Kỷ nguyên MAU chấm dứt, giờ ngay cả MRR cũng không còn đáng tin?

Xin chào. Dạo này tôi đang sống vui nhờ việc làm newsletter.
Mỗi ngày tôi viết một newsletter, nhưng nếu đăng quá thường xuyên thì không hợp với chính sách của GN, nên tôi muốn giới thiệu một newsletter đặc biệt bùng nổ về traffic.

Cá nhân tôi nghĩ nội dung này thực sự không tệ chút nào và là một chủ đề đáng để suy nghĩ, nên xin chia sẻ cùng mọi người.
Tất nhiên bạn không cần phải đăng ký, chỉ cần đọc thấy thú vị là được.

Bài viết lần này nói về một vụ việc gần đây, qua các phiên điều trần ở Mỹ, đã làm lộ rõ mức độ bị thổi phồng của các chỉ số như active users và recurring revenue.
Nhân vật chính không ai khác chính là OpenAI và Anthropic. Vì vậy, tại Silicon Valley đang nổi lên những chỉ số mới. Chà, dù sao thì vẫn phải đầu tư mà. Đây cũng là những chỉ số tôi đã trực tiếp trải nghiệm khi làm việc tại Gamma. Nói đơn giản thì đó là doanh thu/năng suất trên mỗi người, và giá trị vòng đời 1 năm.

[cafedead]

• Có ý kiến cho rằng trong thời đại AI, ARR có thể không còn là chỉ số chung đáng tin cậy như trước
• Các chỉ số tiêu biểu của ngành công nghệ đã thay đổi theo từng thời kỳ
  • Thời đại social: DAU/MAU
  • Thời đại SaaS: ARR/MRR
  • Thời đại AI: vấn đề được đặt ra là ngay cả ARR truyền thống cũng ngày càng có khả năng bóp méo thực tế
• Điểm khởi đầu của bài viết là sự lệch nhau trong các con số của Anthropic
  • Tháng 2/2026 công ty nhấn mạnh ARR 14 tỷ USD
  • Một tháng sau, trong tài liệu nộp cho tòa án lại ghi “doanh thu lũy kế kể từ khi thành lập vượt 5 tỷ USD”
  • Cùng một công ty, ở thời điểm gần như tương tự, nhưng ý nghĩa của các con số lại rất khác nhau
  • Tác giả diễn giải đây là “tín hiệu cho thấy trong thời đại AI, ARR không còn mô tả đúng trạng thái thực của doanh nghiệp”
• Có 3 lý do khiến ARR bị lung lay trong AI
  1. Giả định SaaS rằng chi phí biên gần như bằng 0 đã không còn đúng
     • Với AI, mỗi lần gọi suy luận đều phát sinh chi phí GPU/cloud thực tế
     • Càng dùng nhiều thì chi phí cũng càng tăng
  2. Chênh lệch giá vốn theo từng khách hàng là rất lớn
     • Cùng trả một mức phí, nhưng có khách hàng chi phí thấp, có khách hàng chi phí cao
     • Nếu chỉ nhìn ARR thì cả hai đều có vẻ là “doanh thu tốt”, nhưng lợi nhuận thực tế lại rất khác nhau
  3. Độ ổn định của doanh thu lặp lại yếu hơn
     • Chi phí chuyển đổi thấp hơn SaaS nên dễ chuyển sang model/dịch vụ khác hơn
     • Bản thân yếu tố “recurring” đã kém vững chắc hơn trước
• Vì vậy, ARR của doanh nghiệp AI có thể cho thấy “tăng trưởng”, nhưng lại không phản ánh tốt lợi nhuận, tính bền vững và chất lượng kinh doanh
  • Lập luận là cấu trúc này khá giống với việc trước đây DAU/MAU cho thấy mức độ quan tâm của người dùng nhưng không thể hiện sức khỏe doanh nghiệp
• Tác giả cho rằng các trường hợp của Anthropic và OpenAI cũng cho thấy vấn đề này
  • Có sự chênh lệch giữa ARR được công bố với doanh thu lũy kế thực tế, kết quả bán niên và tốc độ đốt tiền mặt
  • Nói cách khác, nếu đọc các con số “annualized” như thể chúng đồng nghĩa với kết quả cả năm thực tế thì sẽ dễ gây hiểu nhầm
• Các chỉ số ứng viên thế hệ tiếp theo cho thời đại AI mà tác giả đưa ra
  1. Năng suất trên mỗi đô la chi tiêu (Productivity per Dollar Spent)
     • Không chỉ đơn giản là ARR / số nhân viên
     • Mà cần nhìn như ARR / (chi phí nhân sự + chi phí AI) thì mới thấy hiệu quả thực sự
  2. Giá trị năm đầu tiên (First Year Value)
     • Thay vì giả định tương lai xa như LTV
     • Đây là góc nhìn xem khách hàng có nhận được đủ giá trị trong 12 tháng đầu để gia hạn hay không
  3. Các chỉ số tập trung vào unit economics như lợi nhuận gộp trên mỗi token
     • Điều quan trọng không phải là xử lý được bao nhiêu
     • Mà là xử lý được bao nhiêu trong khi vẫn giữ lại được bao nhiêu
• Thông điệp cốt lõi
  • Trong thời đại AI, cần nhìn vào cấu trúc lợi nhuận gộp, lợi nhuận theo từng khách hàng và giá trị giữ lại trong năm đầu, thay vì chỉ nhìn quy mô doanh thu
  • Câu chuyện là phải đọc cấu trúc của con số, chứ không chỉ nhìn độ lớn của con số
• Cũng có vấn đề thực tế
  • Muốn theo dõi đúng các chỉ số thế hệ thứ ba này
  • Thì hệ thống billing, chi phí hạ tầng và hệ thống tài chính phải được kết nối với nhau
  • Nhưng đa số doanh nghiệp AI hiện vẫn chưa có đủ hạ tầng đo lường ở mức đó

Tóm tắt một dòng
Kinh doanh AI ngày càng khó được giải thích chỉ bằng một chỉ số ARR như SaaS, và trong tương lai các chỉ số cho thấy “giữ lại được bao nhiêu, bền vững đến đâu” sẽ quan trọng hơn là chỉ “bán được bao nhiêu”.

[haebom]

Bạn đã tóm tắt rất rõ ràng. Cảm ơn bạn.