📘 Buổi 13: Business Metrics — KPI, Funnel, Cohort

DA không chỉ kéo data — phải hiểu business để hỏi đúng câu hỏi.

🎯 Mục tiêu buổi học

Sau buổi này, học viên sẽ:

Hiểu và tính KPI: revenue, CAC, LTV, churn rate, NPS
Xây dựng funnel analysis: impression → conversion → retention
Thực hiện cohort analysis: retention curve, customer lifetime behavior
Áp dụng AARRR framework cho startup / e-commerce

📋 Tổng quan

Ở Buổi 12, bạn đã biết kể chuyện bằng dữ liệu — Data Storytelling, Pyramid Principle, executive presentation. Bạn biết cách trình bày insight cho CEO. Nhưng trình bày cái gì? Nếu bạn không hiểu business metrics, bạn sẽ kể câu chuyện sai — hoặc tệ hơn, kể câu chuyện không ai quan tâm.

Buổi 13 chuyển từ "cách trình bày" sang "trình bày cái gì" — ngôn ngữ kinh doanh mà mọi Data Analyst phải biết. KPI, funnel, cohort, AARRR — đây không phải buzzwords, mà là hệ thống đo lường để trả lời câu hỏi business quan trọng nhất: "Công ty đang hoạt động tốt hay không? Vì sao? Cần làm gì?"

Theo McKinsey (2024), 68% CEO nói rằng team data mang về số liệu nhưng không gắn được với business outcome. DA giỏi SQL, Python, dashboard — nhưng không hiểu CAC, LTV, churn rate nghĩa là gì trong context kinh doanh. Kết quả: insight đúng nhưng irrelevant.

Business Metrics là cầu nối giữa data và quyết định. Bạn không cần MBA — nhưng cần hiểu ngôn ngữ kinh doanh đủ sâu để hỏi đúng câu hỏi, chọn đúng metric, và detect khi số liệu nói lên điều bất thường.

mermaid

flowchart LR
    A["📥 Obtain<br/>Buổi 7: Python"] --> B["🧹 Scrub<br/>Buổi 8: Pandas"]
    B --> C["🔍 Explore<br/>Buổi 9: EDA"]
    C --> D["📊 iNterpret<br/>Buổi 10-11: Chart + BI"]
    D --> E["📖 Storytelling<br/>Buổi 12: Presentation"]
    E --> F["💼 Business Metrics<br/>✅ Buổi 13: KPI, Funnel, Cohort"]
    style F fill:#e8f5e9,stroke:#4caf50,stroke-width:3px

💡 Tại sao Business Metrics quan trọng cho DA?

Tình huống	DA không hiểu Business	DA hiểu Business Metrics
Sếp hỏi "Revenue thế nào?"	Export bảng doanh thu tháng	Phân tích GMV vs Net Revenue, AOV trend, ARPU by segment
Marketing team cần report	Đếm clicks, impressions	Tính CAC, ROAS, CVR theo channel → recommend budget allocation
Product team hỏi retention	"User quay lại 60%" — rồi sao?	Cohort analysis: D1/D7/D30 retention, phát hiện churn cliff
CEO cần growth metrics	Tổng hợp 10 KPI trên dashboard	Chọn North Star Metric, xây AARRR funnel, focus actionable metrics
Phỏng vấn DA position	"Em biết SQL, Python"	"Em phát hiện LTV/CAC ratio < 1 → đề xuất giảm paid channel → tiết kiệm 500M/tháng"

📌 Phần 1: KPI & Business Metrics — Ngôn ngữ chung của kinh doanh

KPI là gì? Tại sao không phải mọi metric đều là KPI?

KPI (Key Performance Indicator) — chỉ số đo lường hiệu suất THEN CHỐT. Từ khóa là "Key" — không phải mọi số liệu đều là KPI. Một công ty có thể track 200 metrics, nhưng chỉ có 5-10 KPI thực sự.

Khái niệm	Định nghĩa	Ví dụ
Metric	Bất kỳ thứ gì đo đếm được	Page views, button clicks, email opens
KPI	Metric gắn trực tiếp với business objective	Revenue growth, customer retention, CAC
North Star Metric	1 KPI quan trọng nhất, đại diện cho value	Spotify: time spent listening; Airbnb: nights booked
Vanity Metric	Trông ấn tượng nhưng không actionable	Total downloads, page views, followers

⚠️ Vanity Metrics vs Actionable Metrics

Vanity: "App có 1 triệu downloads" → Nhưng bao nhiêu active? Bao nhiêu trả tiền?

Actionable: "DAU/MAU ratio = 25%, tăng từ 18% sau feature update" → Biết chính xác user engagement đang cải thiện.

Nguyên tắc: KPI phải SMART — Specific, Measurable, Achievable, Relevant, Time-bound.

Revenue Metrics — Đo tiền

Metric	Công thức	Ý nghĩa	Ví dụ
GMV (Gross Merchandise Value)	Tổng giá trị giao dịch trên platform	Tổng tiền giao dịch, chưa trừ chi phí	Shopee GMV = 100 tỷ (bao gồm refunds, discounts)
Revenue (Net Revenue)	GMV − refunds − discounts − platform fees	Tiền thực sự thu được	Net Revenue = 85 tỷ
AOV (Average Order Value)	$A O V = \frac{Total Revenue}{Number of Orders}$	Trung bình mỗi đơn hàng bao nhiêu tiền	Revenue 85 tỷ ÷ 500K orders = 170K/order
ARPU (Average Revenue Per User)	$A R P U = \frac{Total Revenue}{Number of Active Users}$	Trung bình mỗi user tạo bao nhiêu revenue	Revenue 85 tỷ ÷ 2M users = 42.5K/user
MRR (Monthly Recurring Revenue)	Tổng subscription revenue hàng tháng	Doanh thu định kỳ cho SaaS	10K users × 99K/tháng = 990M MRR
ARR (Annual Recurring Revenue)	$A R R = M R R \times 12$	Annualized recurring revenue	990M × 12 = 11.88 tỷ ARR

python

# Revenue Metrics Calculation
import pandas as pd

# Sample data
orders = pd.DataFrame({
    'order_id': range(1, 1001),
    'user_id': [f'U{i%200+1}' for i in range(1000)],
    'revenue': [150000 + (i * 37 % 500) * 1000 for i in range(1000)],
    'order_date': pd.date_range('2025-01-01', periods=1000, freq='4h')
})

# GMV & Revenue
gmv = orders['revenue'].sum()
refund_rate = 0.05
net_revenue = gmv * (1 - refund_rate)

# AOV
aov = net_revenue / len(orders)

# ARPU
active_users = orders['user_id'].nunique()
arpu = net_revenue / active_users

print(f"GMV:          {gmv:>15,.0f} VND")
print(f"Net Revenue:  {net_revenue:>15,.0f} VND")
print(f"AOV:          {aov:>15,.0f} VND")
print(f"Active Users: {active_users:>15,}")
print(f"ARPU:         {arpu:>15,.0f} VND")

Marketing Metrics — Đo hiệu quả marketing

Metric	Công thức	"Good" benchmark	Nguy hiểm khi
CAC (Customer Acquisition Cost)	$C A C = \frac{Total Marketing Spend}{New Customers Acquired}$	Tùy ngành — e-commerce: 50-200K VND	CAC > LTV → mỗi khách mới = lỗ
CPA (Cost Per Acquisition)	$C P A = \frac{Ad Spend}{Conversions}$	Tùy campaign goal	CPA tăng liên tục → channel saturated
ROAS (Return on Ad Spend)	$R O A S = \frac{Revenue from Ads}{Ad Spend}$	ROAS > 4x là tốt	ROAS < 1 → đốt tiền
CTR (Click-Through Rate)	$C T R = \frac{Clicks}{Impressions} \times 100 %$	Search: 3-5%, Display: 0.5-1%	CTR thấp → ad copy/targeting kém
CVR (Conversion Rate)	$C V R = \frac{Conversions}{Total Visitors} \times 100 %$	E-commerce: 2-3%	CVR giảm → UX problem hoặc wrong traffic

💡 CAC Payback Period

$Payback Period = \frac{C A C}{A R P U_{m o n t h l y}}$

Nếu CAC = 300K VND và ARPU monthly = 50K VND → Payback = 6 tháng. Nghĩa là bạn cần giữ khách ít nhất 6 tháng mới hòa vốn cho chi phí acquire.

Customer Metrics — Đo sức khỏe khách hàng

Metric	Công thức	Ý nghĩa
LTV / CLV (Customer Lifetime Value)	$L T V = A R P U \times Avg. Customer Lifespan$	Tổng giá trị 1 khách mang lại trong suốt lifecycle
Churn Rate	$Churn = \frac{Customers Lost in Period}{Customers at Start of Period} \times 100 %$	% khách ngừng sử dụng
Retention Rate	$Retention = 1 - Churn Rate$	% khách tiếp tục sử dụng
NPS (Net Promoter Score)	$N P S = % P r o m o t e r s - % D e t r a c t o r s$	Đo lòng trung thành: >50 = xuất sắc

LTV/CAC Ratio — Công thức vàng:

L T V / C A C = \frac{Customer Lifetime Value}{Customer Acquisition Cost}

Ratio	Đánh giá	Hành động
LTV/CAC < 1	🔴 Thua lỗ — mỗi khách = mất tiền	Giảm CAC hoặc tăng LTV ngay
LTV/CAC = 1–3	🟡 Hòa hoặc lời ít	Optimize marketing channel, upsell
LTV/CAC > 3	🟢 Lành mạnh — growth engine tốt	Có thể tăng spend để scale
LTV/CAC > 5	🔵 Rất tốt — nhưng có thể under-invest	Đang miss growth opportunity?

python

# LTV & Churn Calculation
total_customers_start = 10000
customers_lost = 800
churn_rate = customers_lost / total_customers_start  # 8%
retention_rate = 1 - churn_rate  # 92%

arpu_monthly = 50000  # VND
avg_lifespan_months = 1 / churn_rate  # 12.5 tháng
ltv = arpu_monthly * avg_lifespan_months  # 625,000 VND

cac = 200000  # VND
ltv_cac_ratio = ltv / cac  # 3.125

print(f"Churn Rate:     {churn_rate:.1%}")
print(f"Retention Rate: {retention_rate:.1%}")
print(f"Avg Lifespan:   {avg_lifespan_months:.1f} tháng")
print(f"LTV:            {ltv:,.0f} VND")
print(f"CAC:            {cac:,.0f} VND")
print(f"LTV/CAC:        {ltv_cac_ratio:.2f}x ✅")

Operations Metrics — Đo vận hành

Metric	Công thức	Ý nghĩa
Fill Rate	$\frac{Orders Fulfilled}{Total Orders} \times 100 %$	% đơn được giao thành công
Cycle Time	Thời gian từ đặt hàng → nhận hàng	Tốc độ fulfillment
SLA Compliance	$\frac{Tasks Completed Within SLA}{Total Tasks} \times 100 %$	% đạt cam kết service level

📌 Phần 2: Funnel Analysis — Tìm chỗ "rò rỉ" khách hàng

Marketing Funnel — AIDA Model

Funnel (phễu) mô tả hành trình khách hàng từ nhận biết đến mua hàng. Mỗi bước đều có drop-off — và nhiệm vụ DA là tìm ra chỗ drop-off lớn nhất.

mermaid

flowchart TD
    A["👀 AWARENESS<br/>100,000 impressions<br/>100%"] --> B["🤔 INTEREST<br/>15,000 clicks<br/>15% CTR"]
    B --> C["🛒 DESIRE<br/>3,000 add to cart<br/>20% → cart"]
    C --> D["💳 ACTION<br/>900 purchases<br/>30% → purchase"]
    D --> E["🔄 RETENTION<br/>360 repeat buyers<br/>40% retention"]

    style A fill:#e3f2fd
    style B fill:#bbdefb
    style C fill:#90caf9
    style D fill:#64b5f6
    style E fill:#42a5f5,color:#fff

Product Funnel — E-commerce Example

Bước	Users	Drop-off	Drop-off %	Cumulative CVR
Visit website	100,000	—	—	100%
View product	45,000	55,000	55%	45%
Add to cart	12,000	33,000	73%	12%
Begin checkout	6,000	6,000	50%	6%
Complete purchase	3,000	3,000	50%	3%

Drop-off analysis — Tìm vấn đề:

Bước drop-off lớn	Possible Root Cause	Action
Visit → View (55%)	Landing page UX kém, load chậm	A/B test landing page, optimize speed
View → Cart (73%)	Giá cao, thiếu reviews, UX add-to-cart kém	Add social proof, simplify UI
Cart → Checkout (50%)	Phí ship bất ngờ, checkout phức tạp	Free ship threshold, guest checkout
Checkout → Purchase (50%)	Payment fails, trust issues	Thêm payment methods, security badge

python

# Funnel Analysis
funnel_data = {
    'stage': ['Visit', 'View Product', 'Add to Cart', 'Begin Checkout', 'Purchase'],
    'users': [100000, 45000, 12000, 6000, 3000]
}
funnel = pd.DataFrame(funnel_data)

# Calculate drop-off
funnel['drop_off'] = funnel['users'].diff(-1).fillna(0).astype(int)
funnel['drop_off_pct'] = (funnel['drop_off'] / funnel['users'] * 100).round(1)
funnel['conversion_from_top'] = (funnel['users'] / funnel['users'].iloc[0] * 100).round(1)

print(funnel.to_string(index=False))

CRO (Conversion Rate Optimization) — Framework

CRO là quy trình cải thiện conversion rate ở mỗi bước funnel:

mermaid

flowchart LR
    A["📊 Measure<br/>Current CVR"] --> B["🔍 Analyze<br/>Drop-off points"]
    B --> C["💡 Hypothesize<br/>Root cause"]
    C --> D["🧪 Test<br/>A/B experiment"]
    D --> E["📈 Implement<br/>Winner variant"]
    E --> A

Ví dụ CRO thực tế:

Checkout drop-off 50% → Hypothesis: phí ship gây shock → Test: show phí ship sớm hơn → Result: drop-off giảm xuống 30% → Revenue tăng 40%

📌 Phần 3: Cohort Analysis — Phân tích nhóm khách hàng theo thời gian

Cohort là gì?

Cohort = nhóm customers có chung 1 đặc điểm tại 1 thời điểm. Phổ biến nhất: acquisition cohort — nhóm theo tháng đăng ký.

Loại Cohort	Định nghĩa	Ví dụ
Acquisition Cohort	Nhóm theo thời gian đăng ký	"Users đăng ký tháng 1/2025"
Behavioral Cohort	Nhóm theo hành vi cụ thể	"Users mua hàng ≥ 3 lần trong tháng đầu"
Revenue Cohort	Nhóm theo mức chi tiêu	"Users chi > 1 triệu VND trong 30 ngày đầu"

Retention Cohort Heatmap

Đây là output kinh điển của cohort analysis — bảng heatmap cho thấy % users quay lại sau mỗi tháng:

Cohort Retention Heatmap (%)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
Cohort    Month 0  Month 1  Month 2  Month 3  Month 4  Month 5
Jan-25    100%     42%      28%      22%      18%      15%
Feb-25    100%     45%      30%      24%      19%      —
Mar-25    100%     38%      25%      20%      —        —
Apr-25    100%     50%      35%      —        —        —
May-25    100%     44%      —        —        —        —
Jun-25    100%     —        —        —        —        —
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

Cách đọc heatmap:

Hàng ngang = 1 cohort qua thời gian → xem retention curve
Cột dọc = cùng 1 time period, so sánh cohorts → xem trend cải thiện
Apr-25 cohort có Month 1 = 50% → tốt nhất! Tháng 4 làm gì khác? Product update? Campaign?
Mar-25 cohort có Month 1 = 38% → tệ nhất. Tháng 3 có bug? Bad campaign?

python

# Cohort Analysis - Monthly Retention
import numpy as np

# Simulate cohort data
np.random.seed(42)
cohorts = ['Jan-25', 'Feb-25', 'Mar-25', 'Apr-25', 'May-25', 'Jun-25']
n_months = 6

# Base retention rates with decay
base_retention = [100, 43, 29, 22, 18, 15]

cohort_data = {}
for i, cohort in enumerate(cohorts):
    months_available = n_months - i
    retention = []
    for m in range(months_available):
        noise = np.random.randint(-4, 5)
        val = max(base_retention[m] + noise, 5) if m > 0 else 100
        retention.append(val)
    # Pad with NaN
    retention += [np.nan] * (n_months - months_available)
    cohort_data[cohort] = retention

columns = [f'Month {i}' for i in range(n_months)]
df_cohort = pd.DataFrame(cohort_data, index=columns).T
print("Cohort Retention Table (%):")
print(df_cohort.to_string())

Retention Curve — Tìm "Churn Cliff"

mermaid

flowchart LR
    A["Month 0<br/>100%"] --> B["Month 1<br/>43%<br/>⚠️ CHURN CLIFF"]
    B --> C["Month 2<br/>29%"]
    C --> D["Month 3<br/>22%"]
    D --> E["Month 4<br/>18%"]
    E --> F["Month 5<br/>15%<br/>🟢 Flattening"]

Churn Cliff là thời điểm drop-off lớn nhất. Với hầu hết sản phẩm, cliff xảy ra ở Month 0 → Month 1 (mất 50-60% users). Nếu bạn giữ được user qua cliff, xác suất retention lâu dài tăng đáng kể.

Hành động theo retention curve:

Month 0→1 drop > 60%: Onboarding kém → improve first-time UX, welcome series
Month 1→2 drop > 40%: Không thấy value → add engagement features, push notifications
Month 3+ flatten at 15-20%: Core users đã form habit → nurture, upsell

Product-Market Fit Signal

Marc Andreessen (a16z) nói: "Product-market fit means being in a good market with a product that can satisfy that market."

Cohort analysis cho signal PMF:

Signal	Retention Pattern	PMF Status
🔴 No PMF	Retention → 0% sau 3-6 tháng	Sản phẩm chưa giải quyết vấn đề thực
🟡 Weak PMF	Retention flatten ở 5-10%	Có niche nhỏ, chưa scalable
🟢 Strong PMF	Retention flatten ở 20-30%+	Core users yêu sản phẩm, ready to scale
🔵 Excellent PMF	Retention curve đi lên (smile curve)	Network effects, viral loop

📌 Phần 4: AARRR Pirate Metrics — Framework cho Startup & E-commerce

AARRR là gì?

AARRR (hay Pirate Metrics) do Dave McClure (500 Startups) tạo ra năm 2007. Gọi "pirate" vì đọc như "Arrr!" 🏴‍☠️. Framework chia growth thành 5 giai đoạn, mỗi giai đoạn có metrics riêng.

mermaid

flowchart TD
    A["🎯 ACQUISITION<br/>User biết & đến sản phẩm<br/>Metrics: traffic, signups, CAC"]
    A --> B["🔥 ACTIVATION<br/>User trải nghiệm 'aha moment'<br/>Metrics: onboarding completion, time-to-value"]
    B --> C["🔄 RETENTION<br/>User quay lại sử dụng<br/>Metrics: DAU/MAU, D1/D7/D30, churn"]
    C --> D["💰 REVENUE<br/>User trả tiền<br/>Metrics: ARPU, LTV, MRR, AOV"]
    D --> E["📣 REFERRAL<br/>User giới thiệu bạn bè<br/>Metrics: viral coefficient, NPS, referral rate"]

    style A fill:#e3f2fd
    style B fill:#fff3e0
    style C fill:#e8f5e9
    style D fill:#fce4ec
    style E fill:#f3e5f5

Chi tiết mỗi giai đoạn

Stage	Câu hỏi chính	Top Metrics	"Good" Benchmark
Acquisition	Bao nhiêu người đến? Từ đâu?	Traffic, signups, CAC by channel	CAC < 1/3 LTV
Activation	User có trải nghiệm giá trị lần đầu?	Onboarding %, Time-to-value	>60% complete onboarding
Retention	User có quay lại?	D1, D7, D30 retention; DAU/MAU	D30 >20% (consumer app)
Revenue	Kiếm tiền thế nào? Bao nhiêu?	ARPU, LTV, MRR, CVR to paid	LTV/CAC > 3
Referral	User có giới thiệu?	NPS, viral coefficient (k)	k > 1 = viral growth

Metric Tree — Phân rã metric

Mỗi high-level KPI có thể breakdown thành component metrics. Đây gọi là metric tree:

mermaid

flowchart TD
    A["💰 Revenue<br/>= Users × ARPU"] --> B["👥 Active Users<br/>= New + Returning"]
    A --> C["💵 ARPU<br/>= Revenue / Users"]
    B --> D["📥 New Users<br/>= Traffic × CVR"]
    B --> E["🔄 Returning Users<br/>= Prev Users × Retention"]
    D --> F["🌐 Traffic<br/>Organic + Paid"]
    D --> G["📊 CVR<br/>Conversion Rate"]
    C --> H["🛒 AOV<br/>Revenue / Orders"]
    C --> I["📦 Orders/User<br/>Purchase Frequency"]

Ví dụ metric tree cho e-commerce:

R e v e n u e = T r a f f i c \times C V R \times A O V \times P u r c h a s e F r e q u e n c y

Nếu revenue giảm 20%, bạn inspect từng component:

Traffic giảm? → SEO/SEM problem
CVR giảm? → UX/product problem
AOV giảm? → Pricing/bundle problem
Frequency giảm? → Retention/engagement problem

North Star Metric — 1 KPI để dẫn dắt toàn công ty

Công ty	North Star Metric	Tại sao?
Spotify	Time Spent Listening	Nghe nhiều = value cao = subscribe + ít churn
Airbnb	Nights Booked	Đêm đặt = revenue + host happy + guest happy
Facebook	DAU (Daily Active Users)	Dùng hàng ngày = có thể monetize ads
Shopee	Transactions per Month	Mua nhiều = GMV + seller happy + buyer happy
Grab	Rides per Week	Đi nhiều = revenue + driver happy + rider habit

Nguyên tắc chọn North Star:

Phản ánh customer value — không phải internal metric
Leading indicator — predict future, không phải lagging (đã xảy ra)
Actionable — team có thể impact trực tiếp
Measurable — có thể đo chính xác, real-time hoặc weekly

Dashboard for Stakeholders — AARRR Overview

┌────────────────────────────────────────────────────────────┐
│                  AARRR METRICS DASHBOARD                   │
│                  Week 7, Feb 2026                           │
├────────────────────────────────────────────────────────────┤
│                                                            │
│  🎯 ACQUISITION          🔥 ACTIVATION                    │
│  ┌──────────────┐        ┌──────────────┐                  │
│  │ New Signups  │        │ Onboarding % │                  │
│  │   12,450     │        │    68%       │                  │
│  │  ↑ +8% WoW  │        │  ↑ +3% WoW  │                  │
│  └──────────────┘        └──────────────┘                  │
│                                                            │
│  🔄 RETENTION            💰 REVENUE                       │
│  ┌──────────────┐        ┌──────────────┐                  │
│  │ D7 Retention │        │    MRR       │                  │
│  │    35%       │        │  2.4 tỷ VND  │                  │
│  │  ↓ -2% WoW  │        │  ↑ +5% MoM  │                  │
│  └──────────────┘        └──────────────┘                  │
│                                                            │
│  📣 REFERRAL             ⭐ NORTH STAR                    │
│  ┌──────────────┐        ┌──────────────┐                  │
│  │ Viral Coeff. │        │ Weekly Txns  │                  │
│  │    0.8       │        │   85,200     │                  │
│  │  → Stable    │        │  ↑ +12% WoW │                  │
│  └──────────────┘        └──────────────┘                  │
│                                                            │
│  ⚠️ Alert: D7 Retention giảm → check onboarding flow     │
└────────────────────────────────────────────────────────────┘

🔗 Kết nối toàn bộ

Business Metrics trong hành trình DA

Buổi	Kỹ năng	Business Metrics liên quan
Buổi 7-8	Python + Pandas	Thu thập và clean data cho KPI calculation
Buổi 9	EDA	Explore patterns → phát hiện anomaly trong metrics
Buổi 10	Visualization	Visualize funnel, cohort heatmap, KPI trends
Buổi 11	Power BI / Tableau	Build AARRR dashboard, real-time KPI monitoring
Buổi 12	Data Storytelling	Present KPI insights cho stakeholders
Buổi 13	Business Metrics	Biết đo ĐÚNG metric → insight ĐÚNG → action ĐÚNG

Checklist "Business Metrics Literacy"

✅ Hiểu Revenue metrics: GMV, Revenue, AOV, ARPU, MRR, ARR
✅ Hiểu Marketing metrics: CAC, CPA, ROAS, CTR, CVR
✅ Hiểu Customer metrics: LTV, Churn, Retention, NPS
✅ Tính được LTV/CAC ratio và biết interpret
✅ Xây được funnel analysis: từ impression → conversion
✅ Phân tích drop-off: tìm chỗ mất khách lớn nhất
✅ Build cohort retention heatmap
✅ Đọc retention curve: tìm churn cliff
✅ Áp dụng AARRR framework: map metrics cho 5 stages
✅ Xác định North Star Metric cho business
✅ Phân rã metric tree: breakdown high-level KPI
✅ Phân biệt vanity vs actionable metrics

📚 Tài liệu tham khảo

Tài liệu	Tác giả	Nội dung chính
Lean Analytics	Alistair Croll & Ben Yoskovitz	AARRR framework, One Metric That Matters
Measure What Matters	John Doerr	OKR framework, KPI alignment
Hacking Growth	Sean Ellis & Morgan Brown	Growth hacking, North Star Metric
The Lean Startup	Eric Ries	Build-Measure-Learn, actionable metrics
Reforge Growth Series	Reforge	Retention curves, cohort analysis deep dive
a16z Blog	Andreessen Horowitz	Startup metrics benchmarks

🎯 Bài tập và thực hành

Workshop: Tính KPI, xây funnel chart, và tạo cohort heatmap từ dataset e-commerce
Case Study: Phân tích Shopee funnel, Grab cohort, VNPay KPI dashboard
Mini Game: Metric Master — 7 tình huống business, chọn KPI phù hợp
Blog: Câu chuyện Phong — Product DA phát hiện LTV/CAC ratio sụp đổ
Tiêu chuẩn: Balanced Scorecard, AARRR Framework, OKR

📘 Buổi 13: Business Metrics — KPI, Funnel, Cohort ​

🎯 Mục tiêu buổi học ​

📋 Tổng quan ​

📌 Phần 1: KPI & Business Metrics — Ngôn ngữ chung của kinh doanh ​

KPI là gì? Tại sao không phải mọi metric đều là KPI? ​

Revenue Metrics — Đo tiền ​

Marketing Metrics — Đo hiệu quả marketing ​

Customer Metrics — Đo sức khỏe khách hàng ​

Operations Metrics — Đo vận hành ​

📌 Phần 2: Funnel Analysis — Tìm chỗ "rò rỉ" khách hàng ​

Marketing Funnel — AIDA Model ​

Product Funnel — E-commerce Example ​

CRO (Conversion Rate Optimization) — Framework ​

📌 Phần 3: Cohort Analysis — Phân tích nhóm khách hàng theo thời gian ​

Cohort là gì? ​

Retention Cohort Heatmap ​

Retention Curve — Tìm "Churn Cliff" ​

Product-Market Fit Signal ​

📌 Phần 4: AARRR Pirate Metrics — Framework cho Startup & E-commerce ​

AARRR là gì? ​

Chi tiết mỗi giai đoạn ​

Metric Tree — Phân rã metric ​

North Star Metric — 1 KPI để dẫn dắt toàn công ty ​

Dashboard for Stakeholders — AARRR Overview ​

🔗 Kết nối toàn bộ ​

Business Metrics trong hành trình DA ​

Checklist "Business Metrics Literacy" ​

📚 Tài liệu tham khảo ​

🎯 Bài tập và thực hành ​

📘 Buổi 13: Business Metrics — KPI, Funnel, Cohort

🎯 Mục tiêu buổi học

📋 Tổng quan

📌 Phần 1: KPI & Business Metrics — Ngôn ngữ chung của kinh doanh

KPI là gì? Tại sao không phải mọi metric đều là KPI?

Revenue Metrics — Đo tiền

Marketing Metrics — Đo hiệu quả marketing

Customer Metrics — Đo sức khỏe khách hàng

Operations Metrics — Đo vận hành

📌 Phần 2: Funnel Analysis — Tìm chỗ "rò rỉ" khách hàng

Marketing Funnel — AIDA Model

Product Funnel — E-commerce Example

CRO (Conversion Rate Optimization) — Framework

📌 Phần 3: Cohort Analysis — Phân tích nhóm khách hàng theo thời gian

Cohort là gì?

Retention Cohort Heatmap

Retention Curve — Tìm "Churn Cliff"

Product-Market Fit Signal

📌 Phần 4: AARRR Pirate Metrics — Framework cho Startup & E-commerce

AARRR là gì?

Chi tiết mỗi giai đoạn

Metric Tree — Phân rã metric

North Star Metric — 1 KPI để dẫn dắt toàn công ty

Dashboard for Stakeholders — AARRR Overview

🔗 Kết nối toàn bộ

Business Metrics trong hành trình DA

Checklist "Business Metrics Literacy"

📚 Tài liệu tham khảo

🎯 Bài tập và thực hành