Làm Data Analyst hay Business Intelligence thì kết quả cuối cùng cũng là mang lại giá trị cho business, moving KPIs hay tăng trưởng các chỉ số kinh doanh. Chính vì vậy mình viết bài này để chia sẻ tới các bạn các bước để có thể tăng trưởng bất kỳ metric nào, từ đó mang lại những giá trị cho doanh nghiệp.
Nguyên lý để bạn tăng trưởng bất kì metric nào
Bước 1: Chọn 1 metric quan trọng nhất và set target baseline
Hãy chọn ra 1 metric quan trọng nhất để đo lường hiệu quả thành công của công ty, hay của dự án. Trong ngành sẽ có nhiều thuật ngữ để chỉ khái niệm này như: Northstar metric/OMTM/ Primary Metric. Trong bài viết này mình sẽ dùng từ Northstar Metric. Đây là concept rất quan trọng trong phân tích dữ liệu và kinh doanh nói chung. Nó là ngôi sao chỉ đường cho những thử nghiệm của chúng ta. Nếu chọn Northstar metric sai thì chắc chắn chúng ta bị lạc đường.
Concept Northstar metric áp dụng gần như ở mọi quy mô. Mỗi công ty cần có 1 Northstar Metric. Ví dụ như các cty Ecommerce: GMV; MoMo: Số lượng giao dịch thành công, các công ty chuyển phát như Giao hàng nhanh, Giao hàng tiết kiệm là số đơn hàng giao hàng thành công. Mỗi project cũng cần có 1 northstar metric để đo lường giá trị mà project đó tạo ra. Ví dụ bạn phụ trách tối ưu màn hình login trên app thì Northstar metric là tỉ lệ đăng nhập thành công.
Bước 2: Phân tách nhóm đang hoạt động tốt và nhóm hoạt động không tốt dựa trên performance hiện tại.
Giả sử bạn đang chịu trách nhiệm tối ưu chỉ số login. Số hiện tại của bạn đang là 80%. Nghĩa là 10 lần đăng nhập thì 8 lần đăng nhập thành công. Target của bạn là muốn tối ưu tỉ lệ đăng nhập thành công lên mức 95%.
Con số 80% được tạo ra bởi nhóm có tỉ lệ đăng nhập thành công trên 80% và nhóm những user có tỉ lệ đăng nhập thành công dưới 80%.
Lúc này chúng ta cần tách user thành 2 nhóm:
- Nhóm có tỉ lệ đăng nhập thành công cao >90% hoặc >95% tùy số lượng datapoint chúng ta có.
- Nhóm có tỉ lệ đăng nhập thành công thấp: <80%.
Bước 3: Quan sát những đặc điểm tạo nên sự khác biệt của các nhóm hoạt động tốt. Tìm ra những đặc tính chung của nhóm có performance tốt
Bước số 3, chúng ta tiến hành quan sát sâu vào 2 nhóm user này xem chúng có những đặc tính gì khác nhau. Chúng ta có thể brainstorming các góc nhìn về 2 nhóm user này: Ví dụ như:
- Họ dùng điện thoại hay PC
- Họ đăng nhập bằng phương thức nào? Nhập mật khẩu, hay email hay khuôn mặt?
- Tài khoản đã lập lâu chưa?
- Số lần đăng nhập thành công trước đó
- Hành động khi học không đăng nhập thành công là gì? …
Từ đó chúng ta extract ra những insight để biết được những đặc điểm khác biệt giữa 2 nhóm. Đâu là những đặc điểm mà giúp user đăng nhập thành công cao.
Bước 4: Đưa ra những thử nghiệm, cải tiến dựa trên những insight đã tìm ra ở bước 3
Chúng ta không thể thay đổi được KPI nếu chúng ta không action. Bài toán chúng ta phải giải ở đây là làm sao tối ưu quy trình thử nghiệm. Nếu bạn có 20 ideas, hãy ranking những ideas của bạn theo mức impact (High – Medium – Low) và effort (Hard – Medium – Easy) cần ra để thử nghiệm. Hãy ưu tiên cho những ideas high impact – easy to do hay Medium impact – easy to do trước.
Bước 5: Thử nghiệm và Đo lường những tác động lên KPI
Quy trình thiết kế và thử nghiệm rất quan trọng. Bạn phải thiết kế đúng thì mới xác định được tác động của thử nghiệm lên KPI. Nếu chúng ta có nhiều datapoint có thể thử nghiệm A/B testing hoặc multivariate testing. Trường hợp có ít datapoint thì phải test và lấy feedback càng sớm càng tốt.
Nếu bạn thử nghiệm mà không đo lường thì không có ý nghĩa gì cả. Bạn sẽ không hiểu được mức tác động của những thử nghiệm mà mình đang làm. Chính vì vậy bạn phải đo lường, nhìn lại và học hỏi từ những thử nghiệm đã làm để chắc chắn chúng ta đang đi đúng hướng.
Bước 6: REWORK – Lặp lại bước 2,3,4,5 cho tới khi đạt mục tiêu
Vấn đề càng lớn thì chúng ta càng cần nhiều vòng lặp. Thông thường chúng ta phải mất nhiều vòng lặp để đạt được mục tiêu. Làm sao tăng tốc độ thử nghiệm và tối ưu quy trình thử nghiệm để đạt kết quả trong thời gian ngắn. Thực tế không tồn tại cái gì gọi là magic button mà các bạn bấm 1 cái là đạt được mục tiêu. Quá trình đạt mục tiêu bao gồm rất nhiều small win từ những thử nghiệm liên tục.
Nếu các bạn thấy bài viết này hữu ích thì hãy chia sẻ với bạn bè xung quanh, những người đang tìm hiểu về ngành Data Science. Hẹn các bạn trong các bài viết kế tiếp.
– Xem ngay Lộ trình học Data Analyst chuyển ngành thành công trong vòng 6 tháng
– Xem ngay Lộ trình học Marketing Automation & Analytics Coaching 1 on 1 để upgrade kỹ năng phân tích cho Marketer
– Tham gia Vietnam Data Analyst Forum – #1 Informative Group để học hỏi và chia sẻ kiến thức về Data Analytics
– Cập nhật lịch khai giảng, chương trình ưu đãi và nhận tư vấn chuyển ngành miễn phí tại Data Coaching 1 on 1 – UniGap