Thuật toán đề suất hồ sơ gia sư trên nền tảng Preply

Apr 30 (edited) • THẢO LUẬN

Sau một thời gian tìm hiểu và tham khảo thực tế trên một số hồ sơ (không nhiều), mình có rút ra được một số điểm liên quan đến việc đề suất trên nền tảng như sau. Mình viết bài này mang tính tham khảo thôi nhé vì bản thân mình không phải là dân "kỹ thuật công nghê" và chỉ mong mọi người có được góc nhìn đúng về việc để suất của nền tảng để có những quyết định đúng cho việc làm hồ sơ.

Preply không dùng một danh sách tiêu chí cố định nhưng hệ thống liên tục quan sát các nhóm tín hiệu hành vi để quyết định:

Hiển thị bạn cho ai
Hiển thị nhiều hay ít
Có tiếp tục đẩy bạn hay không

Tiếp theo mình có thống kê một số tiêu chí — chia theo mức độ ảnh hưởng. Đây không phải là bản checklist tiêu chí nhé và bản này chỉ mang tính tham khảo chứ không phải bản chuẩn của nền tảng công bố.

I. TÍN HIỆU CHÍNH (CORE SIGNALS)

→ Quyết định bạn có “sống” được trên hệ thống không

1. Conversion (Chuyển đổi)

Trial → Subscription
View → Booking
Tin nhắn → đặt lịch

2. Matching (Phù hợp)

Nội dung hồ sơ (niche rõ hay không)
Giá (phân khúc)
Ngôn ngữ & đối tượng học viên
Lịch có khớp múi giờ không

3. Reliability (Tin cậy)

Tốc độ phản hồi
Không hủy lớp / vắng mặt
Lịch ổn định

4. Retention (Giữ chân)

Học viên học bao lâu
Có quay lại không
Tần suất học

II. TÍN HIỆU HIỂN THỊ BAN ĐẦU (DISCOVERY SIGNALS)

→ Quyết định bạn có được click không

CTR (tỷ lệ nhấp)
Ảnh đại diện rõ, chuyên nghiệp
Headline đúng nhu cầu
Video tạo cảm giác tin tưởng nhanh
Giá hiển thị phù hợp kỳ vọng thị trường

📌 Đây là “cửa vào” của bạn

III. TÍN HIỆU HÀNH VI SAU CLICK (POST-CLICK SIGNALS)

→ Người học làm gì sau khi vào hồ sơ?

Thời gian ở lại hồ sơ
Có xem video không
Có đọc profile không
Có scroll xuống review không

📌 Nếu người xem thoát nhanh→ hệ thống hiểu là “không hấp dẫn”

IV. TÍN HIỆU GIAO TIẾP (ENGAGEMENT SIGNALS)

→ Bạn xử lý học viên như thế nào?

Tốc độ trả lời tin nhắn
Tỷ lệ phản hồi
Khả năng duy trì cuộc hội thoại
Học viên có quay lại chat không

V. TÍN HIỆU DOANH THU (VALUE SIGNALS)

→ Bạn mang lại giá trị kinh tế như thế nào?

Số giờ học trung bình / học viên
Tần suất mua thêm giờ
Giá trị lâu dài (không chỉ 1 trial)

📌 Không phải “bán nhanh”→ mà là “giữ được lâu”

VI. TÍN HIỆU ỔN ĐỊNH VẬN HÀNH (CONSISTENCY SIGNALS)

→ Bạn có ổn định theo thời gian không?

Duy trì hoạt động (đăng nhập, dạy học, tương tác hay học các khóa học trên nền tảng)
Không tăng giảm thất thường
Không drop sau một thời gian ngắn

📌 Thuật toán thích sự “có thể dự đoán được _predictable”

VII. TÍN HIỆU THỊ TRƯỜNG (MARKET SIGNALS)

→ Bạn đang ở đâu trong bức tranh cạnh tranh?

Mức giá so với mặt bằng
Nhu cầu của thị trường (language, niche)
Số lượng giáo viên tương tự bạn

📌 Bạn không được đánh giá “một mình”→ mà trong bối cảnh cạnh tranh

VIII. TÍN HIỆU TĂNG TRƯỞNG (MOMENTUM SIGNALS)

→ Bạn có đang “đi lên” không?

Có học viên mới đều không
Có review mới không
Có cải thiện hiệu suất không

📌 Hệ thống thường ưu tiên người đang “có đà”

IX. TÍN HIỆU THỬ NGHIỆM (EXPLORATION SIGNALS)

→ Hệ thống có đang test bạn không?

Giáo viên mới
Hồ sơ mới update
Thay đổi giá / positioning

📌 Đây là lý do:Đôi khi bạn được đẩy lên bất ngờ

Đây chính là Chế độ Ưu tiên Hồ sơ mới (New Teacher Boost) - Tạm thời. Được áp dụng trong 2-3 tuần đầu. Đây là lúc thuật toán cho bạn "vay" vị trí cao để thử nghiệm phản ứng của thị trường trước khi xếp bạn vào vị trí thực tế

X. GIÁ – BIẾN SỐ XUYÊN SUỐT

Giá không phải một tiêu chí riêng.

👉 Nó ảnh hưởng đến nhiều nhóm: