Mọi điều từng học được (và đã quên) về viral loop thời Web 2.0

(andrewchen.substack.com)

21 điểm bởi GN⁺ 2025-11-18 | 2 bình luận | Chia sẻ qua WhatsApp

Viral loop là cơ chế tăng trưởng được thiết kế ngay trong sản phẩm, tạo ra cấu trúc thu hút người dùng có thể đo lường và tối ưu hóa thông qua các tính năng mời, chia sẻ, giới thiệu
Trong thời kỳ hoàng kim của Web 2.0, hàng loạt sản phẩm đã tạo ra hàng chục triệu người dùng nhờ viral loop, nhưng sau khi chuyển sang kỷ nguyên di động, phần lớn bí quyết này đã bị mai một
Nếu thiết kế các tính năng mời, chia sẻ, giới thiệu trong sản phẩm và đo lường viral factor theo phiên và cohort, có thể theo dõi bằng công thức xem lượng người dùng miễn phí có thể được khuếch đại tới mức nào
- Từ 1.0 trở lên thì tự tăng tốc tăng trưởng, dưới 1.0 thì cuối cùng tăng trưởng sẽ chậm lại
Có sản phẩm category 1 phụ thuộc vào vòng lặp chia sẻ đơn giản nhưng mạnh, và sản phẩm category 2 đặt nhiều vòng lặp chia sẻ lên trên các tính năng sâu cùng mức retention cao; mô hình tăng trưởng và giới hạn của hai nhóm này rất khác nhau
Do chuyển dịch sang di động, ràng buộc nền tảng, sự mất đi của yếu tố mới lạ, bão hòa thị trường... nên cấu trúc có viral factor vượt 1 ngay từ phiên đầu tiên gần như không còn khả thi; ngày nay, điều quan trọng là cấu trúc trong đó retention càng cao thì cumulative viral factor của toàn bộ các phiên càng lớn
Các nội dung đang thịnh hành trên mạng xã hội như công cụ tạo sinh AI, shitposting, rage baiting, video clip gần với những đợt tăng vọt một lần, nhưng khi kết hợp với vòng lặp “tạo rồi chia sẻ” được thiết kế trong sản phẩm, chúng có thể đóng góp vào việc mở rộng tệp người dùng dài hạn

Thời kỳ đỉnh cao của viral loop trong kỷ nguyên Web 2.0

Trong giai đoạn Web 2.0 từ 2005 đến 2010, các mạng xã hội, nền tảng UGC, công cụ cộng tác và ứng dụng nhắn tin đã thiết kế viral loop một cách có hệ thống để hình thành tệp người dùng từ hàng triệu đến hàng trăm triệu người
- Họ tối ưu hóa bằng kỹ thuật các cấu trúc trong đó người dùng kéo thêm người dùng qua email mời, nhập danh bạ, liên kết chia sẻ nội dung
- Đây là giai đoạn theo đuổi “tăng trưởng được thiết kế bằng kỹ thuật”, với việc theo dõi viral factor dựa trên A/B test và công thức
- Facebook, LinkedIn, YouTube, Spotify, Pinterest đã tăng trưởng theo cách này
Những nhà sáng lập và đội ngũ đứng sau các sản phẩm viral thành công trong giai đoạn này sau đó chuyển sang làm lãnh đạo tại các đại công ty công nghệ hoặc VC, khiến tri thức về xây dựng viral loop gần như bị thất truyền
Sau khi chuyển sang di động, các phương pháp cũ không còn hiệu quả, nên một phần lớn kiến thức và bí quyết đã bị pha loãng trong thực tiễn vận hành
Tuy nhiên, cùng một hệ toán học và cách tư duy đó vẫn có thể áp dụng nguyên vẹn cho Product-Led Growth, gợi ý trên marketplace, và luồng chia sẻ của AI tạo sinh hiện nay

Cấu trúc cơ bản để nhìn viral factor bằng công thức

“Viral” được nói đến ở đây không phải là một tweet bùng nổ, mà là vòng lặp cấu trúc trong đó lời mời, gắn thẻ, chia sẻ liên kết, chương trình giới thiệu được nhúng trong sản phẩm và liên tục tạo ra người dùng mới
Đặc điểm của vòng lặp này là có thể đo lường, có thể cải thiện bằng thay đổi sản phẩm, và cùng một cấu trúc toán học áp dụng cho nhiều hình thức như mời, chia sẻ nội dung, referral, với khái niệm tỷ lệ ở trung tâm là viral factor
Viral factor là tỷ lệ lấy “cohort người dùng đăng ký trong một khoảng thời gian nhất định” làm mẫu số, và số người dùng mới mà cohort đó tạo ra theo thời gian thông qua mời và chia sẻ làm tử số
- Ví dụ: nếu 100 người đăng ký từ 3 tháng trước sau đó kéo về thêm 50 người thì viral factor tại thời điểm đó là 0.5
- Nếu 100 người dùng kéo về 150 người, và 150 người đó lại kéo về 225 người thì viral factor là 1.5
- Từ 1 trở lên thì vòng lặp mở rộng, dưới 1 thì về lâu dài sẽ dừng lại

Vòng lặp chia sẻ nội dung và thiết kế dữ liệu

Một ví dụ điển hình của viral loop là khi người dùng tạo ra thứ gì đó bằng AI, filter hoặc tool rồi chia sẻ qua liên kết, và một phần người xem sau đó tự đăng ký để tạo ra điều tương tự
- Instagram filter, bài blog, hay các công cụ tạo video AI hiện nay đều thuộc mẫu này
Để định lượng được, cần theo dõi bằng cách gắn URL có chứa sharer_id vào liên kết chia sẻ
- Ví dụ: chia sẻ theo dạng product.com/vid/[video_id]?sharer_id=[user_id], và lưu sharer_id vào row của người dùng đăng ký thông qua liên kết này
Sau đó, lấy danh sách id của một cohort nhất định và thống kê xem họ xuất hiện bao nhiêu lần trong sharer_id của người dùng khác là có thể tính viral factor
- Người dùng có sharer_id trống được xem là “người dùng Gen 1/onramp” và loại khỏi phép tính; cách nhìn tỷ lệ Gen N so với Gen N+1 ổn định hơn
Quảng cáo
Sau khi tính được viral factor, câu hỏi tự nhiên sẽ là “làm sao để tăng con số này, có thể đẩy nó vượt 1 hay không?”
- Ví dụ như thêm luồng yêu cầu mời trong onboarding, liên kết mời dễ sao chép, cải thiện UI chia sẻ
Khi có thể tính toán dựa trên sharer_id, có thể cố định nó thành chỉ số dashboard và quan sát mức thay đổi bằng A/B test
- Các biến thử nghiệm gồm tỷ lệ dùng tính năng chia sẻ, số lần chia sẻ, tỷ lệ chuyển đổi đăng ký của phía nhận chia sẻ, và tổ hợp này hoạt động như một kiểu “viral factor cookbook”
Nói cách khác, viral factor có thể áp dụng rộng rãi không chỉ cho vòng lặp mời (invite) mà còn cho chia sẻ, cộng tác, referral và mọi cấu trúc trong đó người dùng hiện tại tạo ra người dùng mới

Công thức “số lời mời × tỷ lệ chuyển đổi” và giới hạn của nó

Công thức “viral factor = số lời mời × tỷ lệ chuyển đổi” vốn rất phổ biến trên Internet là đúng về mặt trực quan, nhưng có giới hạn là chỉ bó hẹp trong vòng lặp kiểu lời mời
- Trên thực tế còn có nhiều vòng lặp khác như chia sẻ nội dung, lời mời cộng tác, mã giới thiệu
Quan trọng hơn, điều thực sự cần biết là tỷ lệ giữa hai cohort người dùng, nên định nghĩa dựa trên cohort gần với bản chất hơn
Nếu chỉ bám vào số lời mời × tỷ lệ chuyển đổi, sản phẩm sẽ bị dẫn tới hướng khiến người dùng gửi email mời cho càng nhiều bạn bè càng tốt, tức một thiết kế gần với spam, làm tăng sự mệt mỏi cho người dùng
- Các mạng xã hội cũ như Bebo, Tagged, Hi5, MySpace đã từng đẩy hơn 200 email mời bằng tính năng nhập danh bạ Hotmail và Yahoo Mail, qua đó kéo viral factor lên một cách nhân tạo
- Cách làm này dẫn đến gửi ngày càng nhiều đến địa chỉ không hợp lệ → tỷ lệ chuyển đổi giảm → bị nhà cung cấp email đánh dấu spam; nó hiệu quả khoảng 10 năm nhưng cuối cùng kỷ nguyên vòng lặp mời qua email đã chấm dứt

Chỉ số cốt lõi của sản phẩm viral và điều kiện PMF

Để phân biệt những sản phẩm còn trụ lại sau một đợt viral spike tạm thời, các chỉ số về retention, hình thành thói quen, network effect, monetization như sau là tiêu chuẩn hữu ích
- Đường cong retention theo cohort có phẳng lại ở một mức nhất định hay không (tỷ lệ người dùng được giữ lại)
- actives/registered > 25%, tức số người dùng thực sự hoạt động có đủ cao so với số người đăng ký hay không
- Đường cong power user có tạo thành hình “smile” hay không (có tồn tại tầng người dùng bám rất chặt ở trung tâm hay không)
Ngoài ra, các chỉ số sau cũng hữu hiệu để nhận diện một doanh nghiệp bền vững
- viral factor > 0.5 (đủ mức để khuếch đại các kênh khác)
- DAU/MAU > 50% (có hình thành thói quen sử dụng hằng ngày hay không)
- Các network cũ hơn ở cấp thị trường hoặc logo có cho thấy mức độ tham gia tăng lên hay không (network effect)
- D1/D7/D30 có vượt mức 60/30/15 hay không (khả năng bám lại ban đầu và tần suất sử dụng)
- Doanh thu hoặc mức độ hoạt động trên mỗi người dùng có tăng dần theo thời gian hay không (có bắt đầu dùng sâu hơn hay không)
- Ở quy mô đủ lớn, có trên 60% là organic thay vì marketing trả phí hay không
Nhiều ứng dụng viral trong thời Web 2.0 và thời nền tảng Facebook đã đạt viral factor ban đầu và hiệu ứng truyền miệng rất cao, nhưng biến mất sau spike vì retention không đủ chống đỡ
- Dù có thể liên tục tái thu hút những người dùng đã rời đi thông qua viral loop, nhưng nếu không có product-market fit và cấu trúc sử dụng đủ “sticky” thì sẽ không dẫn tới một mô hình kinh doanh thành công
Quảng cáo

Hai kiểu sản phẩm viral: category 1 và 2

Sản phẩm viral nhìn chung được chia thành hai danh mục
- Danh mục 1: ứng dụng đơn giản tập trung vào một hành động, với kết quả cực kỳ dễ chia sẻ, dạng siêu đơn giản (Instagram thời kỳ đầu, YouTube, các app quiz/ẩn danh khác nhau, v.v.)
- Danh mục 2: sản phẩm có chức năng sâu và retention mạnh nhưng tích hợp nhiều tính năng chia sẻ/cộng tác, tức các sản phẩm phức tạp hơn (Figma, Slack, Facebook thời kỳ đầu, v.v.)
Danh mục 1 nhờ flow ngắn và tỷ lệ chuyển đổi cao nên dễ tạo ra tăng trưởng bùng nổ và mô hình “nổi lên chỉ sau một đêm”, nhưng thường đi kèm vấn đề người dùng rời đi sau spike và retention tích lũy thấp
Danh mục 2 mất nhiều thời gian hơn để xây dựng và tăng trưởng ban đầu chậm hơn, nhưng vì người dùng đã có được ít rời bỏ, nên có cấu trúc cho phép tích lũy viral factor cộng dồn qua nhiều session
Hiện nay, phần lớn công cụ tạo nội dung AI đang đi theo mô hình Danh mục 1 (tạo đơn giản → chia sẻ), nên vừa có điểm mạnh giống các dịch vụ filter ảnh/video trước đây (tăng trưởng nhanh), vừa có điểm yếu tương tự (khó giữ được đà sau spike)

Cấu trúc theo từng bước và công thức của vòng lặp tạo nội dung đơn giản

Vòng lặp tạo và chia sẻ nội dung đơn giản đi qua các bước sau
- Ai đó nhìn thấy kết quả do người khác tạo ra trên mạng →
- Xem hoặc thưởng thức kết quả đó →
- Nhấn vào liên kết gắn với kết quả để chuyển sang công cụ tạo ra nó →
- Tự mình dùng công cụ để tạo thử thứ gì đó →
- Chia sẻ kết quả đã tạo lên mạng xã hội, ứng dụng nhắn tin, v.v. →
- Nhiều người hơn nhìn thấy nó và lặp lại cùng quy trình
Ở mỗi bước đều có các chỉ số funnel như tỷ lệ xem, CTR, tỷ lệ tạo, tỷ lệ chia sẻ, số người được tiếp cận, và khi tích các giá trị này với nhau rồi nhân thêm với “trung bình có bao nhiêu người nhìn thấy mỗi lần được chia sẻ (X)”, nếu vượt quá 1 thì vòng lặp có thể tăng trưởng bùng nổ
Ví dụ, nếu đặt các con số như sau, thì 0.5(xem) * 0.1(click) * 0.2(tạo) * 0.5(chia sẻ) * X phải lớn hơn 1 thì viral mới xảy ra
- Tích của bốn hạng đầu là 0.005, nên để đưa vòng lặp lên từ 1 trở lên thì mỗi lần chia sẻ phải có hơn 200 người nhìn thấy kết quả
- Vì các con số thay đổi rất nhạy, nên những thay đổi nhỏ về UI hay nội dung cũng có thể ảnh hưởng lớn đến toàn bộ vòng lặp
Nếu xét theo viral factor (v), tổng hệ số khuếch đại người dùng khi xem lượng người dùng đến theo từng thế hệ như một tổng cấp số nhân sẽ có dạng 1/(1-v)
- Khi viral factor nhỏ, trong dữ liệu thực tế thường chỉ thấy mức tăng khó phân biệt bằng mắt thường vì bị lẫn trong nhiễu
- Ví dụ: mỗi ngày có 100 người dùng mới, viral factor là 0.1 thì mức khuếch đại cuối cùng chỉ là 1.11 lần, tức thêm khoảng 11 người
- Nếu v=0.5 thì 1/(1-0.5)=2, nghĩa là trên 100 người có được nhờ trả phí sẽ có thêm 100 người nữa đến từ viral
Nói cách khác, với v=0.5 là tăng 2 lần, v=0.75 là 4 lần, v=0.9 là 10 lần
- Cùng là 100 người dùng mới ban đầu nhưng cuối cùng có thể thành 200 người (2 lần) · 400 người (4 lần) · 1000 người (10 lần), tạo ra mức khuếch đại đủ cảm nhận rõ rệt và bù đắp đáng kể chi phí marketing trả phí
Vì vậy, trong thiết kế thực tế, không nên dừng ở mức “chỉ cần có chút viral là tốt”, mà cần tạo ra cấu trúc có thể kéo viral factor lên từ 0.5 trở lên

Vì sao hiệu suất viral giảm dần theo thời gian

Vòng lặp viral theo thời gian có xu hướng tự nhiên dịch chuyển theo hướng hiệu suất giảm xuống
- Hiệu ứng mới lạ (novelty) biến mất, thị trường dần bão hòa, và các nền tảng siết chặt quy định hơn
Khi một dạng nội dung hay công cụ mới xuất hiện, mọi người thường có xu hướng xem nhiều hơn, bấm thử nhiều hơn, dùng thử nhiều hơn, nhưng theo thời gian khi cùng kiểu chia sẻ đó trở nên phổ biến, các chỉ số tương ứng thường đồng loạt giảm xuống
- Ví dụ, thời kỳ đầu chia sẻ ảnh AI, cả những bức ảnh có sáu ngón tay cũng được chia sẻ nhiều vì còn mới lạ, còn bây giờ cần mức độ bất ngờ cao hơn nhiều
Quảng cáo
Càng bão hòa thị trường, trong danh sách bạn bè ưu tiên mà người dùng muốn mời, phần lớn sẽ либо đã đăng ký rồi либо không còn quan tâm, khiến số lời mời hiệu quả giảm xuống
- Ngoài ra, người dùng đến ở giai đoạn sau thường là nhóm chấp nhận muộn và cũng ít tạo truyền miệng hơn, khiến viral factor toàn cục giảm đi
- Trong ví dụ mời qua sổ địa chỉ email, ban đầu có thể gửi tới hơn 200 liên hệ và đạt tỷ lệ mở/click cao, nhưng sau khi đã có hàng chục triệu người dùng thì cả số lượng liên hệ lẫn tỷ lệ mở/click đều cùng giảm
Mọi vòng lặp viral đều vận hành trên một nền tảng cơ sở (email, Facebook, TikTok, v.v.)
- Khi nội dung bị gắn watermark hoặc link quá nhiều xuất hiện tràn lan, nền tảng có thể áp dụng chính sách để kìm hãm điều đó
- Tức là nếu nền tảng không thích nội dung có watermark/link hoặc bắt đầu tung ra tính năng cạnh tranh, tỷ lệ chuyển đổi ở một bước nào đó có thể rơi mạnh, kéo theo cả vòng lặp sụp đổ

Giới hạn của app siêu đơn giản và hiệu ứng mạng lưới

Các app siêu đơn giản, siêu viral có cấu trúc sản phẩm chỉ gồm vài màn hình và một số thành phần UI, nhưng bản thân cấu trúc đó lại có tiềm năng tạo ra retention rất sâu nếu có đủ nội dung và mạng lưới
- YouTube và Instagram là ví dụ cho thấy UI cốt lõi rất đơn giản nhưng mạng lưới nội dung khổng lồ có thể tạo ra cảm giác cuốn hút vô tận dù bề ngoài trông như một app nhỏ
Những sản phẩm như vậy, dù theo thời gian có thêm nhiều chức năng, vẫn có thể liên tục cho người dùng thấy thứ mới mẻ chỉ nhờ lượng nội dung và hiệu ứng mạng lưới
Ngược lại, những app chỉ có mẹo viral nhưng không tích lũy được nội dung, graph hay thói quen sử dụng, thường lặp lại mô hình gần như không còn lại bao nhiêu người dùng sau khi spike qua đi

Giới hạn của các kỹ thuật social viral hiện đại (shitposting, v.v.)

Thứ được gọi là “viral” trên social gần đây thường là sự pha trộn của nhiều chiến thuật như ragebait (kích động phẫn nộ), shitposting, video launch ấn tượng, clip TikTok, billboard, viral qua influencer, founder trở thành influencer
Những kỹ thuật này phù hợp để tạo ra các đợt spike traffic mang tính một lần, nhưng
- khi DAU tăng lên, chúng có hạn chế là khá xa với kiểu cấu trúc có thể duy trì tỷ lệ số người dùng mới / DAU và mở rộng theo cấp số nhân
- nếu lặp lại cùng một format theo chu kỳ tuần hoặc tháng, hiệu quả thường giảm dần mạnh do quán tính và sự mệt mỏi của người xem
Dù vậy, các chiến thuật này vẫn là công cụ hữu ích vì nếu lượng traffic chúng mang vào được kết hợp với vòng lặp “tạo rồi chia sẻ” bên trong sản phẩm, thì các spike có thể chuyển hóa thành hạt giống cho tăng trưởng lặp lại được

Sự kết thúc của viral Web 2.0 và chuyển dịch sang mobile

Trong thời kỳ đỉnh cao của Web 2.0, đã có rất nhiều trường hợp đi từ “con số 0 lên hàng triệu người dùng” nhờ tận dụng email invite, import sổ địa chỉ và các app Facebook
- Nhiều dịch vụ như Facebook, LinkedIn, YouTube, Spotify, Pinterest đã tăng trưởng trên nền tảng đó
- Các dịch vụ như BirthdayAlar (email nhắc sinh nhật), Plaxo (yêu cầu cập nhật liên hệ) đã vận hành vòng lặp mời dựa trên lý do giúp bạn luôn cập nhật sinh nhật hay thông tin liên lạc của bạn bè, và cơ chế này sau đó dẫn tới sự xuất hiện của các mạng xã hội
Theo thời gian, người dùng quen dần với các mô thức này, nhà cung cấp email tăng cường bộ lọc spam, và mang tính quyết định hơn cả là trọng tâm của thế giới chuyển từ email sang mobile, khiến cấu trúc cũ khó tái hiện lại
Trên mobile, dù vẫn có thể truy cập danh bạ, nhưng vì UX phải chọn từng số điện thoại để mời, nên rất khó mời hàng loạt theo đơn vị 200 người như email
- Cũng từng có các nỗ lực dùng máy chủ như Twilio để gửi SMS thay người dùng, nhưng điều đó dẫn đến vấn đề spam SMS và rủi ro pháp lý/tiền phạt, nên không bền vững
Quảng cáo
Kết quả là, thời đại của những app siêu đơn giản, siêu viral có thể “đẩy viral factor vượt 1 ngay trong session đầu tiên” về cơ bản đã kết thúc, và hiện nay viral factor khoảng 0.2~0.3 mới là mức phổ biến

Chiến lược viral hiện đại lấy retention làm trung tâm: phối trộn kênh và cộng dồn qua các session

Tăng trưởng của ứng dụng ngày nay được tóm gọn chủ yếu bằng sự kết hợp của hai yếu tố, thay vì thúc ép mời bạn bè quá mức
- 1. nhiều kênh đầu phễu khác nhau (SEO, social, PR, quảng cáo trả phí, referral, v.v.)
- 1. viral factor tích lũy trên toàn bộ các phiên nhờ retention mạnh
Thứ nhất, cần một cấu trúc liên tục đưa người dùng mới vào từ nhiều kênh như marketing trả phí, referral, truyền miệng, SEO, báo chí, SNS, v.v.
- Với Uber, khoảng một nửa chuyến đi đầu tiên đến từ marketing trả phí, 10~20% từ referral, phần còn lại từ truyền miệng·SEO, v.v.
Thứ hai, nếu sản phẩm có retention mạnh tạo ra nhiều phiên sử dụng,
- thì ở mỗi phiên có thể thúc đẩy chia sẻ·mời bạn bè·referral một chút để tạo ra tổng viral factor bằng cách cộng dồn viral factor của từng phiên
Thay vì “số lời mời × tỷ lệ chuyển đổi”, cần nhìn nó như một tổng vô hạn theo dạng viral factor của phiên 1 + viral factor của phiên 2 + …
- Công thức đơn giản số lời mời × tỷ lệ chuyển đổi ngầm giả định rằng toàn bộ viral chỉ xảy ra ở phiên đầu tiên, nhưng thực tế người dùng có thể có hàng chục đến hàng trăm phiên và mỗi lần đều có thể chia sẻ·mời bạn bè một ít
- Vì vậy, góc nhìn gần với thực tế hơn là xem đây là giá trị cộng dồn viral factor của từng phiên trên toàn bộ đường cong retention

Phân vai của viral trong onboarding và các phiên về sau

Xét theo kinh nghiệm, một nửa tổng viral factor đến từ phiên đầu tiên, nửa còn lại được tạo ra ở các phiên sau
- Ở phiên đầu, người dùng đang ở chế độ “thiết lập” như cấu hình workspace, mời bạn bè·đồng nghiệp, nên có thể tự nhiên đưa tính năng mời lên vị trí nổi bật
- Từ phiên thứ hai trở đi, người dùng đã ở chế độ kỳ vọng nhận được giá trị, nên để kéo họ vào viral flow thì tính năng đó phải hữu ích theo đúng ngữ cảnh
Quảng cáo
Trong sản phẩm thực tế, nhiều loại viral loop cùng tồn tại, và mỗi loop hoạt động ở thời điểm·bối cảnh khác nhau
- Ví dụ Dropbox: chia sẻ thư mục, tính năng mời, chương trình referral, các viral loop của những ứng dụng Dropbox khác nhau đều đóng góp theo những cách riêng
- Ví dụ Uber: ngoài referral credit trong app, còn có trải nghiệm đi cùng bạn bè, chia sẻ ETA, v.v. dựa trên tương tác IRL và mức độ hiển thị của tính năng như những loop dẫn dắt người dùng mới
Hiệu suất của từng loop là khác nhau, nhưng xét tổng thể thì sẽ hình thành một cấu trúc nơi người dùng qua nhiều phiên khác nhau kéo những người khác vào sản phẩm bằng nhiều cách
Retention càng cao thì người dùng càng có nhiều cơ hội tiếp xúc với nhiều loop hơn, nên đây trở thành nền tảng để tăng viral factor dài hạn mà không cần dùng UI mang tính spam

Mối quan hệ giữa retention và viral mang tính spam

Sản phẩm có nhiều phiên và retention cao có thể tạo tổng viral factor lớn chỉ bằng cách khuyến khích chia sẻ·mời bạn bè một chút ở mỗi phiên, nên ít cần phụ thuộc vào các lời mời cưỡng ép mang tính spam
- Ngược lại, sản phẩm retention thấp với số phiên trung bình chỉ 2~3 lần phải vắt toàn bộ viral vào chừng đó phiên, nên sẽ đòi hỏi lời mời mạnh hơn·dễ thấy hơn·gần như mang tính spam
Facebook thời kỳ đầu là ví dụ đạt được viral dài hạn nhờ retention cao, dù chỉ đặt tính năng mời qua email một cách lặng lẽ ở thanh bên phải so với các mạng xã hội cạnh tranh
- Ngược lại, các mạng xã hội cạnh tranh phụ thuộc vào lời mời mang tính spam cuối cùng đã bị Facebook vượt qua vì retention thấp và sự mệt mỏi của người dùng
Về dài hạn, bên nào có sản phẩm retention cao + các loop ít mang tính spam hơn sẽ có ưu thế ở cả hai mặt: trải nghiệm người dùng và tăng trưởng

Giá trị của viral factor dưới 1 và “tốc độ”

Trong môi trường thực tế, viral factor vượt 1 là hiếm, và nhiều trường hợp ổn định ở mức 0.2~0.3
Dù vậy, nếu v=0.2 thì khi đưa 1000 người vào bằng kênh trả phí·hoặc các kênh khác, tức là có thêm 200 người miễn phí, nên hiệu ứng giảm CAC vẫn khá đáng kể
Với viral, khái niệm tốc độ (speed) cũng rất quan trọng
- Ứng dụng social có tần suất sử dụng cao tạo ra nhiều lần chia sẻ·mời bạn bè mỗi ngày, nên dù viral factor giống nhau thì tốc độ tăng trưởng vẫn nhanh hơn
- Ngược lại, các công cụ dùng ở chế độ nền như lưu trữ file·backup có thể chỉ dùng tính năng giới thiệu khoảng một lần mỗi tháng, nên dù viral tích lũy lớn thì tốc độ tăng trưởng có thể chậm
Với các sản phẩm consumer·prosumer nhắm tới quy mô hàng trăm triệu người dùng trong dài hạn, cần có cấu trúc trong đó các “kênh miễn phí·chi phí thấp” như viral·SEO·tối ưu hóa store bù đắp cho quy mô mà chỉ marketing trả phí thì khó đạt tới

Viral loop thời AI và các spike ở đầu phễu

Tóm lại, sheetposting, rage baiting, video launch đậm chất điện ảnh, billboard, tài trợ influencer, v.v. gần với công cụ tạo spike ở đầu phễu hơn là loop có thể lặp lại
- Tuy nhiên, tự bản thân chúng không phải là cấu trúc có thể kéo tỷ lệ người dùng mới so với DAU tăng lên trong dài hạn, và cũng không có tính tái lập hay khả năng phòng thủ cao bằng viral loop được thiết kế trong sản phẩm
Nhiều công cụ AI tạo sinh của thế hệ hiện tại đang ở vị trí chuyển hóa một phần sự chú ý nhất thời thành tăng trưởng có cấu trúc bên trong sản phẩm, bằng cách cung cấp cho người dùng đi vào từ các spike này một loop “tạo ra thứ gì đó → chia sẻ nó”
Nội dung do AI tạo ra rất phù hợp với các định dạng hoạt động hiệu quả trên nền tảng social hiện đại như video ngắn·clip nhúng, nên khả năng lan truyền của loop chia sẻ nội dung đang thể hiện khá mạnh
Nói cách khác, lý thuyết viral cổ điển (viral factor theo cohort, retention, cộng gộp nhiều loop, channel mix) vẫn còn nguyên giá trị,
và rốt cuộc, chính sự kết hợp giữa nhiều spike đầu phễu đa dạng + viral loop được cấu trúc bên trong sản phẩm + retention cao mới là cấu trúc cốt lõi tạo ra tăng trưởng bền vững trong thời đại AI

2 bình luận

laeyoung 2025-11-20

Bài này làm tôi nhớ đến một bài viết trên New York Times cách đây một tháng có tên "Is Going Viral Dead (Lan truyền có còn tồn tại?)", nên tôi để lại liên kết ở đây.