Phân tích cảm xúc khách hàng bằng AI: Có đáng tin không?

Nhiều doanh nghiệp đã có bảng điều khiển hiện tỷ lệ phản hồi tích cực, tiêu cực theo tuần. Con số trông gọn gàng, nhưng khi mở từng bình luận ra đọc, người quản lý thường gặp nhãn sai: lời cảm ơn có chữ “chậm” bị xếp vào tiêu cực, còn câu mỉa mai “dịch vụ tuyệt thật” lại thành tích cực.

Mô hình ngôn ngữ đọc ngữ cảnh tốt hơn nhiều so với các công cụ đếm từ khóa trước đây, nhưng vẫn có giới hạn. Câu hỏi không phải AI có hiểu cảm xúc hay không, mà kết quả đáng tin tới mức nào và nên dùng vào việc gì.

Bài viết phân tích những điểm dễ sai khi đọc cảm xúc khách hàng viết bằng tiếng Việt, cách thiết kế bộ nhãn và độ chắc chắn, cùng những quyết định không nên dựa vào nhãn cảm xúc.

1. Bản chất của AI phân tích cảm xúc khách hàng

Phân tích cảm xúc là gắn cho mỗi phản hồi một nhãn như tích cực, tiêu cực, trung tính, đôi khi kèm mức độ hoặc cảm xúc cụ thể như bực bội, lo lắng. Mô hình ngôn ngữ đọc cả câu và các lượt trao đổi xung quanh, nên xử lý được nhiều cách nói vòng. Nhưng nhãn cảm xúc là suy luận về trạng thái của người viết, không phải dữ kiện đối chiếu được như mã đơn hàng, nên luôn có phần không chắc chắn. Nhãn cũng chỉ cho biết khách thấy thế nào, không cho biết vì sao; tìm nguyên nhân là việc của phân tích lý do khách hàng khiếu nại.

Ba mức việc áp vào đây như sau. Hỏi đáp: quản lý hỏi “tuần này khách phàn nàn nhiều về gì” và agent tổng hợp từ dữ liệu đã gắn nhãn. Tra cứu: agent đọc chat, email, đánh giá để gắn nhãn và thống kê. Ghi: nâng mức ưu tiên ticket, chuyển quản lý hay gắn cờ khách trong CRM. Hành động ghi dựa trên nhãn cảm xúc cần thận trọng nhất, vì một nhãn sai có thể khiến một khách bình thường bị xử lý như đang khiếu nại.

2. Các yếu tố cần thiết kế

1. Ngữ cảnh hội thoại

Một câu đứng riêng thường không đủ để hiểu. “Vậy thôi” sau khi vấn đề đã được giải quyết là chấp nhận; “vậy thôi” sau nhiều lần hỏi không được trả lời là bỏ cuộc. Agent nên đọc cả đoạn hội thoại, hoặc ít nhất vài lượt trước đó, và gắn nhãn cho cả phiên chứ không chỉ từng tin nhắn.

2. Ngôn ngữ mỉa mai

Mỉa mai là chỗ AI dễ sai nhất: từ ngữ tích cực nhưng mang nghĩa ngược lại, như “giao nhanh ghê, chờ mới có nửa tháng”. Mô hình nhận ra được nhiều trường hợp khi có ngữ cảnh, nhưng không phải tất cả. Nên đưa các câu mỉa mai thật lấy từ dữ liệu của doanh nghiệp vào bộ kiểm thử, và cho phép AI trả “không chắc” thay vì đoán.

3. Tiếng lóng

Khách viết tắt, không dấu, dùng từ lóng theo vùng hoặc theo trào lưu mạng; “ok”, “cũng được”, “tạm” có thể mang sắc thái rất khác nhau. Mỗi ngành còn có cách nói riêng mà người ngoài dễ hiểu nhầm. Cần một danh sách từ đặc thù kèm nghĩa để bổ sung vào hướng dẫn gắn nhãn, và cập nhật khi xuất hiện cách nói mới.

4. Kênh giao tiếp

Cùng một mức hài lòng, khách viết đánh giá công khai khác với khi nhắn tin riêng, và bình luận mạng xã hội thường ngắn, cảm xúc mạnh hơn email. Kết quả nên tách theo kênh, không gộp tỷ lệ tiêu cực của mọi kênh thành một số. Nếu gộp, chỉ cần tỷ trọng các kênh thay đổi là chỉ số dao động, dù trải nghiệm của khách vẫn như cũ.

5. Nhãn trung tính

Phần lớn tin nhắn chăm sóc khách hàng là trung tính: hỏi giá, hỏi giờ mở cửa, xác nhận địa chỉ. Nếu bắt buộc chọn tích cực hoặc tiêu cực, những câu này bị ép vào một bên và làm méo báo cáo. Cần định nghĩa rõ trung tính và coi đó là nhãn hợp lệ, kèm nhãn “hỗn hợp” cho câu vừa khen vừa chê.

6. Độ chắc chắn

Mỗi nhãn nên kèm mức chắc chắn hoặc cờ “không rõ”. Nhãn chắc chắn thấp không được kích hoạt hành động tự động mà chỉ đưa vào nhóm chờ người đọc. Định kỳ nên kiểm tra xem mức chắc chắn AI báo có khớp với tỷ lệ đúng thật hay không, vì mô hình có thể rất tự tin mà vẫn sai.

7. Người kiểm tra

Một người hiểu khách hàng, thường là trưởng nhóm chăm sóc, đọc lại một mẫu nhãn theo lịch, ưu tiên nhãn tiêu cực mạnh và nhãn chắc chắn thấp. Những chỗ sửa được ghi lại để bổ sung bộ kiểm thử. Khi người kiểm tra thường xuyên bất đồng với AI ở một kiểu câu nào đó, đó là tín hiệu cần sửa hướng dẫn gắn nhãn.

8. Cách sử dụng kết quả

Nhãn cảm xúc phù hợp để thấy xu hướng chung và sắp thứ tự hội thoại cần người đọc, không phù hợp để chấm điểm từng nhân viên hay quyết định đền bù cho khách. Cần viết rõ kết quả dùng cho báo cáo nào, ai được xem, và những quyết định nào không được dựa vào nó. Khi một nhãn dẫn tới hành động với khách, người thật phải xác nhận trước.

3. Quy trình triển khai thực tế

Bước 1: Xác định phạm vi và kết quả cần đo

Chọn nguồn dữ liệu và một mục đích cụ thể, ví dụ theo dõi xu hướng tiêu cực trong chat sau bán hàng, hay phát hiện sớm khách đang bực để trưởng nhóm vào hỗ trợ. Mục đích quyết định bộ nhãn và mức chính xác cần đạt. Trưởng bộ phận chăm sóc khách hàng xác nhận mục đích và ghi rõ những việc hệ thống không làm.

Bước 2: Chuẩn hóa dữ liệu cùng quyền truy cập

Lấy một mẫu phản hồi thật và cho hai người gắn nhãn độc lập, để xem chính con người đồng ý với nhau tới đâu; nếu người còn bất đồng nhiều thì định nghĩa nhãn chưa đủ rõ. Che số điện thoại, địa chỉ, tên khách trước khi đưa vào phân tích. Quyền xem hội thoại gốc được cấp theo vai trò.

Bước 3: Thiết kế tích hợp ngoại lệ và phê duyệt

Quy định nhãn nào được phép kích hoạt hành động: chẳng hạn nhãn tiêu cực mạnh với độ chắc chắn cao chỉ tạo nhiệm vụ cho trưởng nhóm đọc, không tự nâng mức khiếu nại. Tin nhắn nhắc đến an toàn, pháp lý hay báo chí luôn được chuyển người xử lý, bất kể nhãn là gì. Kết nối với phần mềm hỗ trợ dừng ở mức gắn thẻ và tạo nhiệm vụ.

Bước 4: Kiểm thử vận hành rồi cải thiện theo log

So nhãn AI với mẫu do người gắn, tính riêng cho từng kênh và từng kiểu câu khó. Theo dõi nhật ký những lần trưởng nhóm sửa nhãn và lý do. Mỗi lần đổi mô hình hay hướng dẫn, chạy lại toàn bộ mẫu để thấy khác biệt trước khi áp dụng.

4. Ví dụ giả định

Một câu ngắn bị AI gắn nhãn tiêu cực nhưng lịch sử cho thấy khách chỉ xác nhận; hệ thống không tự nâng mức khiếu nại.

Từ ví dụ này có thể dựng các ca thử: câu “rồi” ở cuối một cuộc trao đổi suôn sẻ; cũng câu “rồi” nhưng sau khi khách bị chuyển qua lại nhiều người; một câu khen kèm biểu tượng cảm xúc mang ý mỉa mai; một tin nhắn không dấu, viết tắt. Kết quả mong đợi: ca đầu là trung tính, ca thứ hai là tiêu cực hoặc “không rõ” và được chuyển người đọc, ca thứ ba không được xếp tích cực với độ chắc chắn cao. Bài học là nhãn chỉ dùng để sắp thứ tự người đọc; việc nâng mức khiếu nại phải dựa trên nội dung và lịch sử, không dựa trên một từ.

5. Rủi ro và giới hạn

• Không tự động hóa khi dữ liệu hoặc thẩm quyền chưa rõ
• Giới hạn quyền đọc ghi theo nhu cầu tối thiểu
• Giữ người phụ trách cho ngoại lệ và quyết định quan trọng
• Theo dõi log và kiểm thử lại sau mỗi thay đổi

Rủi ro chính là tỷ lệ tiêu cực được đưa vào báo cáo như một phép đo chính xác, rồi dùng để thưởng phạt nhân viên hoặc so sánh các chi nhánh. Nhãn cũng có thể lệch có hệ thống với một nhóm khách, chẳng hạn người viết cộc lốc hay viết không dấu bị gắn tiêu cực nhiều hơn người khác. Hội thoại khách hàng chứa thông tin cá nhân, nên phần phân tích nên dùng bản đã che, và chỉ người cần mới được mở hội thoại gốc.

6. Phân chia trách nhiệm vận hành

Bộ phận chăm sóc khách hàng sở hữu định nghĩa nhãn, mục đích sử dụng và bộ mẫu kiểm tra. Trưởng nhóm chăm sóc đọc lại mẫu theo lịch và xử lý các ca được chuyển lên. Marketing hoặc đội sản phẩm dùng báo cáo xu hướng nhưng không tự đổi định nghĩa nhãn. Đội kỹ thuật lo kết nối các kênh, che dữ liệu, lưu nhật ký và phiên bản mô hình.

Khi thêm kênh mới, như cuộc gọi tổng đài được chép thành văn bản, hoặc khi mở thị trường có cách nói khác, độ chính xác có thể giảm mà không ai nhận ra. Vì vậy mỗi kênh mới cần một đợt gắn nhãn mẫu riêng trước khi đưa vào báo cáo chung; với cuộc gọi, xem thêm cách AI đánh giá cuộc gọi tổng đài. Nếu tỷ lệ tiêu cực đổi bất thường, người phụ trách kiểm tra lại mẫu trước khi báo cáo lên cấp trên.

7. Chỉ số nên theo dõi

• Tỷ lệ hoàn thành đúng theo tiêu chí đã duyệt
• Tỷ lệ từ chối đúng và chuyển người phụ trách
• Lỗi tích hợp, độ trễ và số thao tác phải sửa
• Chi phí cùng tác động kinh doanh của quy trình

Tỷ lệ tích cực hay tiêu cực tự nó không cho biết hệ thống tốt hay xấu. Cần theo dõi mức khớp giữa nhãn AI và nhãn người kiểm tra theo từng kênh, tỷ lệ nhãn “không rõ”, và số ca bị nâng mức sai phải hạ lại. Nếu mục đích là phát hiện khách đang bực, chỉ số đáng quan tâm là thời gian từ lúc khách tỏ ra bực đến lúc có người vào hỗ trợ.

8. Checklist trước khi vận hành

• Nguồn dữ liệu và chủ sở hữu đã xác nhận
• Quyền đọc ghi đã thử với nhiều vai trò
• Có phương án khi hệ thống lỗi hoặc thiếu dữ liệu
• Có log, phê duyệt và cơ chế chống thao tác trùng
• Có bộ kiểm thử hồi quy và người vận hành

9. Câu hỏi thường gặp

Có thể dùng AI phân tích cảm xúc khách hàng ngay không? Có thể dùng để xem xu hướng và ưu tiên hội thoại cần người đọc, sau khi đã thử trên mẫu dữ liệu thật của doanh nghiệp. Không nên dùng ngay cho quyết định với từng khách hay để đánh giá nhân viên.

Nên bắt đầu phân tích cảm xúc từ kênh nào? Bắt đầu từ một kênh có nhiều văn bản và lưu đủ lịch sử, như chat hỗ trợ sau bán hàng. Gắn nhãn tay một mẫu trước để có chuẩn so sánh với kết quả của AI.

Khi nào kết quả phân tích cảm xúc cần người duyệt? Khi nhãn dẫn tới hành động với khách như nâng mức khiếu nại, đền bù hay để quản lý liên hệ. Nhãn có độ chắc chắn thấp và tin nhắn nhắc tới an toàn hay pháp lý cũng phải có người đọc.

AI có hiểu được câu mỉa mai tiếng Việt không? Nhận ra được nhiều trường hợp khi có đủ ngữ cảnh hội thoại, nhưng vẫn sai với câu ngắn hoặc cách nói riêng của từng nhóm khách. Vì vậy câu mỉa mai nên có mặt trong bộ kiểm thử, và AI cần được phép trả lời “không chắc”.

Kết luận

Phân tích cảm xúc khách hàng bằng AI đáng tin ở cấp xu hướng và đủ tốt để sắp thứ tự hội thoại cần người đọc, nhưng chưa đủ để thay phán đoán của nhân viên với từng khách. Hãy giữ nhãn trung tính và “không rõ”, tách kết quả theo kênh, kiểm tra bằng mẫu do người gắn nhãn, và viết rõ những quyết định không được dựa vào nhãn cảm xúc.

Trao đổi với Naventic để khảo sát dữ liệu phản hồi và quy trình chăm sóc khách hàng. Đọc thêm: AI Customer Support.