Phân khúc trong phân tích di động — định nghĩa, tiêu chí và cách xác định nhóm

Phân khúc người dùng là gì?

Phân khúc người dùng là một phương pháp phân tích chia khán giả thành các nhóm (đoạn) theo các đặc điểm chung để tương tác khác biệt. Không giống phân tích cohort, các phân khúc không bị ràng buộc bởi thời gian — một người dùng có thể thuộc nhiều phân khúc cùng lúc và thay đổi chúng theo hoạt động của họ.

Mục tiêu của phân khúc là thay thế truyền thông đại chúng bằng truyền thông có mục tiêu: gửi thông báo push khác nhau cho người mới và người dùng có kinh nghiệm, hiển thị nội dung khác nhau trên bảng tin và đưa ra ưu đãi được cá nhân hóa. Theo McKinsey (2024), các công ty có phân khúc tiên tiến tăng doanh thu 15–20 % nhờ tương tác được cá nhân hóa.

Các loại phân khúc trong phân tích di động

Phân khúc hành vi

Phân khúc hành vi — chia người dùng theo hành động của họ trong ứng dụng: tần suất khởi chạy, giao dịch đã thực hiện, màn hình đã xem, cấp độ đã hoàn thành. Đây là loại phân khúc có giá trị nhất cho các quyết định về sản phẩm vì nó phản ánh trực tiếp mức độ tương tác. Ví dụ, phân khúc “người dùng trả tiền tích cực” (đã thực hiện 3+ giao dịch trong tháng) là nền tảng cho các chương trình khách hàng thân thiết.

Phân khúc nhân khẩu học

Phân khúc nhân khẩu học — phân nhóm theo giới tính, tuổi, vị trí địa lý, ngôn ngữ và sở thích. Dữ liệu được thu thập qua hồ sơ người dùng, khi đăng ký hoặc qua SDK của các nền tảng phân tích. Phân khúc “người dùng 18–25 tuổi từ Moscow” cho phép điều chỉnh giọng điệu và phong cách trực quan cho khán giả trẻ, trong khi các phân khúc địa lý cho phép triển khai khuyến mãi khu vực địa phương.

Phân khúc kỹ thuật

Phân khúc kỹ thuật — chia theo hệ điều hành, mô hình thiết bị, phiên bản ứng dụng, loại kết nối (Wi-Fi / dữ liệu di động) và dung lượng bộ nhớ. Rất quan trọng đối với kiểm tra hiệu suất: nếu tỷ lệ sự cố trên Android 14 vượt quá 2 %, phân khúc sẽ được cô lập để sửa khẩn cấp. Theo Firebase Blog (2024), các phân khúc kỹ thuật giúp giảm thời gian phát hiện lỗi xuống 40 %.

Phân tích RFM trong phân khúc

Phân tích RFM — phương pháp phân khúc khách hàng dựa trên ba tham số: Recency (thời gian kể từ lần mua cuối), Frequency (tần suất mua hàng) và Monetary (số tiền mua hàng). Mỗi tham số được đánh giá trên thang điểm từ 1 đến 5, trong đó 5 là giá trị cao nhất. Sự kết hợp ba chữ số (R-F-M) xác định loại khách hàng.

Phân khúc 5-5-5 (“ngôi sao”) — những người dùng có giá trị nhất, mua hàng thường xuyên, gần đây và với số tiền lớn. Phân khúc 1-1-1 (“đã mất”) — người dùng đã lâu không mua hàng và chi tiêu ít. Theo Optimove (2024), phân khúc RFM giúp tăng ROI của các chiến dịch tiếp thị lên 30–50 % nhờ nhắm mục tiêu chính xác.

Triển khai phân tích RFM trong hệ thống CRM hoặc nền tảng phân tích của bạn. Xác định chiến lược cho từng phân khúc: giữ chân ngôi sao bằng chương trình khách hàng thân thiết, thu hồi người đã mất bằng khuyến mãi và giáo dục người mới để biến họ thành khách hàng mua lặp lại.

Cách áp dụng phân khúc trong thực tế

Áp dụng phân khúc bắt đầu bằng một giả thuyết: nhóm người dùng nào nên có hành vi khác? Ví dụ, “những người dùng đã thực hiện giao dịch đầu tiên có thể chuyển đổi sang giao dịch thứ hai nhanh hơn với sự khuyến khích phù hợp.” Dựa trên giả thuyết, xác định phân khúc trong nền tảng phân tích của bạn và thiết lập một thử nghiệm.

Bước thứ hai là tích hợp các phân khúc vào các kênh sản phẩm và tiếp thị: thông báo push, chiến dịch email, tin nhắn trong ứng dụng và thử nghiệm A/B. Các nền tảng như Amplitude và Firebase cho phép xuất các phân khúc sang Google Analytics, Adjust và các mạng quảng cáo khác để quảng cáo có mục tiêu.

Bước thứ ba là hiệu chỉnh lặp đi lặp lại. Các phân khúc không tĩnh: sau khi triển khai một chiến dịch, hãy kiểm tra xem hành vi của nhóm có thay đổi không. Nếu một phân khúc không phản ứng với cá nhân hóa, hãy xác định lại tiêu chí hoặc hợp nhất với một phân khúc khác để tăng ý nghĩa thống kê.

Ví dụ thực tế về phân khúc cho các mô hình kinh doanh khác nhau

Các phân khúc khác nhau tùy thuộc vào mô hình kinh doanh của ứng dụng. Đối với thương mại điện tử, phân khúc chính là “người bỏ giỏ hàng” (người dùng đã thêm sản phẩm nhưng không thanh toán). Đối với trò chơi — “người dùng trả tiền” được chia theo mức chi tiêu: cá voi (5 % người chơi hàng đầu tạo ra 50 % doanh thu) và cá nhỏ (mua hàng nhỏ thường xuyên).

Mỗi phân khúc yêu cầu một kịch bản giao tiếp duy nhất. Điều quan trọng là không chỉ xác định phân khúc mà còn thiết lập một đường ống: sự kiện → phân khúc → hành động (push, email, in-app) có độ trễ. Theo Braze (2024), tự động hóa các phân khúc với độ trễ thời gian giúp tăng tỷ lệ chuyển đổi thông báo push lên 40 %. Đo lường hiệu quả của từng phân khúc thông qua chỉ số ROMI (Return on Marketing Investment) — chi phí chiến dịch trên mỗi phân khúc so với doanh thu bổ sung từ người dùng đã kích hoạt. Để tính ROMI chính xác, hãy xem xét không chỉ các chuyển đổi trực tiếp trong tuần đầu tiên mà còn tác động đến LTV và tỷ lệ giữ chân trong vòng 30 ngày sau chiến dịch.

Công cụ phân khúc và ví dụ mã

Để tạo các phân khúc trong Firebase Analytics, hãy sử dụng mã Kotlin bên dưới. Nó gửi một sự kiện với các tham số tùy chỉnh, dựa trên đó các đối tượng và phân khúc được xây dựng trong bảng điều khiển Firebase.

val firebaseAnalytics = Firebase.analytics
val bundle = Bundle().apply {
    putString("user_tier", "premium")
    putInt("purchase_count", 12)
    putString("country", "RU")
}
firebaseAnalytics.logEvent("segment_update", bundle)

Sau khi gửi sự kiện, hãy tạo một đối tượng trong bảng điều khiển Firebase bằng tham số user_tier = “premium” và sử dụng nó để thông báo push có mục tiêu qua Cloud Messaging.

Phân khúc hành vi: phân tích chuyên sâu

Phân khúc hành vi đáng được quan tâm đặc biệt vì nó cung cấp bức tranh chính xác nhất về mức độ tương tác của người dùng. Không giống các thuộc tính nhân khẩu học, hành vi phản ánh trực tiếp giá trị mà người dùng nhận được từ sản phẩm. Các chỉ số hành vi chính cho phân khúc: tần suất khởi chạy (hoạt động hàng ngày / hàng tuần / hàng tháng), độ sâu phiên (thời gian và số lượng màn hình), các hành động mục tiêu đã hoàn thành và lịch sử mua hàng.

Để xây dựng các phân khúc hành vi, hãy sử dụng kết hợp các hành động và cửa sổ thời gian. Ví dụ: phân khúc “ngủ nhưng có giá trị” — người dùng không đăng nhập trong 14 ngày nhưng đã thực hiện 2+ giao dịch trong 30 ngày trước đó. Phân khúc này có tiềm năng tái kích hoạt cao thông qua tiếp thị lại. Theo Clevertap (2024), các chiến dịch nhắm mục tiêu vào phân khúc “ngủ có giá trị” cho thấy ROI 6:1 nhờ khả năng thanh toán đã được xác nhận của khán giả.

Các phân khúc hành vi cũng được chia theo giai đoạn vòng đời: mới (0–7 ngày), tích cực (7–30 ngày), trưởng thành (30–90 ngày) và đã rời bỏ (90+ ngày). Xác định KPI và kịch bản tương tác cho từng giai đoạn. Ví dụ, đối với người dùng mới, ưu tiên hành trình giới thiệu và hành động mục tiêu đầu tiên; đối với người dùng trưởng thành, tập trung vào giữ chân và bán thêm. Tự động hóa việc chuyển tiếp người dùng giữa các giai đoạn thông qua các sự kiện webhook trong hệ thống CRM hoặc CDP. Sử dụng giới hạn tốc độ: không gửi quá một tin nhắn mỗi ngày để tránh gây rời bỏ do thư rác. Theo Braze (2024), các phân khúc có giới hạn tần suất giao tiếp cho thấy tỷ lệ giữ chân cao hơn 25 % nhờ giảm sự mệt mỏi với thông báo push.

Lỗi phân khúc thường gặp

Lỗi thứ nhất — phân khúc quá nhỏ. Một phân khúc 50 người dùng không có ý nghĩa thống kê: bất kỳ thử nghiệm A/B nào cũng có biên sai số trên 30 %. Kích thước phân khúc tối thiểu để có kết luận đáng tin cậy là 500 người dùng. Nếu một phân khúc quá nhỏ, hãy hợp nhất nó với các phân khúc lân cận.

Lỗi thứ hai — phân khúc chồng chéo mà không xem xét ưu tiên. Một người dùng có thể đồng thời là “người mới” và “người trả tiền.” Xác định hệ thống phân cấp phân khúc để chiến dịch cho “người mới” không ghi đè lên chiến dịch cho “người trả tiền.” Theo Amplitude (2024), 35 % nhóm mất chuyển đổi do các quy tắc phân khúc xung đột.

Lỗi thứ ba — chỉ sử dụng dữ liệu nhân khẩu học mà không có dữ liệu hành vi. Giới tính và tuổi mà không xem xét các hành động trong ứng dụng chỉ mang lại bức tranh bề mặt. Kết hợp nhân khẩu học với hành vi: phân khúc “phụ nữ 25–35 tuổi đã thực hiện 2+ giao dịch” hiệu quả hơn chỉ “phụ nữ 25–35 tuổi.”