Freemium

Định nghĩa

Freemium là sự kết hợp của từ "free" (miễn phí) và "premium" (cao cấp). Đây là một mô hình kinh doanh khá đặc biệt liên quan đến việc cung cấp cho khách hàng cả dịch vụ miễn phí và dịch vụ tính phí. Công ty cung cấp các dịch vụ cơ bản ban đầu miễn phí cho mọi người dùng thử; đồng thời cung cấp các dịch vụ cao cấp hơn hoặc các tính năng bổ sung.

Ý tưởng về mô hình kinh doanh Freemium được hình thành vào khoảng tháng 3/2006 bởi Fred Wilson, thời kỳ mà lợi nhuận được tạo ra từ quảng cáo trên các website đã giảm đi đáng kể, vì vậy freemium được sử dụng như một giải pháp thay thế đáng tin cậy.

Đặc điểm của mô hình kinh doanh Freemium

Theo mô hình Freemium, một doanh nghiệp cung cấp dịch vụ miễn phí cho người tiêu dùng như một cách để thiết lập nền tảng cho các giao dịch trong tương lai. Bằng cách cung cấp các tính năng cấp cơ bản của phần mềm trò chơi hoặc dịch vụ miễn phí, các công ty xây dựng mối quan hệ với khách hàng, để rồi cuối cùng cung cấp cho họ các dịch vụ tiên tiến, tiện ích bổ sung, xóa bỏ giới hạn lưu trữ hoặc giới hạn sử dụng, nâng cao hoặc trải nghiệm người dùng, hoặc loại bỏ quảng cáo - với một mức phí.

- Thứ nhất, đảm bảo chất lượng cho các sản phẩm được cung cấp miễn phí theo những gì mọi người mong muốn. Điều kiện quan trọng nhất để xây dựng được mô hình freemium thành công là phải có một sản phẩm tuyệt vời mà khách hàng muốn. Nếu các sản phẩm miễn phí không có giá trị thì mô hình freemium của bạn sẽ không chạy được. Ví dụ như thay vì chỉ cung cấp một đoạn nhạc thì hãy cho khách hàng download miễn phí cả một album, hoặc thay vì chỉ cho khách hàng xem thử các bảng tính thì hãy cho họ tải miễn phí các công cụ để thực hiện bảng tính đó.

- Thứ hai, các sản phẩm miễn phí có thể được nhân bản một cách số hóa. Chỉ có một tỷ lệ phần trăm rất nhỏ các khách hàng sử dụng sản phẩm miễn phí sẽ thật sự mua một thứ gì đó. Vì vậy để có thể thu được lợi nhuận thì chi phí phân phối các sản phẩm miễn phí phải là rất nhỏ. Việc nhân bản số hóa sẽ giúp bạn hầu như không tốn chi phí nào để sao chép và phân phối.

- Thứ ba, có thể tiếp cận một số lượng lớn người dùng. Mô hình freemium hoạt động dựa trên nguyên tắc tạo ra sự chú ý rộng rãi với các sản phẩm miễn phí, và sau đó bán các sản phẩm hoặc dịch vụ cao cấp cho một vài người trong số những người đã sử dụng các sản phẩm miễn phí. Trong hầu hết các trường hợp thì chỉ có một tỷ lệ rất nhỏ trong số các người dùng miễn phí sẽ mua các sản phẩm nâng cấp, nhưng đó không phải là vấn đề, miễn nó là một phần nhỏ của một số lượng lớn.

Bên cạnh đó, để xây dựng thành công mô hình freemium có 2 phương thức: thích ứng với mô hình kinh doanh và đảm bảo việc phân phối các sản phẩm miễn phí một cách rộng rãi. Đầu tiên là việc xây dựng mô hình kinh doanh thích hợp. Nếu như sản phẩm miễn phí của bạn thật sự là một sản phẩm chất lượng phù hợp với mong muốn của người dùng thì nó sẽ thu hút nhiều sự chú ý. Để mô hình mang lại lợi nhuận thì bạn phải tạo ra những sản phẩm nâng cao phù hợp để có thể tạo ra lợi nhuận từ sự chú ý ban đầu của người dùng. Tiếp đến là việc phân phối. Có một logic kinh tế đằng sau mô hình freemium là “Một khi việc cung cấp các sản phẩm miễn phí tăng lên thì nhu cầu với các sản phẩm cao cấp cũng tăng lên”.

Internet & Web 2.0

Internet đã phát triển từ một công cụ truyền thông trở thành một nền tảng tạo ra giá trị dịch vụ và cho phép doanh nghiệp và người dùng tương tác theo những phương thức mới. Mô hình Freemium hình thành và phát triển nhờ sự phổ biến của máy tính và mạng internet khi các công ty tiến hành sản xuất và phân phối sản phẩm của mình một cách trực tuyến khiến cho chi phí biên gần như bằng 0

Đây cũng là một trong những mô hình kinh doanh đặc trưng của Web 2.0. Từ những năm 1980, Freemium đã trở thành một chiến thuật với nhiều công ty phần mềm khi họ bắt đầu cho ra mắt một sản phẩm hoặc tính năng mới nên muốn cố gắng thu hút người dùng biết đến và trải nghiệm phần mềm hoặc dịch vụ của họ. Họ cung cấp các chương trình cơ bản miễn phí cho người tiêu dùng dùng thử, nhưng hạn chế các chức năng. Theo đó, dùng thử miễn phí có thể được coi là một chiến lược bán hàng nhưng không phải là toàn bộ mô hình kinh doanh. Để có được trải nghiệm đầy đủ, khách hàng phải nâng cấp và trả phí. Nó cũng là một mô hình phổ biến cho các công ty trò chơi video game. Tất cả mọi người đều được chào đón chơi trò chơi miễn phí, nhưng các tính năng đặc biệt và cấp độ nâng cao hơn chỉ được mở khóa khi người dùng trả tiền cho chúng.

Hai thuật ngữ thường bị nhầm lẫn là điện toán đám mây và Web 2.0. Điện toán đám mây chuyển dữ liệu được lưu trữ và xử lý trên máy tính cục bộ của bạn sang một máy chủ bên ngoài. Điều này cho phép tất cả mọi người truy cập các nguồn tài nguyên chung trên bất kỳ máy tính và thiết bị nào, khi đó người dùng có thể dễ dàng tiếp cận và thử nghiệm các sản phẩm và dịch vụ mới mà không tốn phí. Đây chính là điều kiện đầu tiên của mô hình Freemium: các sản phẩm, dịch vụ tiếp cận đến một số lượng lớn người dùng. Web 2.0 là một khái niệm của dịch vụ Internet và web mới nơi mà người dùng tham gia vào việc cung cấp, sáng tạo và phát triển nội dung thông qua các trang web video, hình ảnh, blog và các trang tin tức xã hội...

Các công  ty đặc trưng cho Web 2.0 có một số đặc điểm cốt lõi:

- Đầu tiên, cung cấp Phần mềm dưới dạng dịch vụ (SaaS).

- Thứ hai, kiểm soát các nguồn dữ liệu riêng biệt có giá trị của tăng thêm tỉ lệ thuận với số lượng người sử dụng.

- Thứ ba, coi người dùng như là nhà đồng phát triển đóng góp nội dung hoặc cung cấp thông tin phản hồi có giá trị.

- Thứ tư, khai thác nguồn dữ liệu của cộng đồng người sử dụng.

- Thứ năm, áp dụng nguyên tắc “chiếc đuôi dài” thông qua các dịch vụ tự phục vụ khách hàng, phân cấp dữ liệu người dùng và xây dựng một bộ quy tắc chung  cho phép những người tham gia tiếp cận toàn bộ tài nguyên.

- Thứ sáu, cung cấp phần mềm có sẵn trên nhiều thiết bị.

Những dịch vụ áp dụng chiến lược Freemium

Evernote

Evernote là phần mềm hiệu suất cá nhân tiên phong được tạo ra để giải quyết một vấn đề ngày càng lớn do chính công nghệ tạo ra: làm thế nào để thành công trong một thế giới nơi mà thông tin phát triển nhanh chóng không ngừng. Hơn 225 triệu người khắp thế giới đã biết đến Evernote và sử dụng Evernote bằng 25 thứ tiếng mỗi ngày.

Tận dụng khả năng lan truyền của mô hình Freemium, Evernote không cần tiêu tốn chi phí vào những chiến dịch quảng cáo hoành tráng, ko cần làm SEO hay SEM, ko cần mua cài đặt từ bên thứ 3, tất cả đều dựa vào truyền miệng: hiệu ứng tất yếu của những sản phẩm tốt và miễn phí. CEO Phil Libin của Evernote khẳng định: “Họ không tiêu tiền vào việc kiếm người dùng.” Evernote chỉ mất 446 ngày để có 1 triệu người dùng đầu tiên, 222 ngày để có 2 triệu người dùng, 133 ngày để có 3 triệu,..và 52 ngày để có từ 5 lên 6 triệu người dùng.

Các thủ thuật tăng lượng người dùng, conversion rate và retention rate:

- Ngày iphone Appstore chính thức ra mắt (2008) thì cũng là lúc Evernote lên sàn. Một sự may mắn mà chính CEO Phil Libin cũng thừa nhận. Evernote nghiễm nhiên nằm trong top các ứng dụng trên trang chủ trong những ngày đầu và đã có hàng triệu người dùng cài đặt. Sau này cứ mỗi khi có thông tin về một nền tảng hoặc thiết bị nào đó sắp ra mắt, đội ngũ Evernote lại làm việc ngày đêm để kịp thời hạn cho ra đời phiên bản phù hợp với nền tảng/thiết bị đó. Bằng cách này, họ kiếm được hàng triệu người dùng mà chẳng mất nhiều tiền quảng bá.

- Sản phẩm của Evernote tự nó đã là một thứ khiến người ta truyền miệng lẫn nhau. Tăng trưởng người dùng đều đặn và ấn tượng trong thời gian đầu là minh chứng cho điều đó. Những phản ứng hóa học sẽ xảy ra nhanh hơn nếu dùng chất xúc tác. Tương tự, sự truyền miệng cũng cần một “enzim” nào đó, và thế là Evernote referral program ra đời. Cứ giới thiệu được 1 người bạn dùng Evernote sẽ được nhận điểm thưởng, từ đó đổi ra những phần thưởng như 12 sử dụng premium, 1GB dữ liệu được upload hàng tháng, vé đến tham dự Evernote Conference hoặc 1 bữa ăn trưa với Evernote team. Bản thân người bạn được giới thiệu cũng được 1 tháng dùng premium.

- Một chương trình khác của Evernote là Community Ambassador, lựa chọn đại sứ là những chuyên gia ở nhiều lĩnh vực khác nhau như fitness, entrepreneur, cookings, marketing, tech… Họ tình nguyện giới thiệu, hướng dẫn cách tận dụng Evernote để tối ưu hiệu quả công việc. Họ là những CEO, expert có sức ảnh hưởng trong lĩnh vực của mình. Tất nhiên, đổi lại họ được miễn phí dùng bản premium.

- Để tăng conversion rate và retention rate, Evernote chứng minh cho người dùng thấy giá trị lâu dài của mình và khiến họ càng ngày càng phụ thuộc. Đồng bộ hóa Evernote trên các thiết bị, tạo ra evernote extension trên trình duyệt, evernote web clipper cho máy tính – là những cách mà Evernote khiến người dùng phải nhớ đến mình dù cho họ có ở bất cứ đâu.

Spotify

Spotify là một nền tảng phát nhạc trực tuyến trên website và trên thiết bị di động (streaming service). Với thư viện gồm 40 triệu bài hát, Spotify gợi ý âm nhạc phù hợp với xu hướng nghe hiện tại của người dùng, cho phép người dùng quản lý danh sách bài hát (playlist) và theo dõi bạn bè.

Spotify cho ra đời 2 phiên bản: miễn phí (freemium) và trả phí (premium). Bản trả phí không bao gồm quảng cáo và người dùng bản này sẽ có khả năng tự chọn nghe từng bài hát, trong khi với bản miễn phí, bạn chỉ có thể nghe các playlist đã soạn sẵn, gặp quảng cáo dưới dạng audio và gặp một số hạn chế trong việc chuyển bài hát kế tiếp.

Câu chuyện của Spotify diễn ra rất thuận lợi: người dùng nhanh chóng quen với mô hình sản phẩm, thích thú với tính năng gợi ý bài há, lượng người tải ứng dụng tăng nhanh trong thời gian tương đối ngắn; với phiên bản miễn phí gần như đầy đủ tính năng, Spotify đã chiếm trọn cảm tình của khách hàng và nhanh chóng đạt được số lượt tải đáng ngưỡng mộ. Tưởng chừng thành công này sẽ là bước đệm để những những dùng thử nâng cấp lên phiên bản Premium của Spotify. Nhưng thực tế là người dùng không sẵn sàng chi trả để nâng cấp lên phiên bản đích mà đội ngũ phát triển Spotify mong muốn. Thêm vào đó, dịch vụ nghe nhạc trực tuyến còn rất mới lạ và phải cạnh tranh với các đổi thủ mạnh khác như Apple Music, Google Music, Tidal,... Các đối thủ của Spotify với lợi thế ra đời sớm, kho nhạc bản quyền phong phú, chất lượng nghe nhạc cao,...

Chìa khóa cho việc tăng lượng thuê bao trả phí của Spotify đó là chiến lược nâng cao chất lượng sản phẩm, gia tăng sự khác biệt cho bản trả phí, thuyết phục người dùng rằng chi phí bỏ cho phiên bản cao cấp này là hoàn toàn xứng đáng, họ sẽ thấy được sự khác biệt rõ ràng so với phiên bản miễn phí và không ngần ngại nâng cấp. Spotify sử dụng phân tích dữ liệu, khai thác hồ sơ người dùng, cá nhân hóa trải nghiệm khách hàng để cho ra đời các tính năng mới cho bản trả phí và thực hiện chiến lược gồm 4 hoạt động chính sau:

• Sắp xếp lại kho nhạc, dự đoán bài hát và playlist phù hợp kế tiếp nhằm tối ưu hóa trải nghiệm người dùng:

- Sử dụng thuật toán dựa trên máy học dữ liệu (machine learning): phân tích các bài hát trong một danh sách phát nhất định và cố gắng dự đoán âm nhạc sẽ đến tiếp the

- Tối ưu UX-UI của menu phát nhạc: vị trí menu, các nút, thanh điều khiển, các tab, các pop-up,... được thiết kế hợp lý và thân thiện nhất với trải nghiệm của người dùng.

- Tạo ra tính năng chuyển bài hát giới hạn (limited skip): Ở bản trả phí, bạn có thể nghe tùy ý từng bài hát trong danh sách nhạc theo sở thích của mình, trong khi đó, với phiên bản miễn phí, bạn chỉ có thể nghe ngẫu nhiên từ một danh sách. Điều này thôi thúc cảm giác muốn sử dụng bản trả phí từ phía người dùng.

• Cá nhân hóa các danh sách phát: tạo ra các thuật toán để tối ưu âm nhạc gợi ý hiện lên từ menu chính của bạn đến các danh sách nhạc được quản lý như Discover Weekly (Danh sách khám phá hàng tuần). Spotify liên tục thử nghiệm các cách mới để hiểu tại sao mọi người nghe một bài hát hoặc một thể loại nhạc qua một tập hợp các bài hát khác.
• Chiến lược bản địa hóa (Localization):

- Tạo ra các danh sách phát phù hợp với khu vực người dùng sinh sống nhằm cung cấp các trải nghiệm âm nhạc phong phú đặc trưng theo từng vùng miền

- Sử dụng mã code trên các danh sách phát được thiết kế dựa trên các danh sách phát đã được chia sẻ ở mỗi khu vực. Spotify Codes giúp người dùng chia sẻ playlist của mình với bạn bè, đồng thời định vị vị trí của họ để các mục tiêu quảng cáo được thiết lập chuẩn hơn

- Để tạo sự khác biệt và thu hút người dùng sử dụng phiên bản trả phí, Spotify đưa ra chính sách: khi đi du lịch nước ngoài (không phải quê hương của bạn), Spotify phiên bản miễn phí sẽ không còn khả dụng. Bạn sẽ cần mua gói nhạc kéo dài 14 ngày cho chuyến đi của mình nhắm vào tệp người dùng “nghiện” du lịch (travelholic) số lượng lớn, khả năng sẵn sàng chi trả cao, nhu cầu khám phá địa phương cao

• Xây dựng các chiến dịch kết nối nghệ sĩ địa phương với người dùng:

- Phát triển một chiến lược ủng hộ và nâng đỡ các nghệ sĩ địa phương nhằm tạo ra kết nối không chỉ về lãnh thổ mà còn về tư duy âm nhạc giữa người nghe và người làm nhạc.

- Quảng cáo âm nhạc địa phương trên phương tiện công cộng, sân bay, quán bar, quán cà phê địa phương hoặc gần các điểm du lịch nổi tiếng giúp quảng bá các nghệ sĩ đến với công chúng của họ, tăng nhận thức âm nhạc địa phương cũng như nhận thức về Spotify tại địa điểm đó

Với nỗ lực của mình, Spotify đã đạt được tỉ lệ chuyển đổi mô hình Freemium đáng kinh ngạc là 26.6% - lớn hơn rất nhiều con số 4% - đã được coi là tỉ lệ chuyển đổi cao của sản phẩm SaaS. Trong số 75 triệu người dùng hàng tháng, 20 triệu người đang trả tiền cho dịch vụ này.

Phân khúc người dùng

Dữ liệu Nhân khẩu học

Doanh nghiệp có thể có được những thông tin về nhân khẩu khách hàng ngay khi họ thiết lập tương tác với sản phẩm lần đầu tiên và cho phép doanh nghiệp nắm được những thông tin cơ bản của người dùng.

Một số khu vực địa lý nhất định không nằm trong vùng sinh lợi thích hợp cho sản phẩm Freemium, đặc biệt là khi những sản phẩm Freemium vốn dĩ không nhắm tới khai thác các khu vực đó. Tương tự như vậy, định giá và sự lưu hành tiền tệ giữa các thiết bị khác nhau và nền tảng sản phẩm khác nhau. Thông tin nhân khẩu của người dùng có thể đóng góp insight hữu ích về xu hướng tiêu dùng giúp doanh nghiệp phát triển mô hình Freemium.

Nơi ở là thông tin nhân khẩu cơ bản nhất có thể truy cập trên hầu hết mọi nền tảng, được sử dụng để ước tính thu nhập khả dụng và các chuẩn mực ngôn ngữ - văn hóa có thể ảnh hưởng đến cách sử dụng sản phẩm.

Chất lượng của các thiết bị mà khách hàng đang sử dụng cũng thể hiện thu nhập khả dụng khả năng chi tiêu cho một sản phẩm freemium, mặc dù tín hiệu này yếu hơn một số chỉ số hành vi.

Dữ liệu nhân khẩu học có thể trở nên hữu ích hơn khi ở những mức độ sâu hơn, chẳng hạn như khi người dùng đã kết nối với sản phẩm thông qua mạng xã hội API và doanh nghiệp thu được dữ liệu hành vi của người dùng từ mạng đó. Những thông tin mà doanh nghiệp thu thập ngay từ ban đầu về nhân khẩu khách hàng - tuổi, giới tính, trình độ học vấn, việc làm… có thể kết hợp với dữ liệu hành vi để mô phỏng thị hiếu người dùng.

Mạng xã hội cũng cung cấp thông tin về bạn bè khách hàng và cho biết họ có đang sử dụng sản phẩm hay không. Những người bạn đó cũng là thị trường mục tiêu của các sản phẩm freemium, đặc biệt nếu họ đã từng mua sản phẩm.

Dữ liệu nhân khẩu học rất rộng và khó đưa ra kết luận cụ thể và có xu hướng ít thay đổi cùng với sự phát triển của sản phẩm, trong khi dữ liệu hành vi sẽ tự động điều chỉnh theo các tính năng mới được giới thiệu và cải tiến của sản phẩm. Do đó, dữ liệu nhân khẩu học nên kết hợp với dữ liệu hành vi để có thể cung cấp các ​​phân tích có giá trị cho quá trình nâng cấp và cải tiến sản phẩm.

Bởi vì thông tin về cách thức người dùng tương tác với sản phẩm có giá trị hơn nhiều so với thông tin về họ nên khai thác dữ liệu nhân khẩu hiệu quả nhất khi kết hợp với dữ liệu hành vi.

Dữ liệu Hành vi

Dữ liệu hành vi là hình thức hiểu biết phong phú nhất về insight mà nhóm sản phẩm có thể tối ưu hóa trải nghiệm ở cấp độ cá nhân. Các phân khúc người dùng khác nhau sẽ cung cấp những dữ liệu hành vi khác nhau, ví dụ trong nhóm người dùng “tham gia” ta có thể phân ra 2 loại là khách hàng trung thành lâu dài và những người sẽ rời bỏ sản phẩm. Với phân khúc như vậy, nhóm sản phẩm phải cải tiến và giới thiệu các tính năng sản phẩm khác nhau để giữ chân người dùng tham gia hoặc để họ mời bạn bè trải nghiệm dịch vụ. Phản hồi định tính từ người dùng rất hữu ích trong quá trình phát triển sản phẩm.

Một tính năng sản phẩm mới có thể phá vỡ các mô hình sử dụng và sử dụng các điểm phá vỡ đó như ngưỡng phân loại các nhóm người dùng tương ứng. Mục đích của việc phân khúc người dùng dựa theo hành vi là để thiết lập hành vi trong tương lai, mà chỉ có thể được thực hiện tốt nhất với cách tiếp cận chi tiết, riêng lẻ, cá nhân hóa.

“Điểm chuyển tiếp” rất hữu ích trong việc thiết lập mục tiêu cho tác động của hành vi và xác định phân khúc người dùng.

Điểm chuyển tiếp là một thước đo điểm mà tại đó người dùng có khả năng đạt được kết quả mong muốn sau này - chuyển đổi, giữ lại, mời bạn bè trải nghiệm sản phẩm. Một ví dụ về điểm chuyển tiếp trong sản phẩm freemium về đọc tin tức có thể là số lượng nguồn cấp dữ liệu được đăng ký, nơi nhóm sản phẩm có thể quan sát thấy rằng người dùng đăng ký ít nhất 10 nguồn cấp dữ liệu có nhiều khả năng sẽ nâng cấp lên dịch vụ Premium  hơn người đăng ký ít hơn 10 nguồn cấp dữ liệu. Nói cách khác, nguồn cấp tin tức thứ 10 chính là một ngưỡng chuyển đổi.

Trong mô hình kinh doanh freemium, các tầng kinh doanh bắt đầu với một cấp "miễn phí"

Dữ liệu freemium

Mô hình sản phẩm khả thi tối thiểu (Minimin Viable Product - MVP)

Mô hình sản phẩm khả thi tối thiểu là một kĩ thuật phát triển một sản phẩm mới với các tính năng đáp ứng những tập người dùng, sau đó trải qua nhiều lần sửa đổi, cải tiến và bổ sung theo feedback từ những người dùng ban đầu mới cho ra thiết kế cuối cùng hay đưa sản phẩm ra phục vụ tập khách hàng

Mô hình phát triển theo vòng lặp: “Build-Measure-Learn":

• Build: Xây dựng một bản MVP với những tính năng cốt “xương sống” lõi và cơ bản nhất, ít bị loại bỏ trong tương lai, mức độ về kỹ thuật nằm trong khả năng của team phát triển và trong phạm vi ngân sách giới hạn ban đầu.
• Measure: Đánh giá tính khả dụng và tính thực tiễn để dự đoán rủi ro và biết được dự án đang đi đúng hướng hay không, cần điều chỉnh, đeo bám sản phẩm bằng chiến lược kinh doanh như nào.
• Learn: học hỏi, kiểm chứng xem những thay đổi nào là cần thiết, cần bổ sung, loại bỏ thêm trong bản MVP tiếp theo.

Số liệu khả thi tối thiểu (Minimum Viable Metrics - MVM)

Dữ liệu về hành vi người tiêu dùng rất quan trọng cho vòng lặp chuyển đổi freemium MVP hiệu quả. Để phương pháp MVP hoạt động, các nhà phát triển phải có bộ số liệu khả thi tối thiểu (bộ MVM) được theo dõi từ khi ra mắt MVP và được cải tiến liên tục thông qua chiến lược.

MVM có thể được chia thành bốn loại: Retention (duy trì), Monetization (dòng tiền), Engagement (Gắn kết), and Virality (Lan truyền).  Mặc dù mỗi loại số liệu đóng góp vào "bức tranh sức khỏe tổng thể sản phẩm" nhưng duy trì là nhóm số liệu quan trọng nhất.

Làm việc với số liệu trong mô hình Freemium

Nhà khoa học dữ liệu (Data Scientist)

Nhà khoa học dữ liệu (Data scientist) sử dụng công nghệ phát triển thuật toán để tìm giải pháp cho các vấn đề phức tạp, phân tích và tổng hợp các tập dữ liệu để tìm ra các thông tin như thói quen và sở thích của người tiêu dùng, tìm ra xu hướng bán hàng của một dòng sản phẩm cụ thể, tìm ra các insight, xu hướng phức tạp trong một tập dữ liệu khổng lồ, từ đó sử dụng trực tiếp để cải tiến sản phẩm.

Nhà phân tích (Analytist)

Nhà phân tích (Analytist) tập trung tối ưu hóa doanh thu hướng tới quản lý insight nói chung, trực quan hóa dữ liệu, xây dựng dashboards, KPI, có cái nhìn chi tiết về kinh doanh để xây dựng lên các báo cáo dữ liệu khác nhau để làm rõ hơn bức tranh kinh doanh, giúp doanh nghiệp đưa ra quyết định sáng suốt.

Kỹ sư dữ liệu (Data Engineer)

Kỹ sư dữ liệu (Data Engineer) duy trì back-end và thư viện sự kiện để đảm bảo tính sẵn sàng của dữ liệu thô, quản lý cơ sở hạ tầng kho dữ liệu của sản phẩm, đảm bảo dữ liệu thống nhất, chính xác và được tổng hợp theo logic kinh doanh được xác định bởi nhà phân tích.

Số liệu duy trì (Retention)

Số liệu duy trì là thước đo sự quay lại của người dùng đối với một dịch vụ nhất định. Tỷ lệ duy trì thường được tính toán và thể hiện cho một ngày cụ thể và được tổng hợp qua một phân khúc cơ sở người dùng theo ngày kể từ khi những người dùng đó lần đầu tiên tương tác với sản phẩm. Bảng dashboard có thể hiển thị các giá trị cho các số liệu duy trì ngày 1, ngày 3, ngày 7 và ngày 14 của sản phẩm, tương ứng với tỷ lệ phần trăm người dùng quay lại sản phẩm một, ba, bảy và mười bốn ngày sau khi tương tác với sản phẩm đó  lần đầu tiên.

Ở cấp độ người dùng, số liệu duy trì là chỉ dẫn nhị phân (đúng / sai) về việc người dùng có quay lại sản phẩm một số ngày cụ thể sau lần đầu tiên sử dụng hay không.  Ví dụ: nếu người dùng lần đầu tương tác với sản phẩm vào Thứ Hai và quay lại vào ngày hôm sau, thì giá trị duy trì của người dùng Ngày 1 sẽ là đúng (hoặc 1).  Nếu người dùng không quay trở lại vào Thứ Tư nhưng đã quay lại vào Thứ Năm, thì giá trị duy trì của ngày 2 sẽ là sai (hoặc 0) và giá trị duy trì của ngày 3 sẽ là đúng (hoặc 1).  

Ở cấp độ sản phẩm, số liệu duy trì được tổng hợp trên cơ sở người dùng được tính bằng cách:

Số liệu duy trì được tính bằng tổng số người dùng lần đầu sử dụng sản phẩm ngày hôm qua và quay lại ngày hôm nay chia cho tổng số người dùng sử dụng sản phẩm lần đầu tiên vào ngày hôm qua. Một số liệu duy trì nên được quy cho ngày mà người dùng tương tác đầu tiên với sản phẩm.

Các số liệu cơ bản

Các số liệu cơ bản nhất liên quan đến duy trì là người dùng mới hàng ngày (daily new users - DNU) và người dùng hoạt động hàng ngày (daily active users - DAU)

Người dùng mới thường được định nghĩa là người dùng lần đầu tiên tương tác với sản phẩm.  Mức độ hoạt động thể hiện sự tương tác có thể khác nhau giữa các nền tảng;  ví dụ đối với ứng dụng di động, điểm tương tác đầu tiên có thể được xác định là tải xuống ứng dụng ban đầu, nhưng đối với ứng dụng web, tương tác đầu tiên có thể được xác định là sự kiện cụ thể diễn ra sau khi đăng ký.  DAU được định nghĩa là số lượng người dùng tương tác với sản phẩm vào một ngày nhất định;  như với DNU, định nghĩa về sự tương tác được để lại theo quyết định của nhóm sản phẩm.  

Tỉ lệ rời đi (Churn rate) được định nghĩa là tỉ lệ người dùng đã rời khỏi sản phẩm được tính trong một khoảng thời gian cụ thể và dự kiến ​​sẽ không quay lại.  Tỉ lệ rời đi tính bằng cách chia số lượng khách hàng đã mất đi trong khoảng thời gian cụ thể cho số lượng khách hàng bạn có vào đầu khoảng thời gian đó.

Theo dõi số liệu duy trì

Việc tính toán các số liệu duy trì phụ thuộc nhiều vào cách xác định tương tác sản phẩm: định nghĩa là bắt đầu của bất kỳ phiên sử dụng nào, bất kể độ dài hoặc chất lượng của phiên hoặc yêu cầu phải đăng nhập hoặc tiến triển qua một số điểm trong giao diện người dùng thì mới được tính là tương tác.  Khi một tương tác sản phẩm đã được xác định, việc theo dõi các số liệu duy trì khá đơn giản.

Tiền tệ hóa (Monetization)

Số liệu chuyển đổi (Conversion)

Số liệu chuyển đổi thường được trình bày dưới dạng phần trăm người dùng đã mua hàng vào một ngày cụ thể hoặc trong suốt vòng đời của sản phẩm.  Trong mô hình freemium, tỷ lệ chuyển đổi thường cực kỳ thấp theo quy tắc 5% -  tỷ lệ phần trăm người dùng có thể trực tiếp đóng góp doanh thu là 5% hoặc ít hơn. Chuyển đổi không phải là một dạng số liệu đơn giản .  Điều này là do nhiều sản phẩm freemium thu hút doanh thu từ hai nguồn: quảng cáo và mua chức năng cao cấp.  Doanh thu quảng cáo làm "rối loạn" định nghĩa của người dùng đã chuyển đổi, vì  nếu chuyển đổi được coi đơn giản là quá trình đóng góp doanh thu cho sản phẩm freemium, thì xem quảng cáo là một phương tiện chuyển đổi.  Nhưng hành động hiển thị quảng cáo cho người dùng có thể có tác động tiêu cực đến khả năng đóng góp doanh thu cho sản phẩm freemium đó thông qua việc mua trực tiếp chức năng cao cấp, đó là định nghĩa chuyển đổi truyền thống hơn.

Một số sản phẩm freemium không hiển thị quảng cáo cho người dùng cho đến khi những người dùng đó được coi là không thể chuyển đổi theo nghĩa truyền thống, quảng cáo đó là một phương thức kiếm tiền từ những người dùng sẽ không chuyển đổi.  Theo đuổi chiến lược này, phân loại xem quảng cáo dưới dạng một hình thức chuyển đổi sẽ dẫn đến tỷ lệ chuyển đổi "ảo".  Xem quảng cáo không nên được coi là một hình thức chuyển đổi trong số liệu freemium.  

Khi quảng cáo đại diện cho một dòng doanh thu mà không hề ảnh hưởng đến sản phẩm freemium và khả năng kiếm tiền của người dùng tương tác cao, thì đó thực sự là một kỹ thuật tối ưu hóa doanh thu. Vấn đề triển khai quảng cáo vào sản phẩm freemium có thể gián tiếp ảnh hưởng tiêu cực đến việc "kiếm tiền" từ những người dùng có mức độ tương tác cao: gây ác cảm với những người chưa thực hiện việc mua nhưng có thể trở thành người dùng tương tác cao, những người ủng hộ sản phẩm nhưng khả năng chi trả bị giới hạn. Ủng hộ sản phẩm có thể xảy ra một cách ngẫu nhiên và độc lập với mô hình chi tiêu;  hiệu ứng này được khuếch đại bởi các đặc tính lan truyền của các mạng xã hội hiện đại và các kênh truyền thông xã hội, trong đó một minh chứng của người dùng có ảnh hưởng có thể đóng góp doanh thu chung.

Người dùng không trả tiền (non-paying users NPU), nên được "trân trọng" trong mô hình sản phẩm freemium, vì họ không chỉ đại diện cho một phần quy mô để đạt được mô hình tối ưu hóa trong sản phẩm freemium, họ cũng có thể đóng vai trò là "đại sứ" sản phẩm, giới thiệu thông qua các kênh xã hội hoặc kênh khác đến người dùng tương tác cao - những người có thể đóng góp vào dòng doanh thu của sản phẩm.  

Do đó, tỷ lệ chuyển đổi nên được tính bằng số người dùng thực hiện thanh toán trực tiếp trong sản phẩm chia cho tổng số người dùng. Tỷ lệ chuyển đổi có giá trị khi được tính theo thời gian tồn tại của sản phẩm nhưng cũng cần được báo cáo hàng ngày để làm nổi bật các thay đổi theo thời gian.

Số liệu doanh thu

Số liệu doanh thu thể hiện qua mức độ chi tiêu thông qua mua hàng trực tiếp trong sản phẩm.  Điều này được thể hiện rõ nhất thông qua doanh thu trung bình trên mỗi người dùng (average revenue per user - ARPU) và doanh thu trung bình trên mỗi người dùng trả tiền (average revenue per paying user- ARPPU). ARPU là thước đo trung bình đóng góp doanh thu của mỗi người dùng. ARPU hàng ngày thể hiện doanh thu trung bình được đóng góp của mỗi người dùng hàng ngày hoặc tổng doanh thu từ mua hàng trực tiếp chia cho số người dùng tương tác với sản phẩm vào bất kỳ ngày nào được chọn.  ARPU hàng ngày có thể được sử dụng để đánh giá hiệu quả của danh mục sản phẩm hoặc chất lượng của khách hàng khi gia nhập vào cơ sở người dùng sản phẩm;  giá trị ARPU hàng ngày giảm theo thời gian có thể chỉ ra giá trị các tính năng cao cấp của sản phẩm đang bị giảm đi.  ARPU hàng ngày đôi khi được gọi là doanh thu trung bình trên mỗi người dùng hoạt động hàng ngày (Average Revenue Per Daily Active User - ARPDAU). ARPPU hàng ngày rất hiệu quả như là một biện pháp cải thiện thay đổi danh mục sản phẩm và khuyến mại vì nó có thể có thay đổi thấy rõ, do mẫu số trong tính toán mà người dùng trả tiền tính toán nhỏ hơn rất nhiều so với ARPU.  ARPPU hàng ngày cung cấp cái nhìn sâu sắc về mức độ tốt và mức độ thay đổi liên tục có ảnh hưởng đến việc tạo doanh thu thực hiện.  

Sự gắn kết

Số liệu tham gia nắm bắt hành vi của người dùng liên quan đến tương tác sản phẩm.  Số liệu này thể hiện về độ dài thời gian và tần suất sử dụng, cả hai số liệu này nhóm sản phẩm nên sử dụng để tạo ra trải nghiệm tốt hơn.

Trong mô hình freemium, sử dụng hàng ngày của khách hàng là "tham vọng" cao nhất: khi người dùng tương tác với sản phẩm hàng ngày, đưa sản phẩm vào cuộc sống của người dùng, thì người dùng có thể coi sản phẩm là một nguồn vui thích.  Nói cách khác, khi người dùng tương tác với sản phẩm hàng ngày, người dùng có nhiều khả năng sẽ chi trả cho sản phẩm đó.  Số liệu tương tác, đặc biệt là tần suất phiên và thời lượng phiên, không chỉ đo lường mức độ người dùng tương tác với sản phẩm mà còn giúp kiểm soát các tương tác đó. Các số liệu tương tác nên được sử dụng trong vòng phản hồi phát triển-phát hành-đo lường lặp đi lặp lại để đo lường và tối đa hóa sự hài lòng của người dùng đối với sản phẩm.

Phiên sử dụng đầu tiên

Phiên người dùng đầu tiên với một sản phẩm là rất quan trọng, ảnh hưởng đến sự gắn kết của người dùng với sản phẩm; do đó, nó cần được đầu tư để tối ưu hóa trải nghiệm người dùng.  Trong bất kỳ sản phẩm freemium nào, quy mô cơ sở người dùng tự nhiên thông qua tăng trưởng và mua hàng và một phần trăm người dùng mới sẽ rời đi trong các phiên đầu tiên.  Mặc dù điều này được coi là một quy tắc, cần nỗ lực để đảm bảo rằng tỷ lệ này càng thấp càng tốt.  

The Onboarding funnel là một biểu đồ dựa trên sự kiện về sự tham gia của người dùng hoặc từ bỏ sản phẩm trong những khoảnh khắc tương tác đầu tiên hình thành giữa người dùng và sản phẩm.  Quá trình onboarding phải được xác định bởi nhóm sản phẩm từ giai đoạn đầu của chu kỳ phát triển. Ở cấp độ khái niệm, mục đích của quy trình này là giới thiệu và trang bị cho người dùng mới kiến ​​thức cần thiết để tương tác với bộ tính năng của sản phẩm, đưa ra mức độ tương thích giữa nhu cầu của người dùng và tính năng cơ bản của sản phẩm.

Mức độ tương thích này là một điểm quan trọng cần xem xét khi thiết kế trường hợp sử dụng.  Một quy trình onboarding tích cực là cho người dùng biết là nó có đáp ứng được nhu cầu của họ không hơn là cho biết trường hợp sử dụng của sản phẩm.

Sự không phù hợp giữa trường hợp sử dụng sản phẩm và nhu cầu người dùng ngăn chặn việc tạo doanh thu. Ảnh hưởng của những mâu thuẫn này phải được ước tính và đo lường trong quá trình thực hiện quy trình onboarding.

Số liệu phiên

Số liệu phiên nắm bắt thời lượng và tần suất của phiên.  Số liệu phiên được sử dụng để đánh giá tương tác của người dùng với sản phẩm từ cấp tổng hợp; khi được thực hiện cùng với các chỉ số khác về hành vi người dùng, các số liệu phiên cung cấp cái nhìn sâu sắc về mô hình freemium.  

Độ dài phiên trung bình được tính bằng cách chia tổng thời lượng của tất cả các phiên trong một khoảng thời gian cụ thể cho tổng số phiên sản phẩm đã hoàn thành trong khoảng thời gian đó. Bởi vì độ dài phiên có thể thay đổi lớn, độ dài phiên trung bình cũng cần được theo dõi để cho biết liệu độ dài của phiên nào đó có bị quá chênh lệch so với trung bình hay không. Số phiên trung bình mỗi ngày được tính bằng cách chia số phiên sản phẩm trong một ngày nhất định cho số người dùng đã tương tác với sản phẩm vào ngày đó.

Tạo sự cân bằng giữa độ dài và tần suất phiên đảm bảo rằng người dùng buộc phải quay lại sản phẩm nhưng không thường xuyên đến mức họ cảm thấy nhàm chán với nó.  Độ dài phiên và tần số phiên phải tương phản với tỉ lệ rời bỏ hàng ngày, ARPU và được kiểm tra các mẫu có ảnh hưởng tiêu cực đến toàn bộ thời gian sử dụng của người dùng.

Sự lan truyền

Virality mô tả mức độ mà các sản phẩm được phân phối, lan truyền hoặc có được người dùng mới một cách tự nhiên, thông qua truyền miệng hoặc vận động người dùng dựa trên Internet.

Virality là mối quan tâm chính trong giai đoạn phát triển sản phẩm freemium. Sản phẩm được đón nhận tốt như thế nào khi phát hành bị ảnh hưởng bởi các điều kiện thị trường ngay trước và sau khi ra mắt, các sản phẩm tương tự của đối thủ cạnh tranh và thị hiếu của người dùng.  Với những ảnh hưởng ngoại sinh này, việc thiết kế một sản phẩm xung quanh một số kỳ vọng về tính lan truyền là không đúng đắn;  thay vào đó, một sản phẩm nên được thiết kế để tạo thuận lợi cho tính lan truyền nhưng dự kiến ​​tài chính nên được xây dựng ở giai đoạn trước khi ra mắt, xung quanh một giả định hợp lý về mức tăng trưởng tự nhiên.

Virality hook

Virality hook là hoạt động được triển khai phổ biến qua các mạng xã hội kết nối các tính năng của sản phẩm với API của bên thứ ba và có thể "truyền đi" một khía cạnh của hoạt động của người dùng đến những người có sở thích tương tự. Virality hooks phải được thiết kế với hai tính năng độc lập: tính kiểm soát và hiệu quả. Ví dụ: Nhà hàng sử dụng Facebook để lôi kéo mọi người đến bằng các lời chào mời: Hãy like trang này để được giảm giá 20% hoặc nhận món khai vị miễn phí. Các cửa hàng thời trang có thể cung cấp thông tin hấp dẫn về một mẫu quần áo mới nhất và đưa liên kết của sản phẩm đó mà khách hàng có thể sử dụng để chia sẻ sản phẩm với danh sách bạn bè của họ trên nền tảng mạng xã hội.

Mạng xã hội không phải là điểm đến duy nhất của virality hooks, có thể gặp các vấn đề như: các mạng xã hội có thể phân loại hoạt động được tạo bởi các sản phẩm của bên thứ ba là spam.  Ngoài ra, thông báo tự động được tạo và gửi từ một sản phẩm freemium đến mạng xã hội có xu hướng thiếu tính cá nhân hóa.  Điều này không chỉ tạo ra sự xa lánh của người dùng trên mạng xã hội, mà còn không khuyến khích bạn bè của người dùng chấp nhận sản phẩm, họ tin rằng sản phẩm freemium đã lạm dụng quyền truy cập vào mạng xã hội.  Doanh nghiệp nên chú ý điều đó;  nếu quyền truy cập bị thu hồi, các quyết định phát triển sản phẩm sẽ mất môi trường phát triển.

K-Factor

Hệ số K là số người dùng mới trung bình sử dụng sản phẩm và đại diện cho các hiệu ứng lan truyền của phức hợp sản phẩm, tăng theo thời gian. Hệ số k thường không được coi là một số liệu chính xác mà là một ước lượng.

Hệ số K thường được đo bằng cách chia số lượng người dùng "có được bằng lan truyền" cho số lượng người dùng "có được không bằng lan truyền".

Số lượng người dùng có được bằng lan truyền là sự phản ánh số lượng lời mời lan truyền được tạo ra thông qua các virality hook nhân với tỷ lệ chuyển đổi của những lời mời đó, còn số lượng người dùng không được mua bằng lan truyền có nguồn gốc từ một loạt các nguồn mua có thể có: tự nhiên, truyền miệng và mua lại có trả tiền (paid acquisition).

Số liệu và cách tổ chức số liệu

Với tính phổ biến cần thiết của dữ liệu và quy mô lớn mà dữ liệu phải được thu thập, cổng thông tin báo cáo tập trung có thể là cách dễ nhất để phổ biến số liệu sản phẩm.  Khối lượng lớn dữ liệu được tính toán thông qua các quy trình hàng loạt và làm cho các tổng hợp đó có sẵn thông qua bảng điều khiển được lưu trữ, sẽ tăng tốc độ mà chúng có thể được truy cập và hấp thụ. 

Giải thích dữ liệu chính xác để tạo điểm hành động đòi hỏi phải có chuyên môn cụ thể;  Tốt hơn khi sở hữu chuyên môn để giải thích chính xác các số liệu và triển khai các tính năng mới dựa trên thử nghiệm và các mẫu hành vi định lượng.  Hai yêu cầu này liên quan nhiều đến khoa học dữ liệu cũng như phát triển sản phẩm;  nhóm sản phẩm phải có khả năng giao tiếp rõ ràng với nhóm phân tích để diễn giải kết quả phân tích. Số liệu nên được lưu hành nội bộ trong các báo cáo, được trích dẫn trong các bài thuyết trình và thậm chí được hiển thị trong văn phòng để giữ cho các nhóm theo dõi cách thức các sản phẩm của công ty hoạt động.

Thiết kế Dashboard

Thiết kế của bảng điều khiển có thể ảnh hưởng đến tần suất sử dụng và mức độ người có thẩm quyền vào xem nó.  Chức năng bảng điều khiển cần phải trực quan, khi dữ liệu được hiển thị quá trừu tượng, nó có thể không được coi là tốt nhất.  Bảng điều khiển tốt phải đạt được sự cân bằng giữa khoa học và nghệ thuật; chức năng bảng điều khiển, tổng hợp các số liệu nên rõ ràng và dễ hiểu.

Phân tích đặc biệt

Phân tích đặc biệt được thực hiện khi cần thiết để giải quyết các nhu cầu phân tích dữ liệu đặc biệt không được đáp ứng bởi những bản báo cáo thường xuyên của doanh nghiệp. Phân tích đặc biệt là quá trình truy vấn dữ liệu trực tiếp từ cơ sở dữ liệu để điều tra một xu hướng hoặc giả thuyết.  Phân tích đặc biệt là cần thiết khi độ chi tiết của phân tích loại trừ việc sử dụng dữ liệu bảng điều khiển.

Giá trị vòng đời khách hàng

Giá trị trọn đời khách hàng (CLTV) và mô hình freemium

Là giá trị hiện tại của tất cả các dòng tiền trong tương lai do người dùng đóng góp cho một sản phẩm Freemium nhất định.  Nói cách khác, LTV là tổng số tiền mà người dùng dự kiến ​​sẽ chi cho một sản phẩm, được điều chỉnh như thể số tiền đó đã được nhận dưới dạng một khoản tiền ngày hôm nay.  Trong mô hình freemium, LTV là tuổi thọ người dùng dự kiến ​​nhân với giá định kỳ của đăng ký người dùng đó.

Cơ sở hạ tầng phân tích cần thiết để khởi chạy các sản phẩm freemium đáp ứng các điều kiện tiên quyết để ước tính LTV: dữ liệu hành vi xung quanh các mẫu chi tiêu, dữ liệu nhân khẩu học, thống kê sử dụng, v.v. Rào cản mà hầu hết các công ty phải đối mặt trong việc sử dụng các mô hình LTV dự đoán là: (1) các chuyên gia cung cấp các mô hình dự đoán có thể hành động đang bị thiếu hụt và (2) do tính phức tạp của chúng, các mô hình LTV chỉ có thể được mô tả bằng cách sử dụng tranh luận hộp đen (A black box argument)

Sử dụng LTV

LTV tạo thành xương sống của các sản phẩm freemium tiếp thị và giúp thông báo các quyết định xung quanh sự phát triển liên tục.  Khả năng tính toán số liệu LTV chính xác chỉ thực sự hữu ích trong các trường hợp người dùng có thể được chuyển từ sản phẩm này sang sản phẩm khác dựa trên các LTV dự đoán của họ.  Thực hành này được gọi là quảng cáo chéo (cross-promotion).

Quảng cáo chéo có thể là giữa hai sản phẩm thuộc sở hữu của cùng một công ty hoặc một sản phẩm của hãng và một sản phẩm của hãng khác.  Phương pháp thứ hai thường được thực hiện để đổi lấy tiền;  thực tế, một công ty đã bán một người dùng cho một công ty khác dựa trên người dùng đã dự đoán LTV trong sản phẩm đầu tiên hoặc trên cơ sở hợp tác, trong đó cả hai công ty đều đồng ý với các điều khoản của giao dịch.

Khi một công ty ước tính rằng một người dùng được quảng cáo chéo sẽ tạo ra doanh thu sản phẩm thông qua mua hàng ít hơn so với giá trị giao dịch trước của người dùng, thì việc trao đổi chéo người dùng đó với một ứng dụng khác của công ty là một "lựa chọn hợp lý về mặt kinh tế".  Quảng cáo chéo của các công ty lớn có danh mục sản phẩm đa dạng (để người dùng có thể được quảng bá chéo trong hệ thống của công ty) hoặc hệ thống phân tích tinh vi (để có thể ước tính giá trị chính xác của người dùng trước  người dùng được bán hoặc giao dịch).

Hiểu được liệu người dùng có phải là ứng cử viên tốt để quảng cáo chéo ra bên ngoài hệ thống của công ty để bán cho công ty khác đòi hỏi giá bán quảng cáo chéo vượt quá LTV dự kiến ​​của người dùng và giá bán vượt quá giá trị ngầm  giữ người dùng trong hệ thống của công ty là người dùng không trả tiền.  Hãy nhớ lại rằng tất cả người dùng, cho dù họ đóng góp doanh thu cho sản phẩm hay không, đều có giá trị.

Tất cả các công ty sản xuất các sản phẩm freemium đều được hưởng lợi từ việc hiểu các cơ chế của LTV, bởi vì hiểu được các thành phần chính của LTV và tác động định hướng đến giá trị của nó cho phép xây dựng các sản phẩm tối đa hóa số tiền người dùng chi cho chúng.

Do quy trình phát triển freemium được lặp lại và dựa trên dữ liệu, nên tiến trình tối đa hóa LTV có thể được đo ngay cả khi số liệu cuối cùng không được ước tính chính xác.  Những gì có thể được thực hiện để tăng LTV của người dùng luôn cung cấp insight có giá trị dẫn đến sự phát triển để tạo ra doanh thu của các sản phẩm freemium tốt hơn.

LTV có thể được tính theo bất kỳ cách nào, nhưng bất kể phương pháp tính toán nào được sử dụng đều có 2 thành phần chính là: duy trì và kiếm tiền.  Các số liệu duy trì mô tả thời gian người dùng được dự đoán sẽ duy trì hoạt động trong một sản phẩm;  các số liệu kiếm tiền mô tả số tiền mà người dùng dự kiến ​​sẽ chi cho sản phẩm.

Mặc dù LTV không chính xác, nó thuộc về độ ổn định của các số liệu freemium vì nó đại diện cho sự hợp lưu của tất cả các số liệu khả thi tối thiểu, trong đó độ chính xác tăng luôn luôn là mục tiêu.  LTV mang tính dự đoán và bất kỳ mô hình dự đoán nào cũng dễ bị lỗi;  duy trì và kiếm tiền là mô tả và nên được đo lường với sự tự tin hoàn toàn.  Vì vậy, để theo đuổi một phép đo LTV chính xác hơn bao giờ hết, nhóm sản phẩm hoàn toàn đảm bảo rằng các số liệu duy trì và kiếm tiền của mình, qua đó nhiều quyết định sản phẩm được đưa ra, vẫn đáng tin cậy.

Ra quyết định với LTV

LTV là một nhiệm vụ tiếp thị, không phải là một chiến lược kinh doanh và vì nó đại diện cho doanh thu dự kiến chứ không phải là doanh thu trước mắt, nên nó không thể được sử dụng như một đại diện cho lợi nhuận cấp công ty. Việc đánh giá mức lợi nhuận hoạt động của doanh nghiệp được thể hiện bằng doanh thu trừ chi phí. LTV chỉ đóng góp cho điều này theo nghĩa là nó hạn chế chi phí tiếp thị trong phạm vi được thiết lập bởi ước tính của công ty về tổng đóng góp doanh thu của người dùng trọn đời.  Nhưng những đóng góp doanh thu không phải là ngay lập tức mà trong suốt thời gian rất dài.

LTV và phát triển sản phẩm

Trong phạm vi của một sản phẩm, số liệu LTV, kết hợp với các số liệu khả thi tối thiểu, có thể được sử dụng như một công cụ để xác định những thiếu sót có thể nhìn thấy mà không có thước đo hiệu suất. LTV rất hữu ích khi ưu tiên phát triển tính năng mới dựa trên các số liệu mà các tính năng được dự kiến ​​sẽ tăng.  Ví dụ: nếu LTV thấp nhưng chuyển đổi và ARPDAU hợp lý, thì các tính năng góp phần duy trì nên được ưu tiên

Đối với một tính năng chỉ tồn tại trên giấy, các LTV ước tính đóng vai trò quan trọng trong quá trình đánh giá tính năng này;  mỗi tính năng mới được phát triển phải được xem xét theo vai trò mà tính năng đóng góp trong việc đáp ứng các mục tiêu doanh thu tổng thể của sản phẩm. Đây là lý do tại sao mô hình LTV rất quan trọng, ngay cả khi nó chỉ chính xác theo định hướng.  Khi giới thiệu một tính năng cụ thể, phát triển tính năng cũ có thể được sử dụng để ước tính so sánh, với độ chính xác hợp lý, tác động đến các số liệu sản phẩm.  Ngay cả khi một mô hình LTV chỉ hữu ích trong việc dự đoán mức độ thay đổi LTV ở mức tương đối, nó vẫn có thể được sử dụng để ưu tiên phát triển tính năng

Tạo doanh thu từ mô hình Freemium

Sự lựa chọn và trả phí của người dùng

Đường cong doanh thu liên tục (The continuous monetization curve)

Đường cong doanh thu liên tục mô tả mức độ chi trả phí sử dụng của người dùng. Cụ thể hơn đường cong này được tạo thành bởi 2 yếu tố là tỷ lệ người đăng kí trên tổng số lượng người dùng và giá trị vòng đời khách hàng (customer lifetime value). Nói đơn giản, doanh thu của một dịch vụ freemium chính là doanh thu của các khách hàng tạo ra trong suốt vòng đời của họ và nó phụ thuộc vào việc người dùng được cung cấp đa dạng các gói và danh mục  dịch vụ phù hợp với đúng nhu cầu sử dụng và khả năng chi trả của họ.

Thiết kế danh mục sản phẩm

Để tối đa hóa doanh thu, dịch vụ freemium cần một nền tảng người dùng khổng lồ. Vì vậy việc thiết kế danh mục sản phẩm là tối quan trọng và là điểm phân biệt giữa chiến lược freemium và chiến lược giá thông thường. Trong mô hình dịch vụ freemium, chi phí biên của một sản phẩm số bán ra là 0$. Do đó quy mô danh mục sản phẩm không phải là một cơ chế cạnh tranh về giá với các đối thủ trong thị trường mà quan trọng là chất lượng của dịch vụ đáp ứng được nhu cầu của khách hàng. Danh mục sản phẩm càng lớn thì cơ hội người dùng chi trả phí cho dịch vụ freemium càng cao và người dùng cũng sẵn sàng chi trả nhiều hơn cho một trải nghiệm được cá nhân hóa.

Người dùng miễn phí và người dùng trả phí ( Non-paying user and revenue-based user)

Mô hình dịch vụ freemium hoạt động dựa trên quy tắc tỷ lệ chuyển đổi 5% (conversion rate) , tức là doanh thu từ  5% khách hàng trả phí (premium customer) có thể trả cho chi phí vận hành  phục vụ 95% khách hàng sử dụng miễn phí. Người dùng miễn phí mang lại một số lợi ích nhất định cho dịch vụ freemium , những lợi ích này không ảnh hưởng trực tiếp đến dịch vụ nên những nhà quản trị cần phải phân tích và hiểu rõ những lợi ích này và sử dụng nó một cách tối ưu. Lợi ích thứ nhất  đến từ người dùng miễn phí là dữ liệu (data) về sự thật ngầm hiểu (customer insight) và hành vi người dùng. Lợi ích  thứ hai là mức độ viral, một lượng lớn người dùng miễn phí có thể giới thiệu, chia sẻ về dịch vụ trên mạng xã hội cho bạn bè, những người có thể tạo ra doanh thu cho dịch vụ trong tương lai.Lợi ích thứ ba là lượng nhận xét , review về dịch vụ. Số người dùng trả phí cũng được chia thành 3 nhóm dựa theo số tiền họ chi trả cho dịch vụ một ngày: whale (>5$), dolphins( 1.01$- 5$) , Minnows( 0.1$-1$).

Downstream marketing

Các chiến dịch sáng tạo nội dung và nâng cao lòng trung thành được gọi là marketing chiến thuật (downstream marketing), tập trung vào việc bán hàng ngắn hạn, nhằm tạo ra,duy trì sự nhận biết và lặp lại việc chi trả phí cho một dịch vụ. Trong mô hình dịch vụ freemium, downstream marketing được chi phối bởi thiết kế dữ liệu người dùng (data-driven design) , khả năng để người dùng tiếp tục truy cập dịch vụ và thực hiện promotion đòi hỏi sự nghiên cứu hành vi người dùng kĩ càng. Khi danh mục sản phẩm của dịch vụ freemium được duy trì, tổng số người dùng được phân khúc, và giá trị vòng đời của khách hàng ngày càng mở rộng thì quá trình thúc đẩy và khuyến khích người dùng thực hiện thanh toán và trả phí sẽ không bao giờ kết thúc.

Reengagement marketing

Một hình thức phổ biến nhất của downstream marketing là reengagement marketing, đây là quy trình thực hiện chạy quảng cáo trên website, ứng dụng điện thoại, email, mobile web nhắm đến những người dùng đã biết đến dịch vụ để kích thích họ sử dụng lại, mặc dù đây là hình thức không luôn luôn hiệu quả nhưng nó rất phổ biến vì chi phí ít và không tốn phí kết nạp thêm người dùng mới cho dịch vụ (user acquisition). Re-engagement marketing là một hình thức branding mạnh mẽ và là một công cụ tối ưu tỷ lệ chuyển đổi (conversion optimization tool) trong một chiến lược công nghệ số.

• Với các dịch vụ trên nền tảng web, các chiến dịch reengagement hầu hết được thực hiện qua email, đây là một hình thức ít tốn kém chi phí với khả năng kích thích người dùng truy cập website nhờ đường link đính kèm. Email marketing giúp tiết kiệm nhiều chi phí,tiếp cận chính xác,dễ tự động hóa và cá nhân hóa, dễ đo lường,thống kê chi tiết qua các chỉ số open rates (tỷ lệ người mở mail)  và click rates (tỷ lệ click vào đường dẫn). Nội dung email thường là Call-to-action hướng đến khuyến mãi hoặc lời mời dùng thử một chức năng mới của dịch vụ.
• Trên nền tảng di động, một công cụ khác có thể thay thế email là thông báo đẩy (push notification), cụ thể là những tin nhắn, thông báo gửi đến cho người dùng tải ứng dụng ngay cả khi họ không mở ứng dụng. Để đo lường hiệu quả của thông báo đẩy cần theo dõi hai chỉ số chính là opt-in rates và reaction rate. Opt-in rate cho biết bao nhiêu người dùng đồng ý nhận thông báo đẩy từ ứng dụng và reaction rate đo lường tần suất người dùng tương tác với thông báo đẩy. Để sử dụng thông báo đẩy có hiệu quả, dịch vụ freemium cần cân nhắc các yếu tố sau: tấn suất gửi, dùng âm thanh, ngày trong tuần, sử dụng các cụm từ Call-to-action hiệu quả cao, phân khúc người dùng.

Promotional targeting

Hình thức thứ hai của downstream marketing đối với dịch vụ freemium là promotional targeting (khuyến mãi mục tiêu) như discount (giảm giá), time-limited special offer (ưu đãi trong giới hạn thời gian nhất định), giảm giá theo gói nhiều dịch vụ khác nhau,... Các khuyến mãi này được điều khiển bằng phân tích dữ liệu, giống với reengagement marketing, khuyến mãi mục tiêu dựa trên profile người dùng và hành vi của họ tương tác với các dịch vụ hiển thị trên web site từ đó đưa ra những nhóm quảng cáo nhắc nhở người dùng về những sản phẩm họ đã xem và khuyến khích họ thực hiện mua những sản phẩm hoặc dịch vụ đó. Các quảng cáo khuyến khích mua hàng cũng là một công cụ để đẩy mạnh retention và engagement.