc rất kỹ dựa trên số liệu thu thập được.
Việc khai thác dữ liệu cũng cần phải có kiến thức khoa học về dữ liệu và nguồn lực lớn để khai thác dữ liệu. Không phải công ty hay Startup nào cũng có đủ nhân sự có chuyên môn tốt, có kiến thức tốt cũng như nền tảng hạ tầng tốt để khai thác lượng dữ liệu đã thu thập được.
Có thêm một khái niệm ngoài Data-driven là Data-informed. Vậy sự khác nhau là gì?
Data-driven: Dữ liệu sẽ quyết định hành động khi ra quyết định
Data-informed: Dữ liệu (có thể sẽ lỗi thời theo thời gian) sẽ là căn cứ cho các quyết định dựa trên nhiều yếu tố khác như trải nghiệm khách hàng, cảm nhận cá nhân, giá trị thương hiệu và các ý kiến từ các lãnh đạo có sức ảnh hưởng (HiPPo) khác.
Thực sự, các dữ liệu, dù cho có tốt đến mức thế nào, cũng sẽ không cho thấy được hết toàn cảnh, nó chỉ là một bức ảnh chụp tại thời điểm được thu thập, không diễn giải hoàn toàn hành vi khách hàng hay xu hướng của khách hàng trong tương lai.
Đương nhiên dữ liệu cũng không hoàn toàn cho PM biết chính xác sẽ cần phải làm gì tiếp theo để phát triển sản phẩm. Nếu PM chạy theo việc tối ưu hoá các chỉ số, trong khi “Chất lượng sản phẩm" hay “Tầm nhìn phát triển sản phẩm" không cải thiện hoặc không quan tâm, hay thậm chí UX - trải nghiệm khách hàng chưa tốt, thì các số liệu hay cải thiện chỉ số không thực sự khiến Product có thể “Move Fast" hoặc đạt được các kết quả to lớn.
Theo như mình đọc, ngay tại Facebook, nơi có hàng tỷ tỷ dữ liệu, các quyết định cũng còn phải dựa trên Data-informed, dựa trên các quyết định cá nhân. Giống như Andy Carvell từng nói “All the data in the world won’t fix a fundamentally bad product.”
