Khung thưởng Product, gắn với mốc học tập thật của người dùng
Đo đúng phần Product tạo ra, tách khỏi phần do free user hay do Marketing bỏ tiền kéo user mới vào. Dựa trên số liệu thật từ study-time, paid-cohort và members-retained.
Ngày
17/08/2026
Đối tượng
Product team
Chu kỳ đề xuất
Đánh giá & chi trả hàng năm
Trạng thái
Dự thảo, chờ góp ý
1Bối cảnh: mốc 1,5 triệu giờ nằm ở đâu
Tổng giờ học 2025
1,15 triệu
▲ 36% so với 2024
6 tháng đầu 2026
555K giờ
đang trên đà vượt cả năm 2025
Giờ học B2B 2025
~268K
≈23% tổng giờ học, đã tính trong số trên
Khoảng cách tới mốc
+31%
1,5 triệu so với baseline 2025
Nguồn: data.flyer.vn/study-time, data.flyer.vn/b2b-usage, truy xuất 16/08/2026.
Rủi roGiờ học là chỉ số dễ hiểu, gắn trực tiếp với giá trị học sinh nhận được, và team đã có sẵn dashboard công khai để theo dõi liên tục. Nhưng dùng một mình con số này làm thước đo thưởng thì có rủi ro: 86% giờ học hiện đến từ luyện thi, còn B2+ và kỹ năng nói gần như trống. Cách dễ nhất để đạt chỉ tiêu về hình thức là bổ sung thêm nội dung luyện thi chi phí thấp, thay vì lấp khoảng trống chất lượng. Mục 2 xử lý việc này.
Nhìn thẳng vào 2 chỉ số sẽ dùng trong công thức ở mục 2, số lượng Membership và giờ học của riêng nhóm này, từ 2023 tới nay cho ra một tín hiệu cần chú ý ngay từ đầu tài liệu.
Thống kê thời lượng học tập của học sinh trên FLYER
iChỉ số so với 2023 = 100% · cột = số học sinh có Membership (đã loại kênh iservice đã ngừng) · đường = giờ học của nhóm Membership · 2026 là dự báo cả năm theo tốc độ T1–T7
Tổng thời lượng học tập: Membership + Free Trial
Số giờ tuyệt đối, không phải chỉ số · 2026 là dự báo cả năm theo tốc độ T1–T7
Năm
Trả phí
Free Trial
Tổng cộng
Tổng so năm trước
2023
632.484
99.026
731.510
—
2024
758.559
127.273
885.832
+21,1%
2025
941.773
112.627
1.054.400
+19,0%
2026 (dự báo)
~942.582
~128.384
~1.070.966
+1,6%
Không vẽ tổng cộng thành đường thứ ba trên biểu đồ vì nhóm Membership chiếm 86–90% tổng, nên đường tổng sẽ nằm cách đường Membership chỉ 0–4 pixel và chồng lên nhau, không đọc được. Bảng số tuyệt đối phản ánh đúng hơn.
Tổng thời lượng học theo năm
Nhìn cột tổng cộng: tăng +21,1% rồi +19,0% trong hai năm, nhưng 2026 dự báo chỉ còn +1,6%. Con số này bao trùm mọi nhóm người dùng nên không phụ thuộc cách phân loại paid hay free. Nếu mốc thưởng đặt theo tổng giờ học thì cần tính đến mức +1,6% này trước khi chốt con số.
Khi bật thêm đường Free Trial
Đường xanh là giờ học của nhóm chưa từng có Membership lần nào, gồm cả tài khoản dùng thử. Số tuyệt đối: 99K giờ năm 2023, 127K năm 2024, 113K năm 2025 và dự báo ~128K năm 2026. So với nhóm Membership thì rất nhỏ, chỉ chiếm 10,7% đến 14,4% tổng giờ học tuỳ năm, và gần như đi ngang suốt 4 năm trong khi nhóm Membership tăng 49%. Đó là lý do bản 2026 loại giờ học Free Trial khỏi công thức: nhóm này có số lượng người dùng lớn nhưng đóng góp rất ít vào tổng thời lượng học, nên đưa vào chỉ làm nhiễu chứ không thêm tín hiệu.
Vì sao phải loại kênh iservice khỏi biểu đồ
Nếu tính cả iservice thì membership 2023 là 36.943 và 2024 tụt xuống 28.962, tức giảm 21,6%. Nhưng kiểm tra kỹ thì đó là hiệu ứng kênh: iservice có 14.727 user năm 2023, đạt đỉnh 8.153 user riêng trong tháng 7/2023, rồi giảm dần đều về 0 vào cuối 2025. Đó là một kênh phân phối đã ngừng, không phải người dùng rời bỏ sản phẩm. Loại kênh này ra thì số liệu như sau: membership tăng +23,0% rồi +39,0% và dự báo +34,1%, không có năm nào giảm. Dữ liệu đã được kiểm chứng: cột user_id_bigint đầy đủ 100% cho cả 4 năm, không có bản ghi mồ côi khi join sang activation_codes, nên chênh lệch này là thật chứ không phải lỗi đo.
Điều đáng chú ý
Membership tăng bền vững qua cả 4 năm và dự báo đạt 229% so với 2023. Nhưng giờ học của đúng nhóm này chững hoàn toàn từ 2025 sang 2026, đứng ở khoảng 149%. Tức là thành viên mới đang được thêm vào nhanh hơn nhiều so với tốc độ họ học. Đây chính là lý do 2 chỉ số phải tách riêng thay vì gộp lại: Chỉ số 1 (membership) sắp tăng mạnh trong khi Chỉ số 2 (giờ học Membership) gần như không thay đổi, và nếu gộp chung thì phần chững đó sẽ bị che mất.
Lọc theo thời hạn membership
Đếm mọi membership như nhau là chưa đúng, vì một mã 30 ngày không thể tính ngang một mã 365 ngày. Cột plan_day có đủ dữ liệu cho cả 4 năm nên lọc được ngay.
Membership T1–T7 (đã loại iservice)
2025
2026
Thay đổi
Tất cả, không lọc thời hạn
17.529
23.508
+34,1%
Từ 3 tháng trở lên
16.622
15.900
−4,3%
Từ 6 tháng trở lên
16.494
12.667
−23,2%
Từ 1 năm trở lên
2.409
3.585
+48,8%
Các ngưỡng lồng nhau: "từ 1 năm" nằm trong "từ 6 tháng", nằm trong "từ 3 tháng".
Tách theo dải thời hạn (không lồng nhau)
2025 T1–T7
2026 T1–T7
Thay đổi
Dưới 3 tháng
1.762
8.355
+374%
3–6 tháng
136
3.562
+2.519%
6–12 tháng
14.100
9.095
−35,5%
Từ 1 năm trở lên
2.409
3.585
+48,8%
Đọc số theo thời hạnToàn bộ mức tăng 34,1% đến từ mã ngắn hạn. Nhóm dưới 3 tháng tăng gần 5 lần và nhóm 3–6 tháng tăng từ mức gần như không có, trong khi nhóm 6–12 tháng, vốn là xương sống với 14.100 người năm 2025, mất 35,5%. Nếu chốt Chỉ số 1 theo cách đếm không lọc, quỹ thưởng sẽ được kích hoạt bởi việc phát nhiều mã 30 ngày hơn chứ không phải bởi việc bán được nhiều membership thật hơn. Nhóm từ 1 năm trở lên tăng 48,8%.
Thước đo thay thế: tổng số tháng membership bán ra
Thay vì chọn một ngưỡng cứng, có thể cộng thẳng thời hạn của mọi membership lại. Cách này tự động cho mã 12 tháng nặng gấp 12 lần mã 1 tháng, không cần quy tắc lọc nào, và gần với doanh thu hơn hẳn.
Tháng membership 2024
429.675
▲ 13,2% so với 2023
Tháng membership 2025
490.583
▲ 14,2% so với 2024
T1–T7 2026
216.398
so với 273.265 cùng kỳ, tức −20,8%
Thời hạn TB mỗi lượt
−60,4%
420,8 xuống 166,6 ngày
Tổng thời hạn của mọi lượt kích hoạt Membership chia cho 30, đã loại iservice và chặn trần 1.460 ngày để một số mã 4 năm không làm lệch kết quả.
Đề xuất chốt Chỉ số 1Dùng tổng số tháng membership bán ra làm Chỉ số 1 thay cho cách đếm đầu người. Ba lý do: nó đi đúng hướng với doanh thu (bán 1 mã 12 tháng đáng giá hơn 12 mã 1 tháng); nó không thưởng cho việc chia nhỏ mã, vốn là thứ đang làm số liệu 2026 trông đẹp giả tạo; và nó cho một chuỗi lịch sử ổn định để đặt mốc, tăng 13,2% rồi 14,2% trong hai năm gần nhất. Theo thước đo này, T1–T7 năm 2026 đang giảm 20,8%, so với con số +34,1% khi không lọc thời hạn. Nếu muốn giữ cách đếm đầu người cho dễ hiểu, thì nên áp ngưỡng từ 3 tháng trở lên.
Đính chính: số membership còn hiệu lực đang giảm
Toàn bộ phần trên đếm lượt cấp mã mới. Bảng subscriptions cho một cách đo khác và sát doanh thu định kỳ hơn: số membership còn hiệu lực tại thời điểm cuối mỗi tháng. Hai cách cho kết quả trái ngược nhau.
Đỉnh 31/01/2026
45.020
membership còn hiệu lực
Cuối 31/08/2026
36.641
giảm 8 tháng liên tiếp
So với đỉnh
−18,6%
45.020 xuống 36.641
So cùng kỳ 08/2025
−0,8%
36.934 xuống 36.641
Nguồn: bảng subscriptions trên read-replica, đếm user riêng biệt có membership chưa hết hạn tại 23:59 ngày cuối tháng. Truy xuất 04/09/2026.
Cuối tháng
Membership còn hiệu lực
So tháng trước
08/2025
36.934
+0,6%
09/2025
38.493
+4,2%
10/2025
42.869
+11,4%
12/2025
44.501
+0,9%
01/2026
45.020
+1,2%
04/2026
43.391
−1,3%
05/2026
39.388
−9,2%
07/2026
38.299
−3,3%
08/2026
36.641
−4,3%
Nguyên nhân: số hết hạn vượt số mở mới
Tháng 2026
Membership mở mới
Membership hết hạn
Chênh lệch ròng
01
3.019
2.524
+495
02
844
1.862
−1.018
04
1.534
2.121
−587
05
2.077
6.077
−4.000
06
3.435
3.222
+213
07
3.262
4.558
−1.296
08
3.124
4.803
−1.679
Vì sao con số này quan trọng hơn số lượt cấp mã
Số lượt cấp mã mới trong 2026 vẫn ở mức 3.000–3.400 mỗi tháng, nên nhìn theo cách đó thì mọi thứ có vẻ ổn định. Nhưng số hết hạn đang ở mức 4.500–4.800 mỗi tháng, cao hơn hẳn. Kết quả là nền membership co lại khoảng 1.300 đến 1.700 người mỗi tháng. Doanh thu định kỳ phụ thuộc vào số người đang còn hiệu lực chứ không phải số mã đã phát ra, nên đây mới là chỉ số cần neo vào cơ chế thưởng. Con số 216.398 tháng membership của bảy tháng đầu 2026 ở phần trên vẫn đúng về mặt số học, nhưng nó đo lượng bán ra, không đo lượng giữ được.
Chi tiết hơn: giờ học trung bình mỗi học sinh, tách B2C tự học và B2B có GV giao bài, theo tuần/tháng/năm. Số này không có sẵn trên dashboard nên phải query trực tiếp read-replica production (bảng user_attempts, năm 2025).
Khung thời gian
B2C (tự học)
B2B (GV giao bài)
Trung bình/tuần, tính trên HS active tuần đó
1,21 giờ
0,48 giờ
Trung bình/tháng, tính trên HS active tháng đó
2,44 giờ
1,19 giờ
Trung bình/năm, tổng giờ ÷ tổng HS active cả năm
5,66 giờ
4,08 giờ
Nguồn: query trực tiếp read-replica (user_attempts, submitted_at 01/2025–12/2025). B2C = assign_test_id rỗng (tự học); B2B = assign_test_id có giá trị (bài do GV giao cụ thể).
So sánh cường độ học B2C và B2B theo 3 khung thời gian
Giờ/học sinh, chỉ tính học sinh có hoạt động trong khung thời gian đó
Cách đọc số nàyB2C cao hơn B2B ở cả 3 khung thời gian, hợp lý vì B2C gồm nhiều học sinh tự nguyện học sâu, trong khi B2B gồm cả những học sinh chỉ làm đúng phần được giao rồi dừng. Con số trung bình/năm thấp hơn nhiều so với trung bình/tuần nhân 52 vì đa số học sinh chỉ active một vài tuần trong năm chứ không học đều đặn: trung bình/tuần đo cường độ của người đang học, còn trung bình/năm pha loãng qua cả những học sinh chỉ học một đợt rồi thôi.
Lưu ý: B2B ở bảng này hẹp hơn con số B2B ~268K giờ ở stat phía trên. Stat phía trên tính mọi giờ học của học sinh thuộc trường/GV có Membership, kể cả khi học sinh tự học thêm ngoài bài được giao. Bảng này chỉ tính đúng phần giờ gắn với bài GV giao cụ thể, để trả lời sát câu hỏi "có GV đồng hành tạo khác biệt gì so với tự học".
2Cấu trúc quỹ thưởng bản 2026: chỉ tính trên membership và giờ học Membership
Chỗ hổng được chỉ ra là có thật: tổng giờ học lẫn cả free user lẫn phần Marketing bỏ tiền kéo user mới vào. Product không "tạo ra" user mới, chỉ quyết định user đó, dù mới hay cũ, có học nhiều và lâu hơn không. Bản 2026 xử lý việc này theo cách đơn giản nhất có thể kiểm chứng ngay: chỉ dùng 2 chỉ số, số lượng học sinh có Membership và giờ học của riêng nhóm này, tạm loại toàn bộ giờ học của free user ra khỏi công thức.
Tổng giờ học ≈ Số user mới (Marketing) × Retention theo thời gian (Product) × Cường độ học/user (Product)
Đối chiếu với dữ liệu thật ở members-retained và paid-cohort thì thấy: chiều sâu học tập trung ở nhóm Membership, free user hiếm khi học sâu. Số vừa query trực tiếp từ read-replica xác nhận rõ hơn nữa: cả năm 2025, nhóm học sinh từng có Membership (56.870 người, chỉ 33% tổng số học sinh hoạt động) tạo ra 941.773 giờ học, tức 89,3% tổng giờ học toàn nền tảng. Free user đông hơn gấp đôi (115.281 người) nhưng chỉ tạo ra 10,7% giờ học. Bỏ giờ học của free user ra khỏi công thức gần như không làm mất tín hiệu thật, mà loại được toàn bộ nhiễu do Marketing kéo thêm bao nhiêu tài khoản dùng thử.
Giờ học 2025 — nhóm Membership
941.773
89,3% tổng giờ học
Giờ học 2025 — free user
112.629
10,7% — tạm loại khỏi công thức
Học sinh Membership hoạt động 2025
56.870
33% tổng số học sinh hoạt động
Giờ / học sinh Membership
16,56
so với free chỉ 0,98 giờ/HS
Nguồn: query trực tiếp read-replica (user_attempts join learner_profiles, phân loại theo lịch sử kích hoạt activation_codes), năm 2025 đầy đủ. "Trả phí" = từng có ít nhất 1 lần kích hoạt mã thuộc nhóm iservice/agent/partner/retail/retail_manual/teacher_code/vnpay.
Vì sao tạm gác 3 chỉ số kiaBản trước có thêm retention cohort, % power user và tăng trưởng B2B, đo đúng hơn nhưng phức tạp hơn để giải thích và đối chiếu mỗi kỳ chốt thưởng. Cột expired_at làm nền cho retention cũng mới chỉ ghi từ khoảng 10/2025 nên chưa đủ lịch sử để tin cậy hoàn toàn. Giữ nguyên phần phân tích đó ở mục 4 và mục 5 làm căn cứ, nhưng công thức chính thức bản 2026 chỉ dùng 2 chỉ số dưới đây, vừa dễ tính vừa dễ để cả team tự đối chiếu trên dashboard công khai.
Giờ học tách paid và free, T1–T7
So T1–T7 hai năm sau khi tách paid/free thì thấy rõ hơn cả năm 2025: giờ học của nhóm Membership gần như đứng yên, trong khi phần tăng trưởng nằm hết ở free user.
Giờ học (T1–T7)
2025
2026
Thay đổi
Học sinh Membership
551.865
552.339
+0,1%
Free user
68.498
78.081
+14,0%
Nếu vẫn dùng tổng giờ học chung (mục 1, +1,6%), phần tăng trưởng đó gần như toàn bộ đến từ free user, không phải từ nhóm mà FLYER thu tiền được. Đó là căn cứ cho việc tách paid/free ngay từ bản 2026.
Từng có Membership (lifetime)
128.229
7,9% trong 1,61 triệu thành viên
Còn active sau 365 ngày
23.909
18,6%, gần mức "xuất sắc" của ngành (≥20%)
Học ≥50h (lifetime)
16.971
chỉ 85 người trong đó là free user
Power user ≥100h
7.415
chỉ 14 người trong đó là free user
Nguồn: data.flyer.vn/members-retained, truy xuất 16/08/2026.
Đường cong retention theo cohort Membership, nơi Product thực sự có đòn bẩy
Median retention theo tháng kể từ ngày kích hoạt, tách theo kênh vào (data.flyer.vn/paid-cohort)
Quan sátM1 tới M6 của HS Organic rơi từ 75–80% xuống 40,9%, đúng vào khúc onboarding và tuần đầu trải nghiệm mà Product kiểm soát trực tiếp qua UI, lộ trình học, gamification. Việc này gần như không liên quan tới việc Marketing mang bao nhiêu user mới vào tháng đó. Ngược lại GV/Trường giữ chân tốt hơn ở M6 (46,8% so với 40,9%), cho thấy nội dung có người giao bài đang giữ chân tốt hơn tự học. Một hướng Product có thể làm: thêm cơ chế nhắc bài, giao bài cho cả nhóm Organic.
Từ đây, đổi cách trả thưởng: giữ ý thưởng theo mốc, nhưng đổi từ ngưỡng nhị phân, đạt hoặc không đạt, sang đường cong bậc thang. Công bằng hơn cho công ty vì chi trả tăng dần theo giá trị thật tạo ra, và công bằng hơn cho team vì không mất toàn bộ nếu hụt một chút, cũng không bị giới hạn nếu vượt xa.
Đường cong chi trả quỹ thưởng
Trục ngang: % mốc đạt được · Trục dọc: % quỹ thưởng cơ sở được kích hoạt
Quỹ thưởng = Quỹ cơ sở × f(% đạt tổ hợp 2 chỉ số bên dưới)
2 chỉ số thay vì 1: thay "tổng giờ học" (gồm cả free) bằng đúng 2 con số, cả hai đều loại free user hoàn toàn:
Thành phần
Trọng số
Baseline
Vì sao thuộc về Product
Số membership còn hiệu lực cuối kỳ (đếm user riêng biệt chưa hết hạn, bảng subscriptions)
50%
31/08/2026: 36.641 · giảm 8 tháng liên tiếp
Đo lượng giữ được chứ không phải lượng bán ra, nên không thưởng cho việc phát nhiều mã ngắn hạn. Ký hợp đồng mới là việc của Sales, nhưng việc khách ở lại hết hạn rồi gia hạn phần lớn do sản phẩm. Chỉ số này dùng chung với Sales, không thuần Product
Giờ học của học sinh Membership (loại hoàn toàn giờ học free user)
50%
2025: 941.773h (89,3%) · T1–T7: +0,1%
Đây là phần Product kiểm soát trực tiếp nhất: giữ người đã trả tiền tiếp tục học nhiều và lâu hơn, không lẫn với việc Marketing kéo thêm bao nhiêu tài khoản dùng thử
Trọng số 50/50 là điểm khởi đầu, nên xem lại sau 1–2 kỳ khi có đủ dữ liệu để đánh giá độ ổn định của từng chỉ số.
Đánh đổi cần biết trướcChỉ số "số học sinh có membership" không thuần thuộc về Product như 4 chỉ số ở bản trước, vì việc ký mới còn phụ thuộc Sales. Đổi lại, công thức 2 chỉ số dễ giải thích và dễ tự kiểm chứng hơn nhiều, và team vẫn có động lực rõ ràng để giữ người đã trả tiền ở lại lâu hơn. Đó là đánh đổi có chủ đích cho bản 2026.
Ngân sáchĐặt Quỹ cơ sở là một tỷ lệ % cố định trên ngân sách được duyệt cho product team, không phải một số tuyệt đối tự do, và xem lại tỷ lệ này mỗi năm. Như vậy chi phí thưởng luôn co giãn theo quy mô công ty, không bao giờ vượt ngân sách dù kết quả vượt mốc 150%.
3Mốc thưởng tháng 9/2026
Áp dụng cho quỹ 30 triệu, chi trả một lần sau khi chốt số cuối tháng 9. Ba chỉ số, mỗi chỉ số có phần ngân sách riêng và tính độc lập.
Chỉ số
Ngân sách
Sàn
Mốc đủ
Membership còn hiệu lực tại 30/09
12 triệu
36.641 không giảm
37.362 +2,0%
Giờ học nhóm Membership trong tháng 9
12 triệu
56.880
71.100
Tỷ lệ dùng thật của người có Membership
6 triệu
62%
68%
Sàn membership đặt bằng đúng số cuối tháng 8, tức chỉ cần dừng đà giảm là bắt đầu có thưởng. Mốc đủ +2,0% là mức tăng trung bình tháng 8 sang tháng 9 của hai năm trước (2024 giảm 0,3%, 2025 tăng 4,2%).
Kịch bản cuối tháng 9
Membership
Giờ học
Tỷ lệ
Tổng chi
Tiếp tục giảm như tháng 8 (−1.679)
0
—
—
0
Dừng được đà giảm, hai chỉ số kia đạt 90%
0
6,0M
3,0M
9,0M
Đạt 90% cả ba
6,0M
6,0M
3,0M
15,0M
Đạt đủ cả ba mốc
12,0M
12,0M
6,0M
30,0M
Cách tính mỗi chỉ số: dưới sàn không có gì, từ sàn tới mốc đủ thì tăng tuyến tính lên trọn phần ngân sách. Tháng đầu chặn trần ở 30 triệu, không tính phần vượt mốc.
Hai điểm cần thống nhất trước khi công bố
Thứ nhất, mốc giờ học tháng 9 là 71.100, thấp hơn hẳn tháng 8 (111.930). Đây không phải mốc dễ. FLYER có mùa vụ ngược với trường học, cao điểm là hè, còn tháng 9 khi học sinh vào năm học thì giờ học giảm mạnh. Năm 2025 tháng 9 giảm 36,5% so với tháng 8. Lấy tháng 8 làm mốc thì team chắc chắn trượt vì lý do ngoài tầm kiểm soát.
Thứ hai, chỉ số tỷ lệ dùng thật mới dựng được từ tháng 4/2026 nên chưa có cùng kỳ năm trước để đối chiếu. Mốc 68% đang lấy theo mức tháng 7/2026. Nếu muốn chắc chắn hơn thì tháng 9 để chỉ số này ở dạng theo dõi, chưa gắn tiền, và dồn 6 triệu sang hai chỉ số còn lại.
Vì sao sàn membership đặt ở mức không giảm
Nền membership đã giảm 8 tháng liên tiếp, từ đỉnh 45.020 cuối tháng 1 xuống 36.641 cuối tháng 8, tức mất 18,6%. Mỗi tháng gần đây số hết hạn vượt số mở mới khoảng 1.300 đến 1.700. Trong bối cảnh đó, việc dừng được đà giảm đã là một kết quả thật, nên đặt làm sàn. Nếu đặt sàn theo mức tăng trưởng như các chỉ số thông thường thì gần như chắc chắn quỹ sẽ bằng không, và cơ chế mất tác dụng ngay tháng đầu.
4Nối với membership, doanh thu và chi phí
Hai chỉ số ở mục 2 đo đúng việc của Product, nhưng chưa trả lời được câu "quỹ này lấy tiền từ đâu và bao nhiêu là hợp lý". Phần này nối chuỗi: việc Product làm tác động lên membership, membership ra doanh thu, doanh thu trừ chi phí ra lợi nhuận, và quỹ thưởng chỉ được trích từ phần lợi nhuận tăng thêm.
Retention & chiều sâu (Product) → Tỷ lệ gia hạn → Membership → Doanh thu − Chi phí → Quỹ thưởng
Membership: chỉ số Product tác động trực tiếp
Membership còn hiệu lực
36.432
tại 04/09/2026, theo bảng subscriptions
Lượt kích hoạt Membership 2025
38.722
partner, agent, retail, iservice, teacher
2026 YTD (7,5 tháng)
26.362
đang trên đà xấp xỉ 2025
Không bao giờ gia hạn
67,9%
82.585 / 121.671 user có Membership
Nguồn: query read-replica, 04/09/2026. Số membership còn hiệu lực lấy từ bảng subscriptions. Bản trước ghi 22.569 là thiếu, vì lấy từ cột expired_at của activation_code_users, cột này không có dữ liệu với bản ghi trước 10/2025.
Cohort mua lần đầu
User có Membership mới
Có mua lại trong 18 tháng
Tỷ lệ gia hạn
2023
33.617
12.737
37,9%
2024
22.289
5.145
23,1%
2025 (tháng 1–2, đủ 18 tháng)
3.106
1.103
35,5%
Chỉ tính cohort đã đủ 18 tháng quan sát nên 2025 mới lấy được tháng 1–2. Cohort 2024 xuống 23,1%, chênh lệch đủ lớn so với hai cohort còn lại để không phải nhiễu thống kê.
Vì sao đây là mắt xích đúngGần 68% người đã trả tiền không bao giờ quay lại mua lần hai. Đây là chỗ Product tác động trực tiếp nhất và cũng là chỗ còn nhiều dư địa nhất: mỗi 1 điểm tỷ lệ gia hạn trên nền ~38.700 Membership mỗi năm tương đương khoảng 390 lượt gia hạn tăng thêm. Khác với "tổng giờ học", con số này quy thẳng ra tiền và không bị Marketing chi thêm ngân sách làm nhiễu.
Doanh thu: chỉ tính phần Product thực sự tạo ra
Cấu phần doanh thu
Ai chịu trách nhiệm chính
Có tính vào quỹ Product không
Doanh thu từ khách mua mới
Marketing (kéo lead) + Sales (chốt)
Không Product không quyết định có bao nhiêu người vào cửa
Doanh thu từ gia hạn
Product (giữ chân, tạo lý do quay lại)
Có đây là phần Product tạo ra rõ ràng nhất
Doanh thu tăng do AOV cao hơn
Chung: Product (giá trị cảm nhận) + Sales (kỹ năng bán)
Một phần chỉ tính phần vượt baseline năm trước
Nguồn doanh thu: b2c.flyer.vn (Plan B2C 2026), truy xuất 17/08/2026.
Cần Finance xác nhậnSố lượt kích hoạt Membership (38.722 năm 2025) và doanh thu B2C (4,46 tỷ) chưa khớp trực tiếp với nhau, vì kênh partner và agent bán giá sỉ và có thể được hạch toán sang doanh thu B2B, còn retail mới là giá lẻ đầy đủ. Trước khi chốt công thức, cần Finance cung cấp bản đồ kênh kích hoạt → doanh thu ghi nhận để tính đúng giá trị tiền của mỗi điểm gia hạn. Nên lấy số trực tiếp từ Finance thay vì ước lượng.
Chi phí và nguồn của quỹ
Nguyên tắc để công bằng với công ty: quỹ thưởng không trích từ doanh thu mà trích từ phần lợi nhuận gộp tăng thêm so với năm nền. Nếu năm đó công ty không tạo thêm lợi nhuận, quỹ bằng không dù các chỉ số sản phẩm có đẹp. Cách này khiến quỹ tự nuôi được chính nó và không bao giờ trở thành gánh nặng dòng tiền.
Quỹ thưởng = min( A% × Lợi nhuận gộp tăng thêm , B tháng lương × số người ) × f(4 chỉ số ở mục 2)
Tham số
Đề xuất
Vai trò
A% — tỷ lệ chia sẻ lợi nhuận tăng thêm
10–15%
Trần theo khả năng chi trả. Không có lợi nhuận tăng thêm thì không có quỹ, nên công ty không bao giờ lỗ vì thưởng
B — số tháng lương tối đa mỗi người
2–3 tháng
Trần theo ngân sách. Giữ chi phí nhân sự dự đoán được kể cả năm lợi nhuận đột biến
Năm nền
Lợi nhuận gộp 2025
Cố định 1 năm, xem lại cùng lúc với việc đặt mốc mới
Sàn kích hoạt
đạt ≥80% tổ hợp chỉ số
Giữ nguyên đường cong bậc thang ở mục 2
Vì sao lấy min của hai trầnNếu chỉ dùng trần lợi nhuận, vào năm kết quả đột biến quỹ có thể tăng bất thường, gây khó cho việc lập ngân sách. Chỉ dùng trần tháng lương thì năm công ty lỗ vẫn phải chi. Lấy giá trị nhỏ hơn trong hai cách tính giúp quỹ vừa gắn với kết quả kinh doanh thật, vừa nằm trong khung ngân sách nhân sự đã duyệt.
Còn thiếu để chốt con sốChưa lấy được chi phí thật (bảng lương Product team và giá vốn) vì cần quyền truy cập ketoan.flyer.vn. Cần Finance cung cấp 3 số: tổng chi phí nhân sự Product team/năm, lợi nhuận gộp 2025, và tỷ lệ giá vốn trên doanh thu. Có 3 số này sẽ quy được A% và B thành số tiền cụ thể, kèm mô phỏng quỹ ở các kịch bản đạt 80/100/120% mốc.
5Nếu tính theo Active Users như Pancake thì sao
Pancake.vn dùng Active Users làm thước đo và cách đó hợp lý với họ. Hai mô hình kinh doanh khác nhau ở một điểm ảnh hưởng tới cách chỉ số này vận hành. Phần này kiểm chứng bằng số thật, rồi đề xuất phiên bản Active Users dùng được cho FLYER.
Vì sao Active Users chuẩn với Pancake nhưng lệch với FLYER
Pancake.vn
FLYER
Ai là "active user"
Chủ shop dùng công cụ để bán hàng
Học sinh vào làm bài, phần lớn chưa trả tiền
Quan hệ với doanh thu
Gần như 1:1, dùng nhiều thì trả tiền nhiều
Lỏng, dùng nhiều vẫn có thể không trả đồng nào
Tỷ lệ user không có Membership
Nhỏ, thường là bản dùng thử sắp chuyển đổi
62,5% tổng MAU (07/2026)
Marketing có tác động trực tiếp tới số không
Khó, phải là shop thật có nhu cầu thật
Dễ, mua lead là có thêm user đăng ký học thử
Tỷ lệ free tính từ read-replica: tháng 07/2026 có 40.611 học sinh hoạt động, trong đó 15.231 người đang có Membership còn hiệu lực (37,5%), còn lại 25.380 là free.
Đây đúng là lỗ hổng đã loại ở mục 2Active Users nếu dùng một mình sẽ mắc lại đúng vấn đề mà tổng giờ học mắc phải, thậm chí nặng hơn. Tổng giờ học ít nhất còn phân biệt người học 20 giờ với người học 2 phút, còn Active Users đếm cả hai như nhau. Với 62,5% MAU là free, chi thêm ngân sách marketing là chỉ số tự đẹp lên mà doanh thu không đổi.
Đối chiếu Active Users với giờ học
MAU trung bình 2024
29.260
đỉnh 34.316 vào tháng 7
MAU trung bình 2025
34.264
▲ 17,1% so với 2024
Giờ học 2025
1,15 triệu
▲ 36,1% so với 2024
Chiều sâu mỗi user
+16,2%
2,40 lên 2,79 giờ/user/tháng
Nguồn: read-replica, MAU = số học sinh có ít nhất 1 bài nộp trong tháng, tính trung bình 12 tháng mỗi năm.
Cùng một năm 2025, hai thước đo cho hai kết quả rất khác nhau
Mức tăng trưởng so với 2024 · nếu quỹ thưởng gắn vào Active Users thì team chỉ được ghi nhận cột bên trái
Đọc sốNăm 2025 số người dùng chỉ tăng 17,1% nhưng lượng học tăng 36,1%. Chênh lệch đó là do mỗi người học sâu hơn 16,2%, và đây chính là phần Product tạo ra. Nếu quỹ thưởng gắn vào Active Users, team sẽ được ghi nhận mức +17,1% thay vì +36,1%.
Phiên bản Active Users dùng được cho FLYER
Ý tưởng của Pancake vẫn đúng ở phần lõi: đo xem người đã trả tiền có thực sự dùng sản phẩm không. Chỉ cần đổi mẫu số từ "mọi người dùng" sang "người đang có Membership" thì chỉ số không còn chịu tác động từ ngân sách marketing và gắn trực tiếp vào doanh thu.
Tỷ lệ dùng thật = Người có Membership và có học trong tháng ÷ Người đang có Membership
Tháng
Membership còn hiệu lực
Có học trong tháng
Tỷ lệ dùng thật
04/2026
16.072
9.959
62,0%
05/2026
17.524
10.715
61,1%
06/2026
19.198
12.146
63,3%
07/2026
21.941
15.029
68,5%
Chỉ lấy được từ 2026 vì cột expired_at trong activation_code_users mới bắt đầu ghi từ khoảng 10/2025, các năm trước để trống nên không dựng lại được chuỗi lịch sử.
Vì sao chỉ số này chưa vào công thức ngayBa lý do nó đáng giá: khoảng 31,5% người đã trả tiền không hề mở ứng dụng trong tháng 7 (gần như chắc chắn sẽ không gia hạn, nối thẳng con số 67,9% không bao giờ mua lại ở mục 4); chỉ số đang cải thiện thật, từ 62,0% lên 68,5% trong 4 tháng; và nó đo đúng phần bộ chỉ số ở mục 2 chưa chạm tới, tức độ phủ chứ không phải chiều sâu. Nhưng vì mục 2 đã chốt giữ v2026 chỉ 2 chỉ số cho đơn giản, tỷ lệ dùng thật này được xếp cùng nhóm hoãn với retention cohort, % power user và tăng trưởng B2B, để đưa vào v2 một lượt.
Danh sách chờ cho v2 (sau khi v2026 chạy ổn định)
Chỉ số
Baseline đã có
Vì sao chưa đưa vào v2026
Tỷ lệ dùng thật của người có Membership (mục 5)
68,5%
Là chỉ số thứ 3 ngoài membership và giờ học, muốn giữ v2026 đúng 2 chỉ số như đã chốt
Cải thiện retention cohort M6/M12 (mục 2)
M6: 40,9%/46,8%
Cột expired_at mới ghi từ ~10/2025, chưa đủ lịch sử để tính retention M12 đáng tin
% thành viên Membership thành power user (mục 2)
5,8%
Đo chiều sâu tốt nhưng làm công thức khó giải thích hơn ở năm đầu tiên
Tăng trưởng B2B usage (mục 2)
~268K giờ
Phần lớn do Sales chốt deal, để riêng tránh trùng công với tab Business
Lưu ý khi chọn chỉ sốKhông đưa MAU tổng vào công thức dù ở trọng số nhỏ, kể cả ở v2. Chỉ cần một trọng số nhỏ gắn vào chỉ số chịu tác động từ ngân sách marketing cũng đủ tạo tranh cãi mỗi kỳ chốt thưởng về việc phần tăng đó do sản phẩm tốt lên hay do tháng đó chi thêm tiền quảng cáo. Nếu muốn theo dõi MAU thì để ở dashboard như chỉ số tham khảo, không gắn tiền vào.
6So sánh 7 tháng đầu 2026 với cùng kỳ 2025
So sánh cùng kỳ tháng 1 đến tháng 7 để loại yếu tố mùa vụ. Các số dưới đây liên quan trực tiếp tới việc đặt mốc 1,5 triệu giờ.
Giờ học T1–T7
+1,6%
620.363 lên 630.420 giờ
Học sinh hoạt động
+11,4%
111.388 lên 124.105
Lượt làm bài
+26,6%
2,96 lên 3,75 triệu lượt
Giờ mỗi học sinh
−8,8%
5,57 xuống 5,08 giờ
Nguồn: read-replica, user_attempts theo submitted_at, T1–T7 mỗi năm. Cách đo này cho 2025 cả năm là 1.054.402 giờ, thấp hơn con số 1.147.096 trên dashboard study-time, nên trong mục này dùng thống nhất một phép đo cho cả hai năm để so sánh được.
Nhiều người học hơn, làm nhiều bài hơn, nhưng tổng giờ gần như đứng yên
Mức thay đổi T1–T7 năm 2026 so với cùng kỳ 2025
Thời lượng mỗi lượt làm bài, xu hướng 4 năm
Tất cả các số dưới đây đều là tháng 1 đến tháng 7 của từng năm, so cùng kỳ để loại mùa vụ.
T1–T7
Giờ học
Lượt làm bài
Phút/lượt
So năm trước
2023
353.492
983.378
21,57
—
2024
548.466
1.907.390
17,25
−20,0%
2025
620.363
2.963.340
12,56
−27,2%
2026
630.420
3.752.120
10,08
−19,7%
Tính bằng tổng giờ học chia tổng số lượt làm bài trong kỳ. Từ 2023 tới 2026, thời lượng mỗi lượt giảm tổng cộng 53,3%, trong khi số lượt tăng gần 4 lần và tổng giờ chỉ tăng 78%.
Phút mỗi lượt làm bài, T1–T7 các năm
Giảm đều đặn 4 năm liên tiếp, mỗi năm khoảng 20–27%
Nguyên nhân: một nửa do đổi cơ cấu nội dung, một nửa do từng loại bài ngắn đi
Loại bài
Lượt 2025
Lượt 2026
Δ lượt
Phút/lượt 2025
Phút/lượt 2026
exam (luyện thi)
2.301.007
2.561.652
+11%
14,8
13,4
STUDY (Bingo AI Tutor)
84.418
410.524
+386%
2,4
1,5
practice
307.143
503.008
+64%
0,5
0,9
writing
85.506
97.542
+14%
14,4
7,6
speaking
99.049
110.170
+11%
7,4
5,9
IELTS
33.717
31.433
−7%
11,8
21,5
placement_test
45.365
32.224
−29%
11,2
10,6
Tỷ trọng bài ngắn (STUDY + practice) tăng từ 13,2% lên 24,3% tổng số lượt, trong khi exam giảm từ 77,6% xuống 68,3%.
Trả lời câu hỏi cố ý hay phân mảnhPhân rã mức giảm 2,51 phút cho thấy 54% đến từ đổi cơ cấu nội dung và 46% đến từ bản thân từng loại bài ngắn đi. Phần đổi cơ cấu đến từ STUDY (Bingo AI Tutor) tăng 386% số lượt, vốn là sản phẩm học ngắn theo thiết kế. Về phần còn lại: exam chiếm 68% số lượt và giảm 9,5% (14,8 xuống 13,4). Riêng writing giảm 47% từ 14,4 xuống 7,6 phút trong khi số lượt vẫn tăng 14%, cần kiểm tra riêng xem có phải do đổi cách chấm hoặc đổi dạng đề. IELTS tăng từ 11,8 lên 21,5 phút.
Hệ quả với cơ chế thưởngVì thời lượng mỗi lượt giảm đều suốt 4 năm và phần lớn là do chuyển dịch sản phẩm có chủ đích, đề xuất không đưa chỉ số phút/lượt vào công thức thưởng. Nếu đưa vào, team sẽ bị phạt vì chính việc ra mắt sản phẩm học ngắn mà công ty muốn đẩy. Giữ chỉ số này trên dashboard để theo dõi tình trạng sản phẩm, và nếu muốn cảnh báo sớm thì đặt ngưỡng riêng cho từng loại bài thay vì con số trung bình gộp.
Tách B2B và B2C
Số đang được làm mờ. Nhấn ô tick ở mỗi dòng để hiện số của dòng đó.
Chỉ số (T1–T7)
2025
2026
Thay đổi
B2B — giờ học
40.573
84.949
+109,4%
B2B — học sinh
11.520
23.075
+100,3%
B2B — giờ/học sinh
3,52
3,68
+4,5%
B2C — giờ học
579.790
545.471
−5,9%
B2C — học sinh
109.769
119.352
+8,7%
B2C — giờ/học sinh
5,28
4,57
−13,5%
Tỷ trọng B2B trong tổng giờ học tăng từ 6,5% lên 13,5%.
Đọc ra gì từ đâyB2B: giờ học và số học sinh đều tăng gấp đôi, cường độ mỗi học sinh tăng nhẹ. Ngược lại B2C: thêm 8,7% học sinh nhưng tổng giờ giảm 5,9%, tức mỗi học sinh học ít đi 13,5%. Toàn bộ mức tăng trưởng của công ty trong 7 tháng qua đến từ B2B, còn B2C giảm về cường độ sử dụng.
Membership theo lượt kích hoạt và theo user
Chỉ số (T1–T7)
2025
2026
Thay đổi
Lượt kích hoạt Membership
61.457
38.965
−36,6%
User riêng biệt
17.949
23.508
+31,0%
User có Membership lần đầu
13.455
14.445
+7,4%
Số lượt trên mỗi user
3,42
1,66
−51,5%
Bảng này tính đủ mọi kênh Membership. Nếu loại kênh iservice đã ngừng, để khớp với baseline dùng trong công thức ở mục 2, thì user riêng biệt là 17.529 lên 23.508, tức +34,1%.
Kênh (user riêng biệt, T1–T7)
2025 T1–T7
2026 T1–T7
Thay đổi
partner
7.811
17.953
+130%
agent
5.690
2.584
−55%
retail_manual
2.363
1.745
−26%
retail
1.494
1.009
−32%
teacher_code
313
267
−15%
iservice
420
0
−100%
Giải thích chênh lệchLượt kích hoạt giảm 36,6% trong khi số người thật tăng 31%. Nguyên nhân là số lượt trên mỗi user giảm từ 3,42 xuống 1,66, nhiều khả năng do cách phát mã năm 2025 chia nhỏ thành nhiều mã ngắn hạn cho cùng một người. Vì vậy nên dùng số user riêng biệt để theo dõi thay vì số lượt kích hoạt, vì hai cách cho kết quả ngược nhau. Về kênh, gần như toàn bộ tăng trưởng đến từ partner (B2B, +130%), còn mọi kênh bán lẻ trực tiếp tới người dùng đều giảm hai chữ số.
Hệ quả với mốc 1,5 triệu giờ
T1–T7 năm 2025 chiếm 58,8% tổng giờ cả năm. Nếu mùa vụ 2026 giữ nguyên tỷ lệ đó, cả năm 2026 sẽ đạt khoảng 1,07 triệu giờ, tức chỉ nhích 1,6% so với 2025.
Dự báo cả năm 2026
~1,07 triệu
giờ học, theo mùa vụ 2025
So với mốc 1,5 triệu
71%
sàn kích hoạt quỹ là 80%
Quỹ thưởng tương ứng
0 đồng
nếu chỉ dùng tổng giờ học
Hệ quả với mốc thưởngVới đà hiện tại, mốc 1,5 triệu giờ sẽ không đạt được và quỹ thưởng sẽ bằng không, dù B2B tăng gấp đôi và số người có Membership tăng 31%. Một cơ chế trả 0 đồng ngay năm đầu sẽ khó giữ được tác dụng tạo động lực. Có hai hướng xử lý, nên chọn cả hai: hạ mốc 2026 về mức thực tế (ví dụ 1,15 đến 1,2 triệu giờ, tức tăng 9 đến 14%, vẫn là thách thức thật khi B2C đang giảm), và chuyển trọng số sang bộ chỉ số per-member ở mục 2 và mục 5, vì các chỉ số đó đang cho thấy tiến bộ thật (tỷ lệ dùng thật tăng từ 62,0% lên 68,5%, B2B giờ/học sinh tăng 4,5%) trong khi tổng giờ học không phản ánh được.
7Chia quỹ trong team: theo điểm, không chia đều
"Chia cho tất cả các vị trí" là đúng, nhưng chia đều tuyệt đối sẽ giảm động lực của người đóng góp nhiều hơn. Dùng hệ điểm: ai cũng có phần, nhưng phần tương ứng với vai trò, thâm niên và hiệu quả.
Điểm cá nhân = Hệ số vai trò × Hệ số thâm niên × Điểm hiệu quả (PM/PO)
Thưởng cá nhân = Quỹ thưởng team × (Điểm cá nhân ÷ Tổng điểm cả team)
Vai trò (ví dụ)
Hệ số vai trò
Thâm niên
Điểm hiệu quả
Điểm cá nhân
% quỹ
PO (Lead)
1,8
1,15 (3 năm)
1,1
2,28
19%
PM
1,5
1,10 (2 năm)
1,2
1,98
16%
Senior Engineer
1,6
1,25 (5+ năm)
1,0
2,00
17%
Engineer
1,3
1,05 (1 năm)
1,3
1,77
15%
Designer
1,3
1,10 (2 năm)
0,9
1,29
11%
Junior Engineer
1,0
1,00 (mới)
1,15
1,15
10%
QA/Data Analyst
1,2
1,05 (1 năm)
1,0
1,26
11%
Số minh hoạ để thấy cơ chế vận hành. Hệ số vai trò thật cần dùng thang lương nội bộ hiện có, không phải số trong bảng này.
Thâm niênCố tình để hệ số thâm niên nhẹ: tăng khoảng +5%/năm, trần ở +25% sau 5 năm. Hệ số này ghi nhận sự gắn bó, không phải động lực chính. Nếu để thâm niên nặng, người mới vào làm hiệu quả cao sẽ thấy vô lý và rời đi, ngược với mục tiêu tăng động lực của quỹ này.
Part-time & advisorPart-time: áp cùng công thức, nhân thêm hệ số theo tỷ lệ thời gian đóng góp thực tế, ví dụ 0,5 FTE thì 50% điểm so với làm full-time cùng vai trò. Công bằng theo mức độ tham gia, không loại họ khỏi quỹ.
Advisor: khuyến nghị không đưa vào công thức chia quỹ vận hành này. Advisor thường đã có cơ chế đãi ngộ riêng, dạng retainer hoặc equity, cho vai trò chiến lược. Đưa vào chung sẽ pha loãng phần của người trực tiếp tạo ra giờ học và B2B hàng ngày. Nếu advisor có đóng góp ý tưởng cụ thể đã triển khai và đo được tác động, ghi nhận qua cơ chế thưởng ý tưởng ở mục 9, tách quỹ vì đây là đóng góp không thường xuyên.
8PM và PO đánh giá: cần rubric cố định trước khi chấm
Giữ nguyên việc PM/PO đánh giá, nhưng nếu không công bố tiêu chí trước, mỗi vòng thưởng dễ bị coi là cảm tính, thiên vị, điều khiến nhân sự mất niềm tin vào cả hệ thống thưởng. Rubric cố định cộng hiệu chỉnh chéo giữa PM và PO sẽ giải quyết việc này.
Tiêu chí
Trọng số
Thang điểm
Impact lên roadmap/OKR — tính năng/thay đổi có đo được tác động (giờ học, retention, revenue)
40%
1–5, có bằng chứng số liệu kèm theo
Chất lượng & craft — bug rate, nợ kỹ thuật, độ hoàn thiện
20%
1–5, PM/PO thống nhất
Hợp tác & mentoring — hỗ trợ đồng đội, chia sẻ kiến thức
15%
1–5, có phản hồi 360 nhẹ
Sáng kiến đã ship — ý tưởng đề xuất và triển khai thành công (thay cho đếm số ý tưởng)
15%
1–5, tính theo idea đã lên production
Độ tin cậy khi áp lực — đáp ứng deadline quan trọng (thay cho đếm giờ OT)
10%
1–5, theo từng trường hợp cụ thể, không theo số giờ có mặt
Bắt buộcCó buổi hiệu chỉnh giữa PM và PO trước khi công bố điểm cuối, so sánh điểm 2 người chấm độc lập và giải trình chênh lệch trên 1 điểm. Rubric công bố công khai cho cả team từ đầu kỳ, không phải đợi kết quả ra mới giải thích.
9OT và ý tưởng: tách khỏi quỹ chính
Đây là 2 tiêu chí đáng cân nhắc lại nhiều nhất, vì cách đo hiện tại, giờ OT và số ý tưởng, đo nỗ lực chứ không đo giá trị, nên dễ tạo động lực sai.
Điều chỉnh"Chịu khó OT" Rủi ro: thưởng theo số giờ có mặt thay vì theo kết quả sẽ khuyến khích biểu hiện bận rộn mang tính hình thức, trong khi người làm việc hiệu quả trong giờ hành chính lại chịu thiệt. Đã gộp vào tiêu chí "Độ tin cậy khi áp lực" ở mục 8, đánh giá theo từng trường hợp cụ thể, có đáp ứng deadline quan trọng hay không, chứ không đếm giờ.
Điều chỉnh"Đóng góp ideas phát triển sản phẩm" Rủi ro: nếu tính theo số lượng ý tưởng đề xuất, sẽ phát sinh tình trạng đề xuất ồ ạt để lấy điểm. Đề xuất cơ chế riêng, tách khỏi quỹ chính, xem bên dưới.
Cơ chế thay thếThưởng nóng, ngân sách cố định riêng theo quý, không trừ vào quỹ chính, cho ý tưởng đã được lên kế hoạch cụ thể, triển khai thật lên production, và có số liệu chứng minh tác động trong vòng 1 quý sau khi ra mắt. Tách riêng vì hai lý do: không pha loãng công thức chính, và vẫn trả được ngay cả năm quỹ chính thấp, giữ động lực đề xuất ý tưởng kể cả khi công ty đang khó khăn.
10Hàng rào bảo vệ
Công khai công thức và dashboard tiến độ từ đầu kỳ. Team đã có sẵn data.flyer.vn/study-time, /paid-cohort, /members-retained, chỉ cần thêm đường mốc và cập nhật công khai hàng tháng để cả team tự theo dõi, giảm hẳn nghi ngờ "số liệu bị chỉnh" lúc chốt thưởng.
Retention và power-user đã chiếm một nửa trọng số quỹ ở mục 2, nên không cần thêm hệ số nhân "cổng chất lượng" riêng nữa. Bản thân công thức mới đã đòi hỏi phải giữ chân tốt mới nhận được toàn bộ quỹ, không chỉ tăng số lượng.
Trần quỹ ở 150% bảo vệ công ty khỏi việc phải trả vô hạn nếu một yếu tố ngoài tầm kiểm soát của Product, ví dụ mùa thi cao điểm, đẩy giờ học tăng vọt không do nỗ lực của team.
Xem lại công thức mỗi năm cùng với việc đặt mốc mới, vì mốc 1,5 triệu không nên cố định vĩnh viễn khi baseline đã thay đổi.
Bản đề xuất dựa trên số liệu study-time, paid-cohort và members-retained truy xuất ngày 16/08/2026. Hệ số vai trò, thâm niên, trọng số trong bảng mang tính minh hoạ cơ chế. Cần thống nhất con số thật với HR/leadership trước khi áp dụng.