Applied UX Analytic
Design Backed by Evidence, Not Assumptions

I. Giới thiệu

Applied UX Analytic là bootcamp giúp Designers hiểu và sử dụng dữ liệu hành vi người dùng để đưa ra quyết định thiết kế chính xác thay vì dựa trên trực giác, những người đang cần làm việc với công cụ tracking (GA4, Firebase,Clevertap, Mixpanel, Amplitude…) và quy trình phân tích hành vi người dùng trong sản phẩm thực tế.


Bootcamp này phù hợp nếu bạn:

Xem nào! Ok biết ời
1. Thiết kế thiếu cơ sở dữ liệu
  • Quyết định dựa trên cảm tính
  • Không biết UX ảnh hưởng business ra sao
  • Không đo lường được hiệu quả thiết kế
2. Không biết đọc & khai thác dữ liệu analytic
  • Không biết bắt đầu từ đâu
  • Không hiểu các chỉ số product metrics
  • Không phát hiện được vấn đề UX từ data
3. Không biết cần track hành vi gì
  • Không biết define user behavior quan trọng
  • Không biết viết tracking plan cho dev
  • Tracking sai dẫn đến data vô nghĩa
4. Không tự tin khi làm data
  • Không biết đặt câu hỏi đúng về dữ liệu
  • Không giải thích được insight
  • Không bảo vệ được đề xuất thiết kế
5. Không biết kết hợp Data & Research
  • Không biết khi nào cần usability testing
  • Không biết xác minh nguyên nhân UX issues
  • Insight rời rạc, không có bằng chứng rõ ràng
6. Báo cáo UX thiếu thuyết phục
  • Insight chỉ dừng ở “user drop nhiều”
  • Không biết ưu tiên vấn đề theo impact
  • Không kể được câu chuyện bằng dữ liệu

II. Mục tiêu

Sau bootcamp, người tham dự sẽ nắm được:

Xem nào! Ok ok
UX Analytic trong sản phẩm
  • Hiểu vai trò của dữ liệu trong UX & Product Decision
  • Phân biệt UX Metrics - Product Metrics - Business Metrics
  • Hiểu UX trong vòng đời sản phẩm
UX Measurement & Tracking
  • Xác định hành vi người dùng quan trọng cần đo lường
  • Mapping UX Problems & Measurable Behaviors
  • Thiết kế Tracking Plan cho tính năng / sản phẩm
  • Làm việc hiệu quả với Developer & Data team
UX Analytic & Insight
  • Đọc hiểu dashboard phổ biến
  • Phân tích Funnel, User Flow, Cohort, Retention
  • Phát hiện UX issues thông qua dữ liệu hành vi
  • Đánh giá mức độ nghiêm trọng của UX problems
Data-driven UX Research
  • Biết khi nào cần làm explanatory research
  • Kết hợp dữ liệu định tính & behavior analytic
  • Xác minh nguyên nhân gốc rễ của UX issues
Statistics for Designers
  • Hiểu thống kê mô tả để đọc dữ liệu đúng
  • Hiểu thống kê suy luận cơ bản để tránh kết luận sai
  • Biết cách đọc A/B Testing results
  • Tránh các bẫy phổ biến khi diễn giải dữ liệu
Insight & UX Recommendation
  • Biến dữ liệu thành insight có giá trị
  • Phân biệt Correlation vs Causation
  • Ưu tiên cải tiến UX theo Impact
  • Viết UX recommendation thuyết phục stakeholder
  • Data storytelling cho UX report

Offline (Hà Nội) Open for Online Tháng 4, 2026 6.789.000 VNĐ / người Đang mở đăng ký

III. Giáo trình

Giáo trình được xây dựng cho:
  • 10-12 buổi học x 2,5 - 3h giờ / buổi
  • 6 buổi chữa bài, review công việc.
  • Làm project theo nhóm từ 3-5 người
  • Chương trình bảo vệ cuối khóa có sự góp mặt của hội đồng đánh giá, với các thành viên đến từ nhiều công ty và chuyên môn khác nhau.

Chi tiết giáo trình Đóng lại đi
α.
Know the unknown
  • Product Metrics
  • Descriptive Statistics
  • Inferential Statistics
  • User Behavior & Insight
  • Building Product Dashboard
  • Hypothesis Testing
  • Conducting Explanatory Research
  • Questionnaire Design
  • Sampling

Outcome: Bài test đầu vào giúp đánh giá năng lực khách quan người tham dự, từ đó thời lượng và cách giảng dạy các modules phía sau sẽ được điều chỉnh phù hợp hơn..

α.
UX in Business Context
  • UX ảnh hưởng business metrics thế nào
  • UX trong product lifecycle
  • Vì sao UX cần data thay vì cảm tính
  • Case study thực tế

Outcome: Hiểu UX không chỉ là “làm đẹp” mà là tối ưu hiệu quả sản phẩm.

β.
Goal Setting for UX Measurement
  • UX Goals vs Product Goals
  • Chọn UX Metrics phù hợp
  • Leading vs Lagging Indicators
  • Success Criteria cho UX improvement

Outcome: Biết “đo cái gì” trước khi cải tiến UX.

γ.
Defining Measurable User Behavior
  • User Journey → Key Behaviors
  • Macro vs Micro Conversions
  • Behavioral Signals của UX Issues
  • Mapping UX Problems → Measurable Events

Outcome: Biến UX thành thứ có thể đo lường.

δ.
UX Event Tracking & Data Foundation
  • UX Event Tracking là gì
  • Tracking Plan cho Designer
  • Làm việc với Dev/Data team
  • Common Tracking Mistakes

Outcome: Biết yêu cầu tracking đúng để data có giá trị.

ε.
Data Quality & Tracking Validation
  • Kiểm tra tracking đúng hay sai
  • Missing events & duplicate events
  • Data sampling & accuracy
  • Khi nào data không đáng tin

Outcome: Không ra quyết định dựa trên data lỗi.

ζ.
Descriptive Statistics
  • Raw Data
  • Categorical variables
  • Numerical variables
  • Measuring Central Tendency: Mean, Median & Mode
  • Measuring Variability: Range, Variance & SD
  • Percentage vs Percentile
  • Working with data visualization

Outcome: Đủ kiến thức để đọc số liệu mà không hiểu sai.

ζ.
Inferential Statistics
  • Inferential Statistics
  • Testing with different variable types
  • Forming a Hypothesis
  • Designing a Experiment
  • Testing a Hypothesis
  • Drawing a Conclusion
  • Type I & Type II Error
  • p-value & Confidence Interval
  • Regression Analysis
  • Statistical Errors
  • Statistical Fallacy

Outcome: Trả lời được câu hỏi: Nên lựa chọn phương pháp kiểm định nào? Sự khác biệt về dữ liệu có thực sự có ý nghĩa thống kê? Biết nghiên cứu đến khi nào là đủ?

η.
Analyzing User Behavior for UX Insights
  • Funnel Analysis cho UX
  • User Flow & Path Analysis
  • Drop-off & Friction Points
  • Retention Analysis
  • Cohort Analysis cho UX

Outcome: Tìm ra UX issues từ hành vi người dùng.

θ.
Explanatory Research for UX Problems
  • Khi nào behavior & product performance data là chưa đủ
  • Quy trình kết hợp nghiên cứu định tính
  • Session replay & heatmap
  • Deep-dive user journey
  • Xác minh nguyên nhân UX issues

Outcome: Biết cách tìm root-cause thay vì chỉ đặt giả thuyết.

ι.
Insight Synthesis & UX Recommendations
  • Insight ≠ Data
  • Insight Framework cho UX
  • Correlation vs Causation
  • Prioritizing UX Issues by Impact
  • Viết UX Recommendation thuyết phục
  • Data Storytelling cho stakeholder

Outcome: Biến insight thành đề xuất có sức nặng.

α.
Know the unknown
  • Đánh giá chất lượng đầu ra

Reason: Để thực sự chứng minh: “Chương trình này mang lại value cho người tham dự” cần 2 yếu tố: Cảm nhận từ người tham dự về chương trình và chủ quan kiến thức nắm được. Việc test đầu vào và đầu ra giúp so sánh sự khác biệt về điểm số có ý nghĩa thống kê.

φ. Graduation
Offline (Hà Nội) Open for Online Tháng 4, 2026 6.789.000 VNĐ / người Đang mở đăng ký