Tương lai của User Acquisition: Kỷ nguyên nơi chiến lược, tốc độ và mô hình là yếu tố sống còn

Anh có thể chia sẻ đôi chút về background và vai trò hiện tại không?

Hiện tại, tôi đang làm việc với vai trò User Acquisition Consultant, với hành trình sự nghiệp được định hình bởi sự kết hợp khá đặc biệt giữa tư duy kỹ thuật và chiến lược sáng tạo. Tôi xuất thân từ ngành Khoa học Máy tính, và giai đoạn đầu sự nghiệp chủ yếu làm các vai trò kỹ thuật trong lĩnh vực Visual Effects (VFX). Ở đó, kỹ năng kỹ thuật giúp tôi bổ trợ rất tốt cho tư duy nghệ thuật, tạo ra lợi thế rõ rệt trong quá trình sản xuất. Sau đó, tôi chuyển hướng sang ngành game, bị thu hút bởi việc đây luôn là một trong những lĩnh vực đi đầu về công nghệ mang tính đột phá. Tại đây, tôi tìm thấy “đúng chỗ” của mình trong User Acquisition. Điều khiến tôi bị cuốn hút là UA không giống một bài độc thoại marketing truyền thống, mà giống như một cuộc đối thoại liên tục. Phản hồi gần như tức thì từ người dùng cho tôi cảm giác đang trò chuyện trực tiếp với thị trường, và chính tương tác đó trở thành nền tảng để xây dựng các chiến lược tăng trưởng hiệu quả.

Chi phí UA đang tăng trên toàn thị trường. Theo anh, đâu là nguyên nhân cốt lõi và cơ hội vẫn còn nằm ở đâu cho những đội làm tốt?

Chi phí UA tăng cao về bản chất là vì “độc quyền” của ngành game trong performance marketing tinh vi đã chấm dứt. Một cột mốc quan trọng xảy ra vào Q2/2025, khi chi tiêu của người dùng cho các app ngoài game lần đầu tiên vượt mobile game. Trong giai đoạn ngành game bước vào chu kỳ suy giảm và sa thải, rất nhiều chuyên gia senior về UA và analytics đã chuyển sang các lĩnh vực app và retail, mang theo toàn bộ bộ playbook tối ưu hoá ở “đẳng cấp ngành game” để áp dụng vào những ngành mới này. Kết quả là chúng ta đang phải cạnh tranh trực tiếp với các ngành có ngân sách khổng lồ, nhưng lại sử dụng các chiến lược tối ưu tinh vi vốn trước đây chỉ game mới có.

Hướng đi cho những đội làm tốt là phải tinh gọn hơn và chiến lược hơn. Khi các nền tảng ngày càng cải thiện thuật toán targeting và các dịch vụ automation dần thay thế công việc phân tích thủ công, vai trò của team UA đã thay đổi. Lợi thế cạnh tranh giờ thuộc về những đội có thể di chuyển nhanh hơn và tư duy chiến lược tốt hơn.

Anh kết hợp rất nhiều giữa data, sáng tạo và các công nghệ mới như AI. Theo anh, machine learning sẽ thay đổi cách team UA vận hành như thế nào trong tương lai gần?

Sự chuyển dịch này thực tế đã và đang diễn ra. Machine learning giờ đây đã trở thành hạ tầng cốt lõi của User Acquisition hiện đại, vượt xa việc tối ưu bid đơn thuần để bước sang giai đoạn mà dự báo dựa trên ML trực tiếp định hướng các quyết định kinh doanh chiến lược. Nhờ khả năng dự đoán chính xác LTV và churn, các mô hình này giúp phân bổ vốn hiệu quả hơn và tạo ra lợi thế tài chính rất lớn.

Theo tôi, tác động mang tính cách mạng nhất sẽ đến từ cá nhân hoá (personalisation). Người dùng ngày càng kỳ vọng vào những trải nghiệm 1-to-1, được thiết kế đúng với ý định và bối cảnh của họ.

Machine learning cho phép chúng ta đáp ứng điều đó ở quy mô lớn, bằng cách tự động điều chỉnh creative, thông điệp và hành trình người dùng theo thời gian thực dựa trên ngữ cảnh cá nhân.

Vì vậy, vai trò của UA đang dịch chuyển từ việc thực thi chiến dịch thủ công sang “quản lý mô hình” (model management). Trọng tâm hiện tại là cung cấp cho các hệ thống tự động này dữ liệu first-party chất lượng cao cùng với các input creative mang tính chiến lược. Khi nhu cầu cá nhân hoá tiếp tục tăng tốc, khả năng quản lý và khai thác hiệu quả các mô hình này sẽ trở thành yếu tố phân biệt lớn nhất.

Có practice hay niềm tin nào trong UA từng rất hiệu quả nhưng đang dần trở nên lỗi thời không?

Sau ATT, tất cả chúng ta đều trải qua một giai đoạn mà “crack the code” là ưu tiên số một. Khi đó, gần như bạn cần cả một team data scientist chỉ để ước tính giá trị của nhóm người dùng opt-out, liên tục xoay quanh SKAN signals, incrementality test và dữ liệu từ MMP chỉ để có được một bức tranh tương đối về doanh thu cohort.

Đó là một rào cản kỹ thuật rất lớn và đòi hỏi chi phí vận hành, bảo trì liên tục.

Ngày nay, phần lớn những “heavy lifting” đó đang dần trở thành quá khứ. Các kênh lớn như AppLovin hay Meta đã triển khai probabilistic attribution. Lợi thế cạnh tranh đã dịch chuyển: không còn nằm ở việc bạn xây dựng được mô hình đo lường phức tạp đến đâu, mà ở khả năng tư duy chiến lược dựa trên những tín hiệu mà các mô hình của nền tảng cung cấp.