Retention Curve Nói Gì Về
Product-Market-Fit?

Nếu chỉ được chọn 1 biểu đồ duy nhất để đánh giá 1 startup có Product-Market-Fit (PMF) hay không, phần lớn nhà đầu tư giàu kinh nghiệm sẽ chọn Retention Curve — không phải biểu đồ tăng trưởng người dùng. Lý do đơn giản: tăng trưởng người dùng mới có thể "mua" bằng tiền quảng cáo, nhưng việc người dùng tự nguyện quay lại nhiều lần thì không. Bài này tập trung vào cách đọc hình dạng biểu đồ retention để suy ra PMF — không định nghĩa lại khái niệm retention rate cơ bản (xem đầy đủ ở thuật ngữ Retention Rate / NRR nếu bạn chưa quen với chỉ số này).

Retention Curve là gì và cách vẽ đúng

Retention Curve là biểu đồ thể hiện tỷ lệ phần trăm người dùng còn hoạt động (retained) tại mỗi mốc thời gian sau khi họ bắt đầu dùng sản phẩm, tính theo cohort — nhóm người dùng bắt đầu trong cùng 1 khoảng thời gian (ví dụ tất cả người đăng ký trong tháng 3). Trục ngang là thời gian kể từ khi bắt đầu dùng (ngày 0, ngày 7, ngày 14, ngày 30...), trục dọc là tỷ lệ % còn hoạt động.

Gần như mọi sản phẩm đều có retention giảm mạnh trong những ngày/tuần đầu — đây là hiện tượng bình thường, gọi là "giai đoạn sàng lọc tự nhiên" (natural filtering), nơi những người dùng thử vì tò mò nhưng không thực sự cần sản phẩm sẽ rời đi. Điều quan trọng không phải là ngăn hoàn toàn sự sụt giảm ban đầu này — mà là xem đường cong sau đó có dừng giảm và ổn định hay không.

Đường cong "phẳng dần" nghĩa là gì — tín hiệu PMF thật

"Phẳng dần" (flattening) là khi Retention Curve, sau giai đoạn giảm tự nhiên ban đầu, chạm tới 1 mức nhất định rồi đi ngang gần như không giảm thêm qua các mốc thời gian tiếp theo — ví dụ retention ổn định quanh 25-35% từ tuần thứ 4 trở đi, gần như không đổi tới tuần thứ 12, tuần thứ 20.

Mức phẳng cao hay thấp quan trọng, nhưng việc đường cong có phẳng hay không quan trọng hơn nhiều so với mức phẳng đó là bao nhiêu phần trăm. Một sản phẩm phẳng ở mức 15% vẫn cho thấy dấu hiệu PMF sơ khởi tốt hơn nhiều so với 1 sản phẩm retention 40% ở tuần đầu nhưng tiếp tục giảm không ngừng sau đó — vì đường phẳng chứng minh có "sàn" (floor) thật, còn đường tiếp tục giảm không có gì đảm bảo nó sẽ dừng lại ở đâu.

Đường cong tiếp tục giảm về 0 — chưa có PMF dù tăng trưởng tốt

Đây là cái bẫy phổ biến nhất khiến founder tự tin sai lầm rằng mình đã có PMF: nhìn vào biểu đồ tổng số người dùng đang tăng đều mỗi tháng, trong khi thực chất retention curve của từng cohort vẫn đang rơi về gần 0 — công ty chỉ đang bù đắp lượng người rời đi bằng lượng người mới lớn hơn, gọi là hiện tượng "chiếc xô bị rò" (leaky bucket).

Khi đường cong tiếp tục giảm không có dấu hiệu chững lại, điều cần làm không phải là tăng ngân sách thu hút người dùng mới nhiều hơn — mà là quay lại tìm hiểu vì sao người dùng rời đi, thường qua phỏng vấn trực tiếp nhóm đã ngừng dùng (churned users). Đổ thêm tiền marketing vào 1 sản phẩm chưa có PMF chỉ khiến tốc độ đốt tiền tăng nhanh hơn mà không giải quyết gốc rễ vấn đề.

Ví dụ đọc biểu đồ thực tế

Để hình dung rõ hơn, dưới đây là 2 kiểu hình dạng retention curve phổ biến và cách diễn giải đúng — đây là ví dụ minh hoạ dạng số liệu tổng quát, không gắn với 1 công ty cụ thể.

Ở Kịch bản A, đường cong giảm mạnh trong 30 ngày đầu (từ 100% xuống 28%) rồi gần như đi ngang từ ngày 30 tới ngày 90 (28% → 26% → 25%) — đây là dấu hiệu phẳng dần rõ ràng, chứng minh có 1 nhóm khoảng 25% người dùng ban đầu đã trở thành người dùng lõi trung thành. Ở Kịch bản B, đường cong tiếp tục rơi không ngừng qua mọi mốc thời gian (40% → 15% → 7% → 3%) — không có dấu hiệu chững lại, nghĩa là gần như toàn bộ người dùng cuối cùng sẽ rời bỏ nếu xu hướng này tiếp tục, dù ở ngày 7 kịch bản B thậm chí trông tệ hơn không nhiều so với A.

Cách thu thập dữ liệu để vẽ Retention Curve chính xác

Một sai lầm phổ biến khác là vẽ retention curve dựa trên dữ liệu không đáng tin — ví dụ chỉ tính "đăng nhập 1 lần" là retained, thay vì đo hành vi thực sự tạo ra giá trị (ví dụ với 1 công cụ quản lý dự án, chỉ đăng nhập không có ý nghĩa bằng việc thực sự tạo/hoàn thành 1 công việc trong tuần đó). Trước khi vẽ biểu đồ, founder cần xác định rõ 2 điều: sự kiện nào định nghĩa "còn hoạt động" (activation event) và cỡ mẫu tối thiểu mỗi cohort để con số phần trăm có ý nghĩa thống kê.

Cỡ mẫu cũng quan trọng không kém: 1 cohort chỉ có 8-10 người dùng sẽ cho ra đường cong "nhảy" thất thường mỗi khi 1-2 người thay đổi hành vi, khiến việc đọc xu hướng phẳng dần hay không trở nên khó khăn. Founder giai đoạn rất sớm, chưa đủ người dùng để có cohort lớn, nên tạm thời dựa nhiều hơn vào phỏng vấn định tính song song với dữ liệu retention thô, thay vì chỉ nhìn vào 1 biểu đồ dựa trên mẫu quá nhỏ để đưa ra kết luận lớn.

Nên vẽ Retention Curve trong khung thời gian nào

Khung thời gian phù hợp phụ thuộc vào tần suất sử dụng tự nhiên của sản phẩm — không có 1 khung chuẩn áp dụng cho mọi loại hình.

• ☐ Sản phẩm dùng hàng ngày (mạng xã hội, công cụ năng suất) Vẽ theo ngày, quan sát trong 30-90 ngày đầu — đủ để thấy điểm đường cong bắt đầu phẳng lại.
• ☐ Sản phẩm dùng hàng tuần (app tài chính cá nhân, công cụ quản lý) Vẽ theo tuần, quan sát trong 12-26 tuần — vẽ theo ngày sẽ tạo nhiễu không cần thiết vì hành vi tự nhiên vốn không diễn ra mỗi ngày.
• ☐ SaaS B2B, sản phẩm dùng hàng tháng/quý Vẽ theo tháng, quan sát trong 6-12 tháng, kết hợp với dữ liệu gia hạn hợp đồng — chu kỳ giá trị dài hơn nên cần khung thời gian dài hơn để thấy rõ xu hướng phẳng.
• ☐ Đừng kết luận quá sớm với dữ liệu chưa đủ dài Nếu sản phẩm mới ra mắt 3 tuần, chưa đủ dữ liệu để biết đường cong có phẳng hay không — cần kiên nhẫn thu thập thêm ít nhất 1-2 chu kỳ giá trị đầy đủ trước khi kết luận.

Câu Hỏi Thường Gặp

Hải H Nguyễn

Forbes 30 Under 30 Asia 2017 · Founder BeginGuru

14 năm kinh nghiệm gọi vốn thực chiến, hơn 26.000 giờ làm việc với founders trên hành trình tìm và chứng minh Product-Market-Fit.