Case study: cửa hàng online giảm tin nhắn tồn nhờ chatbot AI

Sáng mở điện thoại lên thấy hơn 200 tin nhắn tồn qua đêm, trong đó không ít khách đã tự huỷ ý định mua vì chờ quá lâu không ai trả lời - đó là tình cảnh quen thuộc của rất nhiều chủ shop online bán hàng qua mạng xã hội. Bài này kể lại quá trình một cửa hàng thời trang online điển hình triển khai chatbot AI để xử lý tình trạng này, kèm số liệu thật về thời gian, chi phí, kết quả đạt được, và cả những câu hỏi chatbot vẫn chưa xử lý tốt sau khi vận hành.

Bối cảnh: tin nhắn tồn qua đêm và khách bỏ đi trong im lặng

Shop bán quần áo online trong câu chuyện này có quy mô khá điển hình: hai nhân viên trực fanpage và Zalo, bán hàng chủ yếu qua livestream và quảng cáo Facebook, lượng tin nhắn hỏi hàng dao động mạnh theo từng đợt lên mẫu mới. Vào những ngày cao điểm, số tin nhắn có thể vượt xa khả năng hai nhân viên xử lý kịp trong ca làm việc, và phần lớn câu hỏi lặp đi lặp lại: còn size nào, giao hàng bao lâu, có đổi trả được không, giá bao nhiêu cho combo. Vấn đề không nằm ở việc thiếu người trả lời, mà ở chỗ hai nhân viên phải dành phần lớn thời gian cho những câu hỏi lặp lại này, khiến các tin nhắn cần tư vấn thật sự (chọn size, phối đồ) bị chậm trễ theo.

Hậu quả rõ nhất là tin nhắn tồn đọng qua đêm ngày càng nhiều, và không ít khách sau khi chờ quá lâu đã tự động rời đi mà không để lại phản hồi gì, khiến chủ shop khó nhận ra chính xác mình đang mất bao nhiêu đơn hàng vì lý do này cho tới khi nhìn lại số liệu tin nhắn chưa trả lời tích luỹ theo tuần.

Những cách đã thử trước khi tìm ra hướng đúng

Cách đầu tiên shop thử là tuyển thêm một nhân viên bán thời gian chỉ để trực tin nhắn buổi tối, nhưng chi phí phát sinh không nhỏ trong khi những ngày ít khách thì nhân sự này gần như không có việc để làm - bài toán chi phí cố định không ăn khớp với lượng việc biến động theo mùa vụ và theo đợt lên mẫu mới.

Cách thứ hai là dùng tính năng trả lời tự động có sẵn của nền tảng mạng xã hội, vốn chỉ cho phép cài vài câu trả lời cố định theo từ khoá đơn giản. Cách này giải quyết được một phần nhỏ (ví dụ tự động trả lời "cảm ơn đã nhắn tin, shop sẽ phản hồi sớm"), nhưng không thể trả lời được những câu hỏi cụ thể như tồn kho từng size hay giá combo, nên tin nhắn tồn vẫn không giảm được bao nhiêu.

Giải pháp: dữ liệu, thời gian và chi phí thực tế

Bước ngoặt thực sự tới khi shop quyết định dựng một chatbot AI đọc trực tiếp từ file quản lý tồn kho và bảng giá đang dùng hàng ngày, thay vì cố nhồi kịch bản trả lời cố định như trước. Dữ liệu chuẩn bị cho chatbot gồm: bảng giá và mô tả sản phẩm theo từng mẫu, chính sách đổi trả và vận chuyển viết thành văn bản rõ ràng (trước đó chỉ truyền miệng giữa các nhân viên), và khoảng 50 câu hỏi thường gặp nhất được tổng hợp lại từ lịch sử chat cũ.

Thời gian từ lúc bắt đầu chuẩn bị dữ liệu tới khi chatbot chạy thử nghiệm nội bộ mất khoảng hai tuần, phần lớn thời gian dành cho việc viết lại chính sách đổi trả cho rõ ràng và mạch lạc hơn bản gốc vốn khá lộn xộn. Sau đó thêm khoảng một tuần chạy thử với một nhóm khách quen trước khi mở rộng cho toàn bộ khách hàng mới. Về chi phí, khoản đầu tư ban đầu cho việc dựng và huấn luyện chatbot cùng chi phí duy trì hàng tháng nằm ở mức tương đương lương một nhân viên bán thời gian trực buổi tối trước đó - nhưng khác biệt là chi phí này không tăng thêm nhiều dù lượng tin nhắn tăng vọt vào các đợt cao điểm.

Kết quả sau tám tuần vận hành

Thay đổi rõ rệt nhất mà chủ shop cảm nhận được không phải con số phần trăm, mà là việc hai nhân viên giờ đây có thể tập trung hẳn vào tư vấn chọn size, phối đồ và chốt đơn cho những khách thực sự có nhu cầu mua, thay vì phải trả lời đi trả lời lại câu hỏi "còn hàng không" hàng trăm lần mỗi ngày. Vào các đợt lên mẫu mới với lượng tin nhắn tăng đột biến, chatbot vẫn giữ được tốc độ phản hồi ổn định trong khi trước đây đây chính là những thời điểm tin nhắn tồn đọng nhiều nhất.

Vì sao kết quả lại như vậy

Yếu tố đóng góp lớn nhất vào kết quả trên không phải bản thân công nghệ AI, mà là việc shop chịu bỏ thời gian viết lại chính sách đổi trả và mô tả sản phẩm cho thật rõ ràng trước khi đưa vào chatbot. Trước đó, chính sách đổi trả chỉ tồn tại trong đầu của chủ shop và được truyền miệng không thống nhất giữa các nhân viên, nên nếu đưa thẳng "hiện trạng lộn xộn" đó vào chatbot thì AI cũng sẽ trả lời lộn xộn không kém. Không chỉ giúp chatbot trả lời chính xác hơn, việc chuẩn hoá lại tài liệu này mà còn giúp chính hai nhân viên trực tiếp trả lời khách cũng thống nhất được cách nói, giảm hẳn tình trạng mỗi người trả lời một kiểu như trước khi có chatbot.

Yếu tố thứ hai là việc giữ nhân viên tham gia sát trong suốt tuần chạy thử nội bộ, để họ tự tay phát hiện những câu trả lời sai và góp ý sửa ngay, thay vì để một bên kỹ thuật làm hết rồi bàn giao. Cách làm này giúp nhân viên tin tưởng chatbot hơn và biết rõ khi nào nên can thiệp, thay vì coi chatbot như một hộp đen khó kiểm soát.

Những câu hỏi chatbot vẫn làm chưa tốt

Chủ shop cũng thừa nhận có một vài trường hợp khách phàn nàn vì chatbot trả lời "không có cảm xúc" khi khách đang bực bội vì nhận hàng lỗi - đây chính xác là loại tình huống cần chuyển ngay cho người thật xử lý thay vì để AI cố gắng xoa dịu bằng những câu trả lời mẫu, và sau sự cố này, shop đã bổ sung thêm quy tắc tự động chuyển người ngay khi phát hiện từ khoá liên quan tới khiếu nại hoặc hàng lỗi.

So sánh nếp vận hành trước và sau khi có chatbot

Ngoài các con số đã nêu, thay đổi rõ rệt nhất nằm ở cách hai nhân viên phân bổ thời gian trong ngày làm việc. Bảng dưới đây tóm tắt lại sự khác biệt để bạn dễ hình dung hơn nếp vận hành đã thay đổi như thế nào, không chỉ đơn thuần là "nhanh hơn".

Đây cũng là lý do vì sao chủ shop trong câu chuyện này quyết định không dừng lại ở chatbot chăm sóc khách hàng, mà tiếp tục nhìn sang những khâu vận hành khác đang tốn nhiều thời gian tương tự - như việc nhập liệu đơn hàng thủ công hay theo dõi tồn kho. Nếu bạn cũng đang ở giai đoạn muốn mở rộng tự động hoá sang các khâu vận hành khác sau khi đã thấy hiệu quả từ chatbot, bài Tự động hoá quy trình kinh doanh bằng AI: bắt đầu từ đâu sẽ giúp bạn xác định đúng khâu nào nên ưu tiên làm tiếp theo.

Bài học rút ra cho shop của bạn

Nếu shop của bạn đang ở tình cảnh tương tự, ba bài học từ câu chuyện trên đáng để cân nhắc trước khi bắt đầu. Thứ nhất, đừng vội tìm công cụ AI trước khi chuẩn hoá lại chính sách và thông tin sản phẩm - phần việc "dọn dẹp dữ liệu" tưởng chừng nhàm chán này lại chính là yếu tố quyết định chatbot có trả lời đúng hay không. Thứ hai, luôn giữ một lối thoát rõ ràng để chuyển người thật ngay khi khách có dấu hiệu bực bội hoặc hỏi những câu mang tính tư vấn cảm quan sâu, đừng cố ép AI xử lý mọi tình huống. Thứ ba, hãy để chính nhân viên đang trực tiếp trả lời khách tham gia vào quá trình chạy thử, vì họ mới là người hiểu rõ nhất khách hàng thật sự cần gì.

Nếu bạn muốn tìm hiểu cách xây dựng nguồn tri thức đúng cách trước khi dựng chatbot, hoặc muốn triển khai chatbot chạy đồng thời trên nhiều kênh bán hàng như Zalo, Facebook, bài Chatbot đa kênh Zalo, Facebook và website dùng chung tri thức sẽ hướng dẫn chi tiết hơn phần kỹ thuật này. Trước khi mở chatbot cho khách hàng thật, cũng nên rà qua bài Checklist trước khi bật chatbot AI cho khách hàng thật để tránh những sự cố tương tự những gì shop trong câu chuyện này đã gặp phải ở giai đoạn đầu.