Daily Active Users Model | Part 01 | New Users → Current Users/At Risk WAUs

Nếu bạn muốn học Phân Tích Dữ Liệu Thực Chiến qua Challenges & Case Studies thì có thể INBOX mình TẠI ĐÂY.

Series bài viết được tham khảo từ Growth Model của Duolingo (Source: Link) kết hợp với Data Analysis. Danh sách bài viết thuộc Series:

• Part 01: New Users → Current Users/At Risk WAUs

• Đây là users lần đầu tiên hoạt động với ứng dụng vào ngày hôm nay. Họ chưa từng sử dụng ứng dụng trước đây.
• Quy tắc xác định:
  • Hoạt động trong ngày hôm nay (Ngày T).
  • Chưa từng hoạt động vào bất kỳ ngày nào trước Ngày T.
• Ví dụ:
  • Hôm nay là ngày 18/04/2025. User A tải ứng dụng và thực hiện giao dịch lần đầu tiên vào ngày 18/04/2025. Vậy, vào ngày 18/04/2025, user A được xếp vào nhóm “New Users”.

• Đây là users hoạt động hôm nay và cũng đã hoạt động ít nhất một lần khác trong vòng 7 ngày gần nhất trước đó. Họ là những người dùng đang tương tác khá thường xuyên.
• Quy tắc xác định:
  • Hoạt động trong ngày hôm nay (Ngày T).
  • Hoạt động ít nhất một ngày trong khoảng thời gian 7 ngày trước ngày hôm nay (từ Ngày T – 7 đến Ngày T – 1).
• Ví dụ:
  • Hôm nay là ngày 18/04/2025. User B đã hoạt động vào ngày 15/04/2025 (cách đây 3 ngày). Hôm nay, user B lại mở ứng dụng và sử dụng. Vậy, vào ngày 18/04/2025, user B được xếp vào nhóm “Current Users”.

• Đây là users không hoạt động hôm nay, nhưng đã có hoạt động trong vòng 1 đến 6 ngày gần nhất. Họ có nguy cơ trở thành inactive users nếu tiếp tục không quay lại. WAUs là viết tắt của Weekly Active Users (Users hoạt động hàng tuần).
• Quy tắc xác định:
  • Hoạt động trong ngày hôm nay (Ngày T).
  • Hoạt động ít nhất một ngày trong khoảng thời gian 6 ngày trước ngày hôm nay (từ Ngày T – 6 days đến Ngày T – 1).
• Ví dụ:
  • Hôm nay là ngày 18/04/2025. User C lần cuối hoạt động là vào ngày 16/04/2025 (cách đây 2 ngày). Hôm nay, user C không mở ứng dụng. Vậy, vào ngày 18/04/2025, user C được xếp vào nhóm “At Risk WAUs”.

Luồng chuyển đổi từ “New Users” cho thấy hành vi của users ngay sau ngày đầu tiên họ sử dụng ứng dụng.

• Kịch bản 1: New User -> Current User: Users là “New User” vào ngày hôm trước (Day 1). Nếu vào ngày hôm nay (Day 2), users đó tiếp tục hoạt động, họ sẽ thỏa mãn điều kiện của “Current User”.
• Kịch bản 2: New User -> At Risk WAU: Users là “New User” vào ngày hôm trước (Day 1). Nếu vào ngày hôm nay (Day 2), users đó không hoạt động, họ sẽ thỏa mãn điều kiện của “At Risk WAU”.
• Mũi tên đi từ “New Users” đến “Current Users”: Được gán nhãn “NURR” (New User Retention Rate – Tỷ lệ giữ chân người dùng mới), thể hiện % New Users của ngày hôm trước quay lại hoạt động vào ngày hôm nay và trở thành “Current Users”.
• Mũi tên đi từ “New Users” sang “At Risk WAUs”: Đây là trạng thái mặc định nếu một “New Users” không quay lại vào ngày hôm sau, họ không thuộc luồng “NURR” (“1 – NURR”) nên sẽ rơi vào trạng thái “At Risk WAUs” vào ngày kế tiếp.
• Ví dụ:
  • Vào ngày 18/04/2025, có 1,000 “New Users”.
  • Vào ngày 19/04/2025:
    • Trong số 1,000 users đó, có 300 người quay lại sử dụng. 300 người này sẽ được phân loại là “Current Users” vào ngày 19/04/2025. (Tỷ lệ “NURR” = 30%).
    • 700 users còn lại không sử dụng vào ngày 19/04/2025. 700 người này sẽ được phân loại là “At Risk WAUs” vào ngày 19/04/2025. (Tỷ lệ rơi vào “At Risk WAUs” = 1 – NURR = 70%).

• Đo lường “Độ dính” ban đầu: Luồng chuyển đổi này cực kỳ quan trọng vì nó đo lường mức độ thành công của ứng dụng trong việc thu hút và giữ chân users ngay lập tức sau lần trải nghiệm đầu tiên. Tỷ lệ NURR cao cho thấy trải nghiệm Onboarding, giá trị cốt lõi của sản phẩm được users cảm nhận tốt.
• Tối ưu Onboarding & First-Time User Experience (FTUE): Nếu tỷ lệ New Users chuyển thành At Risk WAUs cao (NURR thấp), đó là dấu hiệu cảnh báo đỏ. Nó cho thấy có vấn đề trong quá trình onboarding, giao diện khó hiểu, giá trị chưa rõ ràng. Cần phải phân tích sâu hơn để cải thiện FTUE.
• Hiệu quả Chi phí Thu hút Users (Acquisition Cost): Thu hút users mới rất tốn kém. Nếu họ rời đi ngay sau ngày đầu tiên, chi phí đó coi như lãng phí. Việc tối ưu luồng này giúp tăng ROI cho hoạt động marketing và acquisition.
• Dự báo Tăng trưởng và Churn: Tỷ lệ chuyển đổi ban đầu này là một chỉ báo sớm cho khả năng giữ chân users dài hạn (retention) và tỷ lệ users rời bỏ (churn rate). Một khởi đầu tốt thường dẫn đến tỷ lệ retention cao hơn trong tương lai.
• Vai trò của “Value Moment” (Aha! Moment):
  • Đây là khoảnh khắc mà users mới lần đầu tiên nhận ra và trải nghiệm được giá trị cốt lõi, độc đáo mà sản phẩm/dịch vụ mang lại cho họ. Đó là lúc họ “Ồ!” lên và hiểu tại sao ứng dụng này hữu ích.
  • Việc users có đạt được “Value Moment” trong phiên sử dụng đầu tiên (khi là “New User”) hay không ảnh hưởng trực tiếp đến khả năng họ quay lại vào ngày hôm sau (trở thành “Current User”) hay không quay lại (trở thành “At Risk WAU”).
  • Mục tiêu chính của FTUE là dẫn dắt users đến “Value Moment” một cách nhanh chóng và mượt mà nhất. Khi users cảm nhận được giá trị sớm, họ có lý do rõ ràng để quay lại và gắn bó lâu dài. Ngược lại, nếu không tìm thấy “Value Moment”, họ sẽ không thấy lý do để tiếp tục sử dụng và dễ dàng rời bỏ.

Kết quả mẫu mong muốn:

cohort	new_users	curr_user_n	nurr_n_perc	at_risk_waus_n	arwaus_perc	inactive_users
2025-04-01	4	2	50	1	25	1
2025-04-02	3	1	33.34	1	33.34	1
2025-04-03	5	2	40	2	40	1
2025-04-04	0	0	0	0	0	0
2025-04-05	3	1	33.34	1	33.34	1

• cohort: Phân nhóm theo ngày đăng ký.
• new_users: Số users đăng ký vào ngày đó. Đây là nhóm New Users.
• curr_user_n: Số users active tại ngày N sau đăng ký (N = 7) và đã active ít nhất một lần trong 7 ngày trước ngày N. Đây là nhóm Current Users.
• nurr_n_perc: Tỷ lệ curr_user_n so với new_users
• at_risk_waus_n: Số users không active tại ngày N nhưng đã active trong 6 ngày trước ngày N. Đây là nhóm At Risk WAUs (người dùng có nguy cơ rời bỏ).
• arwaus_perc: Tỷ lệ at_risk_waus_n so với new_users.
• inactive_users: Số users không thuộc curr_user_n hoặc at_risk_waus_n, tức là không active tại ngày N và cũng không active trong 6 ngày trước đó.

Sample data + code + unlock insight: Phần nội dung này dành cho các bạn học viên DA Bootcamp

Kết quả mẫu mong muốn:

day_t-1	day_t	status_day_t-1	status_day_t	trans_cnt	trans_perc	alert
2025-04-10	2025-04-11	At_Risk_WAU	At_Risk_WAU	19	95
2025-04-10	2025-04-11	Current	At_Risk_WAU	3	75
…	…	…	…	…	…
2025-04-11	2025-04-12	New	At_Risk_WAU	1	33.34
2025-04-11	2025-04-12	Current	At_Risk_WAU	4	80
…	…	…	…	…	…
2025-04-12	2025-04-13	New	Current	2	66.67	increasing for 3 consecutive days
2025-04-12	2025-04-13	Current	At_Risk_WAU	5	83.34
…	…	…	…	…	…	…

• day_t-1: Ngày trước (T – 1).
• day_t: Ngày phân tích (T).
• state_day_t-1: Trạng thái tại T – 1 (New, Current, At_Risk_WAU, Inactive).
• state_day_t: Trạng thái tại T.
• trans_cnt: Số lượng users chuyển đổi từ trạng thái T – 1 sang T.
• trans_perc: Tỷ lệ phần trăm chuyển đổi (trans_cnt / tổng số users trong trạng thái T – 1 * 100).
• alert_message: Cảnh báo khi tỷ lệ Current Users → At Risk WAUs tăng liên tục trong 3 ngày liên tiếp.

Sample data + code + unlock insight: Phần nội dung này dành cho các bạn học viên DA Bootcamp

state_n	users_state_n	active_users_m	retention_m_perc	current_users_m	current_retention_m_perc
Current Users	18	4	22.23	4
At Risk WAUs	17	1	5.89	1
Inactive WAUs	27	3	11.1	3