Ở bài trước về hành trình khách hàng theo mô hình đăng ký, Hương Camera đã có một hành trình hoàn chỉnh cho người mới tìm hiểu nhiếp ảnh. Khách đọc thử bài học đầu tiên, làm bài tập, đăng ký nhận bài, quay lại mỗi tuần và cuối cùng mua sản phẩm đầu tiên qua khối gợi ý trong bài học. Cuối bài đó, mình có một bảng theo dõi tháng đầu với con số cho từng giai đoạn.
Có hành trình rồi thì câu hỏi tiếp theo là làm sao để nhiều người đi hết hành trình đó hơn. Growth Marketing trả lời câu hỏi này theo một cách khá đơn giản. Ta không đoán xem khách thích gì, cũng không thay đổi cả website cùng lúc. Mỗi lần ta chỉ thay đổi một điểm nhỏ, đo xem nó có giúp thêm người đi tiếp hay không, giữ lại thay đổi tốt và bỏ thay đổi không hiệu quả. Làm đều đặn như vậy, hành trình tốt lên từng chút mà không cần đến những chiêu thu hút ngắn hạn.
Trong bài này, mình dùng chính bảng số liệu của bài trước để chọn chỗ cần thử, dựng một thử nghiệm A/B trên EzyPlatform, rồi áp dụng cùng cách làm cho bước đăng ký và bước mua đầu tiên.

1. Nhìn hành trình thành một phễu

Bảng theo dõi ở bài trước ghi số liệu theo từng giai đoạn. Khi xếp các con số đó theo thứ tự, ta có một phễu: từ số người mở bài học đầu tiên, bao nhiêu người đăng ký, bao nhiêu người quay lại, bao nhiêu người bấm vào gợi ý sản phẩm và bao nhiêu người đặt đơn đầu tiên.
Bước trong phễuSố ngườiTỷ lệ đi tiếp so với bước trước
Mở bài học 1[Điền]
Đăng ký nhận bài[Điền][Điền]%
Quay lại đọc bài mới trong tháng[Điền][Điền]%
Nhấn vào khối gợi ý sản phẩm[Điền][Điền]%
Đặt đơn hàng đầu tiên[Điền][Điền]%
Điều mình nhìn vào không phải con số lớn hay nhỏ, mà là tỷ lệ đi tiếp giữa hai bước liền nhau. Bước có tỷ lệ thấp nhất là nơi một thay đổi nhỏ có thể tạo ra khác biệt lớn nhất cho cả hành trình. Mình chọn bước đó để thử nghiệm trước, thay vì cải thiện những phần đang chạy tốt.
Screenshot 2026-10-12 190641.png

2. Đặt giả thuyết trước khi thay đổi

Mỗi thử nghiệm bắt đầu bằng một câu giả thuyết gồm ba phần: thay đổi gì, vì sao nghĩ nó hiệu quả, và đo bằng chỉ số nào. Viết rõ giả thuyết trước giúp mình không bị cuốn theo con số nào trông đẹp sau khi thử.
Lấy ví dụ lời mời đọc bài ở cuối trang lộ trình chọn máy ảnh, điểm vào của cả hành trình. Phiên bản hiện tại là "Bắt đầu với bài học đầu tiên". Người đọc đến cuối lộ trình thường đang băn khoăn về tiêu cự và ống kính, nên mình đặt giả thuyết: nếu lời mời nói rõ bài học giúp họ làm được gì, như "Học cách chọn tiêu cự qua một bài tập 5 phút", thì sẽ có nhiều người mở bài học 1 hơn. Chỉ số đo là tỷ lệ người xem trang lộ trình có bấm vào lời mời.
Thử nghiệm chỉ thay đổi đúng câu chữ của lời mời. Vị trí, màu nút và trang đích vẫn giữ nguyên. Nếu thay đổi nhiều thứ cùng lúc, khi kết quả khác đi mình sẽ không biết thay đổi nào tạo ra khác biệt.

3. Dựng thử nghiệm A/B trong VS Code

Để so sánh công bằng, trong cùng một khoảng thời gian, một nửa số người truy cập thấy phiên bản A, nửa còn lại thấy phiên bản B. Mỗi người chỉ thấy một phiên bản, kể cả khi quay lại nhiều lần. Cách ghi nhớ này giống khối "Sản phẩm bạn đã xem" ở bài cá nhân hóa: phiên bản được lưu trong trình duyệt của khách bằng localStorage.
Để biết lượt bấm thuộc phiên bản nào, liên kết của mỗi phiên bản có thêm một tham số nhỏ ở cuối đường dẫn, ví dụ ?loimoi=a và ?loimoi=b. Khi xem số liệu trang đích, mình tách được lượt đến từ từng phiên bản.
Bạn có thể dùng prompt sau:
Hãy dựng thử nghiệm A/B cho lời mời đọc bài ở cuối trang
lộ trình chọn máy ảnh của website Hương Camera.

Trước khi sửa, kiểm tra cấu trúc trang lộ trình và vị trí lời mời hiện tại.
Nếu cần, xác minh chức năng qua MCP Server.
Không tự đặt tên API hoặc EzyFunction.

Phiên bản A: giữ nguyên câu "Bắt đầu với bài học đầu tiên".
Phiên bản B: đổi câu thành "Học cách chọn tiêu cự qua một bài tập 5 phút".

- Khi khách mở trang lần đầu, chọn ngẫu nhiên A hoặc B với tỉ lệ 50/50.
- Lưu phiên bản đã chọn vào localStorage để lần sau khách vẫn thấy đúng phiên bản đó.
- Liên kết của A thêm ?loimoi=a, liên kết của B thêm ?loimoi=b,
  cả hai vẫn mở đúng bài học 1.
- Không thay đổi vị trí, màu nút, trang đích hay bất kỳ phần nào khác.
- Nếu không đọc được localStorage, hiển thị phiên bản A.
Sau khi AI chỉnh sửa, mình mở trang lộ trình bằng hai trình duyệt khác nhau để xem cả hai phiên bản, rồi tải lại nhiều lần trên cùng một trình duyệt để chắc phiên bản không đổi qua lại. Bấm vào từng lời mời để xác nhận cả hai đều mở bài học 1.
Screenshot 2026-10-12 200059.png

4. Chạy đủ lâu và đọc kết quả đúng cách

Một thử nghiệm cần chạy đủ lâu để mỗi phiên bản có đủ lượt xem. Mình chọn chạy ít nhất hai tuần, để có đủ cả ngày thường lẫn cuối tuần, vì thói quen đọc của khách khác nhau giữa các ngày. Trong thời gian chạy, mình không xem kết quả mỗi ngày rồi dừng sớm khi thấy một bên đang dẫn trước. Chênh lệch trong vài ngày đầu thường chưa nói lên điều gì.
Khi hết thời gian, mình so sánh tỷ lệ bấm chứ không so tổng lượt bấm. Hai phiên bản có thể nhận số lượt xem khác nhau một chút, nên chỉ tỷ lệ mới cho phép so sánh công bằng.
Phiên bảnLượt xem trang lộ trìnhLượt bấm lời mờiTỷ lệ bấm
A - "Bắt đầu với bài học đầu tiên"[Điền][Điền][Điền]%
B - "Học cách chọn tiêu cự qua một bài tập 5 phút"[Điền][Điền][Điền]%
Nếu B có tỷ lệ cao hơn rõ ràng, mình giữ B làm phiên bản chính. Nếu hai bên gần như bằng nhau, mình giữ A và ghi lại rằng câu chữ của lời mời không phải điều khách quan tâm nhất ở bước này. Kết quả "không khác biệt" cũng là một kết quả có ích, vì nó cho biết nên thử ở chỗ khác.
Screenshot 2026-10-12 191619.png

5. Tối ưu onboarding: những bước ngay sau khi đăng ký

Onboarding là khoảng thời gian từ lúc khách đăng ký đến khi họ quen với việc nhận và đọc bài mới. Trong hành trình của Hương Camera, đó là thông báo xác nhận ngay sau khi đăng ký, bài học thứ hai đến đúng hẹn, và lần đầu khách mở bài từ thông báo.
Trước khi thử nghiệm ở đây, mình tự đi lại các bước này bằng một địa chỉ đăng ký mới. Mình ghi lại thông báo xác nhận nói gì, bài học thứ hai đến sau bao lâu, và bấm vào thông báo thì mở ra trang nào. Từ đó mình chọn một điểm để thử, ví dụ thông báo xác nhận có cho khách biết trước bài tiếp theo nói về chủ đề gì hay chưa. Cách dựng và đọc kết quả giống hệt thử nghiệm ở bước 3 và 4, chỉ khác chỉ số đo là tỷ lệ người đăng ký mở bài học thứ hai.
Screenshot 2026-10-12 191732.png

6. Tối ưu conversion ở khối gợi ý sản phẩm

Bước cuối của phễu là từ bài học đến lần mua đầu tiên. Ở bài trước, khối gợi ý sản phẩm cuối bài học về tiêu cự có một dòng giải thích vì sao mỗi ống kính phù hợp với bài tập vừa làm. Đây là nơi thử nghiệm có thể tác động trực tiếp đến đơn hàng.
Mình áp dụng cùng nguyên tắc: mỗi lần chỉ thay đổi một điều. Có thể thử đặt khối gợi ý ngay sau phần bài tập thay vì ở cuối bài, hoặc thử cách viết dòng giải thích theo kiểu ảnh khách sẽ chụp được với ống kính đó. Chỉ số đo gồm tỷ lệ nhấn vào khối gợi ý và số đơn hàng đầu tiên đến từ khối này. Vì số đơn hàng thường nhỏ hơn nhiều so với lượt nhấn, thử nghiệm ở bước này cần chạy lâu hơn mới đủ dữ liệu để kết luận.
Có một giới hạn mình giữ ở mọi thử nghiệm: không dùng cách khiến khách hiểu sai, như đếm ngược giả, giảm giá không có thật hay chèn sản phẩm vào những bài không liên quan. Những cách đó có thể làm tăng lượt nhấn trong vài tuần, nhưng làm mất đúng niềm tin mà chuỗi bài học đã xây dựng.
Screenshot 2026-10-12 191843.png

7. Ghi lại mọi thử nghiệm

Growth Marketing bền vững nhờ những gì tích lũy qua nhiều thử nghiệm, không nhờ một lần thắng lớn. Vì vậy, mỗi thử nghiệm đều được ghi vào một bảng chung, dù kết quả tốt hay không. Sau vài tháng, bảng này cho biết khách của Hương Camera phản hồi với điều gì, và giúp người làm sau không thử lại những gì đã thử.
Ngày bắt đầuĐiểm thử nghiệmGiả thuyếtKết quảQuyết định
[Điền]Lời mời cuối trang lộ trìnhNói rõ bài học giúp làm được gì sẽ tăng tỷ lệ bấm[Điền][Giữ A / Chuyển sang B]
[Điền]Thông báo xác nhận đăng ký[Điền][Điền][Điền]
[Điền]Khối gợi ý sản phẩm[Điền][Điền][Điền]

Kết luận

Hành trình được xây ở những bài trước giờ có thêm một vòng cải thiện đều đặn. Từ bảng số liệu tháng đầu, mình tìm bước có tỷ lệ đi tiếp thấp nhất, đặt giả thuyết, thay đổi đúng một điểm, chạy thử nghiệm đủ lâu rồi đọc kết quả bằng tỷ lệ. Phiên bản tốt hơn được giữ lại, còn kết quả nào cũng được ghi vào bảng thử nghiệm. Cách làm này áp dụng được cho mọi bước, từ lời mời đọc bài, onboarding sau khi đăng ký đến khối gợi ý sản phẩm.
EzyArticle và Ecommerce giữ nội dung và sản phẩm, VS Code cùng AI giúp dựng thử nghiệm nhanh trên giao diện, còn EzyRating cho biết phiên bản nào giúp khách đi tiếp. Khi đã có thêm khách mua sản phẩm đầu tiên, câu hỏi tiếp theo là làm sao để họ quay lại. Ở [bài tiếp theo về Customer Lifetime Value – bổ sung URL], mình sẽ nói về cách tính giá trị vòng đời khách hàng và chăm sóc khách sau lần mua đầu tiên.