Phá vỡ mô hình tăng trưởng truyền thống: Duolingo đã làm gì đúng khi DAU tăng vọt?

Làm thế nào để duy trì tăng trưởng bền vững hoặc vượt qua tình thế khó khăn về tăng trưởng là câu hỏi mà hầu như mọi công ty đều cần phải suy nghĩ. Trong bài viết này, tác giả chia sẻ trường hợp tăng trưởng của Duolingo, một nền tảng học ngôn ngữ, đã đạt được mức tăng trưởng DAU bằng cách áp dụng mô hình dữ liệu và phân khúc người dùng chi tiết hơn. Chúng ta hãy cùng xem xét chi tiết trong bài viết này.

Tăng trưởng là chủ đề muôn thuở của mọi doanh nghiệp.

Cho dù là một công ty khởi nghiệp hay một doanh nghiệp lớn đã phát triển, sau một thời gian phát triển nhanh chóng, công ty đó sẽ đạt đến ngưỡng giới hạn. Khả năng tiếp tục đổi mới và duy trì tăng trưởng là chìa khóa cho sự vĩ đại hay tầm thường của một công ty.

Duolingo thực sự là một sự tồn tại kỳ diệu. Với tư cách là một nền tảng học ngôn ngữ, DAU của nền tảng này đã tăng vọt trong một hướng đi ít phổ biến hơn. Trong quý 4 năm 2022, MAU của Duolingo đạt 60,7 triệu, so với chỉ 42,4 triệu trong cùng kỳ năm ngoái, tăng 43% so với cùng kỳ năm trước và DAU tăng 62% so với cùng kỳ năm trước lên 16,3 triệu.

Từ năm 2018 đến năm 2022, DAU của Duolingo tăng 450% | Nguồn hình ảnh: Bản tin của Lenny

Làm thế nào Duolingo có thể đạt được tốc độ tăng trưởng nhanh chóng vào năm 2022 khi các nền tảng hàng đầu gặp khó khăn trong việc mở rộng cơ sở người dùng và tăng doanh thu? Câu trả lời là phá vỡ mô hình AARRR truyền thống và áp dụng mô hình dữ liệu và phân khúc người dùng chi tiết hơn để tìm ra đòn bẩy tăng trưởng.

Hôm nay, chúng ta sẽ lấy Duolingo làm ví dụ để khám phá cách chúng ta có thể học hỏi từ kinh nghiệm thành công của công ty này, áp dụng linh hoạt và vượt qua tình thế tiến thoái lưỡng nan về tăng trưởng.

Không cần nói thêm nữa, chúng ta hãy đi thẳng vào nội dung chính. Thưởng thức:

1. Ưu điểm và nhược điểm của mô hình AARRR truyền thống

Khi nói đến hoạt động và tăng trưởng của người dùng, mô hình tăng trưởng AARRR là một khuôn khổ nổi tiếng trong ngành, còn được gọi là mô hình cướp biển, tương tự như những gì mà cướp biển làm, đạt được sự tăng trưởng mang tính săn mồi. Đây là mô hình phễu năm cấp. Nó bao gồm các bước sau:

(Nguồn ảnh: do mình tự vẽ)

1. Thu hút: Cách bạn thu hút người dùng mới, thu hút sự chú ý của họ và khiến họ biết đến sản phẩm của bạn.
2. Kích hoạt: Chuyển đổi người dùng mới thành người dùng tích cực, tạo sự quan tâm đến sản phẩm hoặc dịch vụ của bạn và duy trì ấn tượng ban đầu tốt.
3. Giữ chân người dùng: Đảm bảo rằng người dùng đã có tiếp tục sử dụng và quay lại để cải thiện tỷ lệ giữ chân người dùng.
4. Doanh thu: Chuyển đổi người dùng thành khách hàng trả tiền và đạt được mục tiêu kinh doanh thông qua việc mua hàng.
5. Tự lan truyền (Refer): Cho phép người dùng nhận ra sản phẩm và lan truyền một cách tự nhiên, thu hút thêm nhiều người dùng mới.

Điểm hấp dẫn của mô hình tăng trưởng AARRR là nó cung cấp một cách đơn giản và có phương pháp để đánh giá hoạt động của người dùng và chiến lược tăng trưởng.

• Dễ hiểu: Việc chia vòng đời người dùng thành 5 giai đoạn giúp chúng ta dễ dàng tìm ra các chiến lược tương ứng trong từng giai đoạn.
• Dễ triển khai: Đây là tiêu chuẩn được công nhận nên hầu hết các công ty có thể nhanh chóng hiểu và triển khai.
• Dễ theo dõi: Vì mục tiêu của từng giai đoạn rất rõ ràng nên có thể theo dõi tiến độ thông qua các chỉ số cụ thể.

Tuy nhiên, mô hình AARRR cũng có những nhược điểm:

• Quá đơn giản: Chỉ có năm giai đoạn được thực hiện, trong khi trong thực tế, tình huống của người dùng thường rất phức tạp và có thể đòi hỏi các chiến lược vận hành cụ thể hơn.
• Thiếu tập trung: Không phân biệt được người dùng nào quan trọng hơn, do đó có thể tiêu tốn quá nhiều tài nguyên để đáp ứng các nhu cầu không cần thiết của người dùng.
• Thiếu hướng dẫn: Thiếu hướng dẫn cụ thể và thường cần các mô hình hoặc dữ liệu khác để triển khai các chiến lược hoạt động.

Vì loại mô hình này quá đơn giản nên mỗi bước đều phụ thuộc vào sự thành công của bước trước đó, điều này có thể khiến mô hình không phù hợp với một số sản phẩm hoặc dịch vụ nhất định trong một số trường hợp.

Do đó, khi Duolingo gặp phải tình trạng tắc nghẽn tăng trưởng vào năm 2018, công ty đã quyết định khám phá mô hình tăng trưởng mới theo góc độ quản lý vòng đời , tận dụng nó và chuyển sang các hoạt động tinh chỉnh .

2. Phân tích mô hình vòng đời của Duolingo

1. Tại sao chúng ta cần quản lý vòng đời?

Khi lượng người dùng Internet di động đạt đến mức bão hòa, chi phí để thu hút người dùng mới sẽ tăng lên, khiến việc giữ chân người dùng cũ trở nên đặc biệt quan trọng. Khái niệm cơ bản về vòng đời người dùng bao gồm năm giai đoạn:

1. Giai đoạn giới thiệu: giai đoạn thu hút người dùng, chuyển đổi lượng người dùng tiềm năng trên thị trường thành người dùng riêng.
2. Giai đoạn tăng trưởng: đã đăng ký, đăng nhập và kích hoạt, đã bắt đầu trải nghiệm các dịch vụ hoặc chức năng liên quan của sản phẩm và trải nghiệm khoảnh khắc Aha.
3. Giai đoạn trưởng thành: Sử dụng sâu hơn các chức năng hoặc dịch vụ của sản phẩm, đóng góp nhiều thời gian hoạt động hơn, doanh thu quảng cáo hoặc thanh toán, v.v.
4. Thời kỳ không hoạt động: người dùng trưởng thành không tạo ra hành vi có giá trị trong một khoảng thời gian.
5. Thời gian mất: người dùng không đăng nhập hoặc truy cập trong một khoảng thời gian.

Nếu xem sự tăng trưởng người dùng như một hệ thống, mục đích của hệ thống này là liên tục tăng quy mô người dùng và giá trị người dùng; Người dùng đang hoạt động là kho, còn người dùng mới và người dùng mất đi là lưu lượng truy cập.

Quản lý vòng đời người dùng có thể được coi là phương pháp phản hồi của hệ thống này , nghĩa là tăng cường vòng lặp củng cố của hệ thống trong khi ngăn chặn vòng lặp điều tiết. Điều này giúp chúng ta thấy được giá trị của việc quản lý vòng đời người dùng theo góc nhìn toàn cầu.

Mục tiêu của hoạt động này là tăng số lượng người dùng và tỷ lệ chuyển đổi , nhưng chỉ tập trung vào những chỉ số hời hợt này là không đủ để đạt được kết quả tối ưu. Nhiều nhà điều hành mới vào nghề bỏ qua việc suy nghĩ cần thiết và chỉ tập trung vào các phương pháp tăng trưởng hoặc chuyển đổi hời hợt về mặt định hướng chiến lược hoạt động.

Ví dụ, ngày nào tôi cũng nghĩ về cách sử dụng giải thưởng sự kiện để thu hút người dùng mới và sử dụng chiết khấu để thúc đẩy thanh toán, nhưng tôi lại không nghĩ sâu về một số vấn đề quan trọng hơn : Làm thế nào để đo lường mục tiêu tăng trưởng hàng tháng có hợp lý không? Làm thế nào để tối đa hóa GMV của người dùng hiện tại? Sự phân tầng của người dùng hiện tại của chúng tôi như thế nào? Người dùng nào có thể giúp chúng tôi đạt được mục tiêu, v.v.

Nếu bạn chỉ đứng trên bề mặt của hoạt động, bạn sẽ không thể dự đoán hiệu quả kết quả, điều này sẽ dẫn đến thất bại của hoạt động. Đồng thời, điều này cũng không có lợi cho sự phát triển cá nhân, vì chúng ta chỉ có thể nhận được dữ liệu sau hoạt động, nhưng không có cách nào để biết: có bao nhiêu người dùng cũ đã được kích hoạt trong dự án, có bao nhiêu người dùng mới tham gia vào chuyển đổi trả phí của sản phẩm và thông tin khác. Nó không thể được theo dõi hoặc hướng dẫn các chiến lược hoạt động tiếp theo.

Do đó, chúng ta cần phải tiến hành suy nghĩ sâu sắc và phân tích dữ liệu để quản lý vòng đời người dùng nhằm phát triển các chiến lược hoạt động hiệu quả hơn .

2. Cách xây dựng mô hình quan sát dữ liệu

Sau nhiều lần thực hành và điều chỉnh, Duolingo đã xây dựng được mô hình quan sát dữ liệu dựa trên "hoạt động của người dùng" : người dùng có mức độ hoạt động khác nhau được phân tầng, người dùng chính được xác định rõ ràng và họ được hướng dẫn và can thiệp để duy trì hoạt động trong sản phẩm.

Mỗi người dùng sử dụng sản phẩm vào một ngày dương lịch cụ thể sẽ được phân vào một nhóm người dùng cụ thể. Điều này cũng có nghĩa là người dùng ở các cấp độ khác nhau luôn loại trừ lẫn nhau. Các mũi tên khác nhau biểu thị tỷ lệ chuyển đổi của người dùng ở mỗi cấp độ (bao gồm CURR, NURR, RURR và SURR, nhưng chiều thời gian là ngày thay vì tuần). Trong hệ thống mô hình vòng kín hoàn toàn này, chúng ta có thể thấy rằng người dùng mới là bước đột phá duy nhất.

(Nguồn hình ảnh: Bản tin của Lenny & tự vẽ)

Tổng số nhóm người dùng màu vàng, xanh lá cây và xanh lam tạo nên DAU (người dùng hoạt động hàng ngày) của sản phẩm, bao gồm:

• Người dùng mới : Người dùng đăng nhập vào Ứng dụng lần đầu tiên;
• Người dùng đang hoạt động : Người dùng đã đăng nhập hôm nay và đã đăng nhập ít nhất một lần trong 6 ngày qua;
• Người dùng được kích hoạt lại : Người dùng đã đăng nhập hôm nay, không đăng nhập trong 6 ngày qua, nhưng đã đăng nhập ít nhất một lần trong 7-29 ngày qua;
• Người dùng được phục hồi : Người dùng đã đăng nhập hôm nay nhưng không đăng nhập trong ít nhất 30 ngày.

Ba nhóm người dùng ở dưới cùng là những người dùng hiện không đăng nhập nhưng có mức độ dữ liệu tham gia khác nhau trong quá khứ.

• Người dùng hoạt động hàng tuần có thể bị mất : người dùng không đăng nhập hôm nay nhưng đã đăng nhập ít nhất một lần trong 6 ngày qua [Người dùng hoạt động hàng tuần có thể bị mất + DAU (người dùng hoạt động hàng ngày) = WAU (người dùng hoạt động hàng tuần)]
• Người dùng hoạt động hàng tháng có thể rời bỏ : người dùng không đăng nhập trong 7 ngày qua nhưng đã đăng nhập trong vòng 30 ngày [Người dùng hoạt động hàng tháng có thể rời bỏ + WAU (người dùng hoạt động hàng tuần) = MAU (người dùng hoạt động hàng tháng)]
• Người dùng bị mất : người dùng không đăng nhập trong 31 ngày trở lên [MAU + Người dùng bị mất = tổng số người dùng]

Nếu bạn thấy hình ảnh này có vẻ phức tạp, tôi sẽ thêm một dòng thời gian để làm biến dạng nó và bạn sẽ dễ hiểu hơn.

(Nguồn ảnh: do chính tôi vẽ)

Từ công thức trên, chúng ta có thể thấy rằng DAU, WAU và MAU chung có thể được tính bằng cách thêm người dùng ở các cấp độ khác nhau, điều này có nghĩa là Duolingo có thể thực hiện mô hình hóa dữ liệu cho những người dùng này. Đây là một tính năng chính của hệ thống mô hình này.

Ngoài ra, bằng cách điều chỉnh tỷ lệ duy trì/hủy bỏ khác nhau được biểu thị bằng các mũi tên, chúng ta có thể mô phỏng tác động kết hợp của các tỷ lệ duy trì khác nhau theo thời gian. Nói cách khác, các tỷ lệ này chính là đòn bẩy mà nhóm sản phẩm sử dụng để thúc đẩy tăng trưởng người dùng.

• Tỷ lệ giữ chân người dùng hoạt động (CURR) : Tỷ lệ người dùng hoạt động đã đăng nhập trong tuần này so với những người đã đăng nhập trong hai tuần qua.
• Tỷ lệ giữ chân người dùng mới (NURR) : Tỷ lệ người dùng mới đã đăng ký trong tuần trước và đăng nhập vào tuần này;
• Tỷ lệ giữ chân người dùng được gọi lại (RURR) : Tỷ lệ người dùng đã đăng nhập trong tuần này sau khi được gọi lại trong tuần trước (hoạt động trong vòng 30 ngày).
• Tỷ lệ giữ chân người dùng quay lại (SURR) : Tỷ lệ người dùng đã không đăng nhập trong thời gian dài (ít nhất 30 ngày) nhưng đã quay lại trong tuần trước và đăng nhập vào tuần này.

3. Nó tốt hơn mô hình truyền thống như thế nào?

So với mô hình AARRR truyền thống, mô hình vòng đời của Duolingo linh hoạt hơn và có những ưu điểm sau:

• Phân biệt các loại người dùng khác nhau: Mô hình vòng đời theo lớp có thể giúp chúng ta phân biệt tốt hơn các loại người dùng khác nhau, cho phép chúng ta hiểu rõ hơn nhu cầu và hành vi của họ, đồng thời áp dụng các chiến lược khác nhau cho từng nhóm.
• Thu thập thông tin chi tiết hơn: Vì người dùng được chia thành các nhóm khác nhau theo thời gian hoạt động nên có thể hiểu thông tin một cách linh hoạt như hoạt động của người dùng, tần suất sử dụng và lòng trung thành.
• Tạo ra nhiều cơ hội phát triển hơn: Mô hình vòng đời nhiều lớp cũng cho phép chúng ta hiểu rõ hơn người dùng nào có tiềm năng phát triển để có thể xây dựng các chiến lược tương ứng.

3. Làm thế nào để vận dụng linh hoạt và đột phá thế tiến thoái lưỡng nan về tăng trưởng

Mô hình vòng đời của Duolingo cung cấp cho chúng ta một ý tưởng mới. Trong khi tận dụng câu chuyện thành công của Duolingo, chúng ta cũng cần áp dụng linh hoạt các phương pháp của công ty và phát triển các chiến lược tăng trưởng phù hợp với mình.

Tóm lại trong một câu: Thật may mắn, bạn có thể áp dụng trực tiếp.

Đối với cộng đồng, giải trí, thông tin và các sản phẩm khác , ai có thể từ chối mô hình dữ liệu MECE như vậy? Hãy tưởng tượng xem, lần tới khi sếp hỏi chúng ta vào sáng sớm tại sao dữ liệu tăng hay giảm, chúng ta không phải loay hoay tìm kiếm trong nhiều bảng dữ liệu nữa, chúng ta có thể đưa ra câu trả lời chính xác ngay lập tức.

Bạn không chỉ có thể tìm thấy các nhà phân tích dữ liệu để xây dựng bảng thông tin dữ liệu và hoàn tất việc giám sát dữ liệu hàng ngày mà còn mang đến lối chơi nâng cao hơn: đòn bẩy cốt lõi trong dự đoán dữ liệu và khai thác.

Ví dụ, sau khi xây dựng mô hình dữ liệu, đội ngũ phát triển của Duolingo đã lưu giữ hồ sơ hàng ngày để quan sát cách các nhóm người dùng và tỷ lệ duy trì khác nhau thay đổi hàng ngày trong vài năm qua.

Với dữ liệu này trong tay, họ có thể mô phỏng dữ liệu trong tương lai và thực hiện phân tích để dự đoán đòn bẩy nào sẽ có tác động lớn nhất đến sự tăng trưởng của người dùng. Hình bên dưới là kết quả ước tính dữ liệu mô phỏng đầu tiên của họ, cho thấy tác động của dữ liệu tỷ lệ duy trì/rời bỏ khác nhau thay đổi với cùng tốc độ đối với MAU và DAU.

Rõ ràng từ kết quả cho thấy CURR (tỷ lệ giữ chân người dùng tích cực) có tác động rất lớn đến DAU , cao gấp 5 lần so với dữ liệu có ảnh hưởng thứ hai. Sau đó họ mới nhận ra sự thật. Xét theo cấp độ người dùng hiện tại, những người dùng tích cực với các mức độ tham gia khác nhau cuối cùng sẽ luôn được phân loại là "người dùng tích cực".

(Nguồn hình ảnh: Bản tin của Lenny)

Dựa trên phân tích này, Duolingo khẳng định CURR là chỉ số cần phải vượt qua để đạt được bước đột phá trong tăng trưởng người dùng. Một loạt các chiến lược quan trọng đã được đưa ra: cơ chế trò chơi điện tử để tăng thời gian sử dụng tổng thể của người dùng, tăng cường chức năng đẩy tin nhắn để tăng sự tham gia của người dùng và tối ưu hóa cơ chế đăng nhập liên tục để khuyến khích người dùng duy trì hoạt động.

(Nguồn hình ảnh: Ảnh chụp màn hình trải nghiệm sản phẩm Duolingo)

Sau bốn năm nỗ lực, CURR của Duolingo đã tăng 21%, điều này có nghĩa là tỷ lệ người dùng cốt lõi rời bỏ Duolingo hàng ngày đã giảm hơn 40%.

Làm thế nào để thực hiện các hoạt động tinh chỉnh dựa trên phân khúc người dùng? Những chiến lược chung này cũng có thể được sử dụng để tham khảo:

Nguồn hình ảnh: Tôi tự vẽ nó

① “Kích hoạt” người dùng tiềm năng

• Kích hoạt người dùng mới, tối ưu hóa quy trình hướng dẫn sử dụng cho người dùng mới và nâng cao trải nghiệm sản phẩm lần đầu;
• Tăng các kênh hướng dẫn người dùng mới thầm lặng: thêm nhiều phương pháp kích hoạt - SMS, đẩy, email, số dịch vụ;
• Thiết lập các ưu đãi phù hợp: bao lì xì cho người dùng mới, giảm giá, v.v.

② “ Giữ chân và kiếm tiền” người dùng khỏe mạnh và năng động

• Bắt đầu bằng việc tối ưu hóa chức năng sản phẩm để cải thiện khả năng giữ chân người dùng;
• Phân tầng người dùng hơn nữa, so sánh và tìm ra sự khác biệt trong tỷ lệ giữ chân người dùng khác nhau và cải thiện tỷ lệ giữ chân theo cách có mục tiêu (phân khúc kênh, phân khúc độ tuổi, phân khúc giữa tuần/cuối tuần, thuật ngữ tìm kiếm của người dùng, tỷ lệ nhấp chuột của người dùng);
• Cải thiện sự tương tác của người dùng bằng cách tăng tần suất và cường độ sử dụng của người dùng, do đó cải thiện khả năng giữ chân người dùng (theo hệ thống khuyến khích);
• Giá linh hoạt: giảm giá theo thuật toán, sự kiện thường xuyên;
• Tối ưu hóa đường dẫn thanh toán cốt lõi: thử nghiệm và tối ưu hóa để tăng tỷ lệ chuyển đổi của từng bước và cuối cùng là tối đa hóa "khoản tiền kiếm được".

③ “Phát hiện và can thiệp” người dùng có nguy cơ mất khách hàng

• Có hành vi tiêu cực trực tiếp xảy ra: ví dụ, thành viên sắp hết hạn nhấp vào trang gia hạn nhưng không gia hạn; ví dụ, một lượng lớn dữ liệu và tài liệu được xuất ra; ví dụ, người dùng đưa ra đánh giá "không hài lòng" khi đánh giá;
• Thay đổi trong mô hình hành vi: Ví dụ, người dùng đã đăng nhập nhiều lần trong ngày trước đó, sau đó là ba ngày một lần, rồi không đăng nhập trong một tuần;
• Dự đoán mô hình dữ liệu: Dựa trên lượng dữ liệu lớn, có thể xây dựng "mô hình dự đoán tỷ lệ mất khách hàng" để tạo ra điểm "khả năng mất khách hàng" nhằm giúp chú ý đến những người dùng có nguy cơ mất khách hàng trước;
• Lưu trữ dữ liệu người dùng: nhắc nhở dữ liệu hết hạn nếu không đăng nhập trong thời gian dài;
• Tăng chi phí chuyển đổi: Ví dụ, hệ thống điểm và cấp độ "làm tăng đáng kể chi phí chuyển đổi";
• Khóa người dùng trước: Ví dụ, lập kế hoạch cho hoạt động mua tư cách thành viên nhiều năm để "khóa người dùng trước";
• Cơ chế cảnh báo mất mát: Đưa ra các động cơ khuyến khích tương ứng kịp thời để kích hoạt "cơ chế cảnh báo mất mát".

④ “Nhớ lại” người dùng đã mất

• Cân nhắc xem có nên thực hiện thu hồi người dùng hay không: Có đáng làm không? Tại sao lại quay lại? Bạn có thể giữ nó được không? Nếu sản phẩm được cải thiện đáng kể bằng cách tăng thêm trọng lượng, điều này sẽ rất hữu ích trong việc thu hút lại một số lượng người dùng đã mất và người dùng sẽ có lý do để quay lại.
• Chọn mục tiêu thu hồi: Có 4 loại mục tiêu hủy: hủy do không đăng nhập, hủy do không kích hoạt, hủy do người dùng mới và hủy do người dùng lâu năm. Thông thường, nhóm người dùng thứ hai và thứ ba có nhiều khả năng được ghi nhớ hơn vì họ dễ tiếp cận và chưa trải nghiệm sâu sắc giá trị của sản phẩm.
• Kiểm thử A/B thu hồi: Từ đối tượng thu hồi, thời gian và tần suất thu hồi, kênh thu hồi đến thiết kế sao chép, thời gian gửi và đường dẫn nhảy, tất cả đều có thể được kiểm tra và gỡ lỗi để đạt được kết quả tốt hơn.
• Đo lường hiệu ứng thu hồi: Có thể đánh giá kết quả trực tiếp từ tỷ lệ mở thông báo, tỷ lệ nhấp và tỷ lệ truy cập 24 giờ; kết quả dài hạn có thể được đánh giá dựa trên việc liệu có hành vi cốt lõi (khoảnh khắc Aha) và tỷ lệ giữ chân người dùng được nhớ lại hay không. Kết quả lâu dài là mục tiêu cuối cùng của việc nhớ lại.

4. Viết ở cuối

Lợi nhuận từ lưu lượng truy cập đang biến mất và các hoạt động tinh vi chính là hướng đi cần hướng tới.

Kinh nghiệm thành công của Duolingo cho chúng ta thấy rằng mô hình AARRR truyền thống không phải là mô hình hoạt động duy nhất. Chúng ta cần áp dụng linh hoạt các chiến lược vận hành và mô hình dữ liệu khác nhau dựa trên đặc điểm sản phẩm và nhu cầu kinh doanh của riêng mình.

Chỉ bằng cách hiểu sâu sắc nhu cầu và hành vi của người dùng, chúng ta mới có thể xây dựng các chiến lược tăng trưởng đáp ứng được kỳ vọng của người dùng và đạt được sự tăng trưởng bền vững trong bối cảnh cạnh tranh khốc liệt của thị trường.

Trên đây là nội dung của bài viết “Phá vỡ mô hình tăng trưởng truyền thống, đổi mới theo xu hướng thông qua quản lý vòng đời” . Tài liệu tham khảo này xuất phát từ thực tiễn và nghiên cứu về tăng trưởng người dùng. Nếu bạn có ý kiến ​​khác, vui lòng để lại tin nhắn ở phần bình luận bên dưới để thảo luận.

Lần tới tôi muốn nói chuyện với bạn về các chiến lược thực tế để thu hút người dùng cũ của nhiều sản phẩm nền tảng khác nhau!