Khóa luận ứng dụng AI chatbot nâng cao trải nghiệm khách hàng fanpage thương hiệu Đa:mê

Nghiên cứu ứng dụng AI chatbot trong marketing automation nhằm nâng cao trải nghiệm khách hàng trên fanpage thương hiệu Đa:mê, đề xuất giải pháp tối ưu tương

• Tác giả: Ngô Hữu Phong
• Người hướng dẫn: ThS. Nguyễn Hoàng Ngọc Linh
• Trường học: Trường Đại học Kinh tế - Đại học Huế
• Chuyên ngành: Marketing
• Đề tài: Nâng cao trải nghiệm khách hàng bằng marketing automation - Trường hợp ứng dụng AI chatbot trên fanpage của thương hiệu Đa:mê
• Loại tài liệu: Khóa luận tốt nghiệp
• Địa điểm: Huế

Tóm tắt

I. Tổng quan về ứng dụng AI chatbot tại thương hiệu Đa mê

Thị trường kỹ thuật số đòi hỏi sự tương tác tức thời giữa doanh nghiệp và người tiêu dùng. Thương hiệu Đa:mê đã tích hợp AI chatbot vào kênh Fanpage chính thức nhằm hiện thực hóa mục tiêu tối ưu trải nghiệm khách hàng. Marketing automation kết hợp trí tuệ nhân tạo tạo ra quy trình chăm sóc khách hàng tự động và liền mạch. Hệ thống này đảm bảo khả năng phản hồi thông điệp xuyên suốt hai mươi tư giờ mỗi ngày. Khách hàng không còn phải chờ đợi phản hồi thủ công từ nhân sự trực ca. Các truy vấn phổ biến về giờ mở cửa, danh mục sản phẩm và bảng giá dịch vụ đều được xử lý chính xác. Việc ứng dụng công nghệ này đánh dấu bước chuyển mình quan trọng trong chiến lược chuyển đổi số của doanh nghiệp dịch vụ. Tốc độ tương tác ban đầu quyết định ấn tượng đầu tiên của người tiêu dùng đối với dịch vụ. Sự xuất hiện của trợ lý ảo giúp thương hiệu duy trì hình ảnh chuyên nghiệp và hiện đại. Tương tác đa kênh liền mạch giữ chân người dùng hiệu quả hơn.

1.1. Bản chất của AI chatbot trong Marketing Automation

AI chatbot là công cụ tự động hóa mô phỏng cuộc trò chuyện của con người thông qua thuật toán xử lý ngôn ngữ tự nhiên. Trong hệ sinh thái Marketing Automation, chatbot đóng vai trò tiếp nhận và phân loại nhu cầu người dùng. Hệ thống tự động thu thập thông tin cơ bản về khách hàng tiềm năng ngay từ tin nhắn đầu tiên. Dữ liệu này được đồng bộ trực tiếp vào cơ sở dữ liệu bán hàng. Doanh nghiệp tiết kiệm chi phí vận hành nhân sự trực tuyến đáng kể. Đồng thời, công nghệ AI liên tục học hỏi từ các đoạn hội thoại thực tế để nâng cao độ chuẩn xác phản hồi. Đây là giải pháp kết nối khách hàng nhanh chóng và chính xác bậc nhất.

1.2. Vai trò của chatbot trên Fanpage thương hiệu Đa mê

Fanpage là điểm tiếp xúc số chủ đạo giữa khách hàng và thương hiệu Đa:mê. Triển khai AI chatbot tại đây mang lại sự cải thiện rõ rệt trong chỉ số phản hồi trang. Người dùng nhận được phản hồi ngay trong giây đầu tiên nhắn tin. Trợ lý tự động hướng dẫn khách lựa chọn menu đồ uống, giải thích các chương trình ưu đãi và đặt bàn nhanh. Trải nghiệm tức thời này giảm thiểu tỷ lệ thoát hội thoại của khách hàng mới. Dịch vụ duy trì sự liền mạch ngay cả trong khung giờ đóng cửa của cửa hàng. Thương hiệu xây dựng được sự gắn bó ban đầu với người tiêu dùng qua phản hồi chỉn chu và chuẩn mực.

II. Phân tích thực trạng trải nghiệm khách hàng với AI chatbot Đa mê

Khảo sát thực tế tại Fanpage Đa:mê chỉ ra nhiều khía cạnh đáng chú ý về trải nghiệm người dùng với AI chatbot. Tốc độ gửi tin nhắn tức thì tạo ấn tượng tốt ban đầu cho người dùng liên hệ. Tuy nhiên, hành vi tương tác thường dừng lại sau một hoặc hai câu thoại. Khách hàng nhận diện rất nhanh phản hồi xuất phát từ máy móc. Câu trả lời của chatbot còn mang tính khuôn mẫu, thiếu ngữ điệu mềm mại tự nhiên. Điều này tạo ra rào cản tâm lý khiến người dùng không muốn tiếp tục trò chuyện. Nhiều khách hàng lập tức dừng tương tác hoặc yêu cầu chuyển tiếp sang nhân viên hỗ trợ trực tiếp. Chatbot hiện giải quyết rất tốt các thắc mắc đơn giản như vị trí chi nhánh, menu cơ bản hay thời gian làm việc. Ngược lại, những yêu cầu chuyên sâu về thành phần sản phẩm, đặt tiệc đặc thù hay khiếu nại thường bị nghẽn thông tin. Sự thiếu hụt khả năng hiểu ngữ cảnh sâu khiến trải nghiệm cảm xúc của khách hàng sụt giảm. Đây là thách thức điển hình trong giai đoạn đầu.

2.1. Rào cản nhận thức và tâm lý người dùng khi nhắn tin

Phần lớn khách hàng nhận ra chatbot ngay từ tin nhắn đầu tiên. Tốc độ trả lời cực nhanh cùng cấu trúc câu cứng nhắc tạo cảm giác xa cách. Nhiều người mang tâm lý e ngại giao tiếp với hệ thống tự động vì cho rằng máy móc không thấu hiểu trọn vẹn nhu cầu thực tế. Khách hàng mong đợi sự đồng cảm và linh hoạt như khi nói chuyện với con người. Khi nhận thấy kịch bản trả lời lặp lại, người dùng có xu hướng ngừng nhắn tin. Hành vi từ bỏ hội thoại xuất hiện phổ biến chỉ sau 1 đến 2 lượt tương tác. Điều này làm giảm hiệu quả chuyển đổi tiềm năng trên Fanpage.

2.2. Giới hạn xử lý thông tin cá nhân hóa và ngữ cảnh phức tạp

AI chatbot hiện tại của Đa:mê chủ yếu vận hành dựa trên các luồng kịch bản định sẵn. Hệ thống đáp ứng xuất sắc các câu hỏi về địa chỉ, thời gian đóng mở cửa hoặc thực đơn căn bản. Tuy nhiên, khi khách hàng đưa ra yêu cầu phức tạp, chatbot lập tức bộc lộ hạn chế. Các câu hỏi về tùy biến đồ uống, đặt bàn tiệc đông người hay phản ánh chất lượng phục vụ thường không nhận được lời giải đáp thỏa đáng. Bot không thể ghi nhớ bối cảnh cuộc trò chuyện trước đó để đưa ra gợi ý phù hợp. Hạn chế này gây gián đoạn mạch cảm xúc và khiến khách hàng cảm thấy thiếu được lắng nghe chu đáo.

III. Giải pháp nâng cao trải nghiệm khách hàng với AI chatbot Đa mê

Thương hiệu Đa:mê cần triển khai đồng bộ các giải pháp công nghệ và quy trình nhằm khắc phục các nút thắt hiện hữu. Bước đi đầu tiên là huấn luyện lại mô hình xử lý ngôn ngữ tự nhiên bằng tập dữ liệu hội thoại thực tế của quán. Giọng văn của trợ lý ảo cần được hiệu chỉnh gần gũi, ấm áp và mang bản sắc riêng của thương hiệu. Tiếp theo, hệ thống phải thiết lập cơ chế chuyển giao mượt mà giữa máy móc và con người. Khi phát hiện khách hàng có thắc mắc phức tạp hoặc thể hiện sự không hài lòng, bot lập tức chuyển luồng tin nhắn đến nhân viên tư vấn. Việc phân loại mức độ ưu tiên cuộc trò chuyện giúp giảm đáng kể thời gian phản hồi cho các tình huống khẩn cấp. Doanh nghiệp cũng cần tích hợp sâu chatbot với hệ thống quản trị quan hệ khách hàng và phần mềm bán hàng. Dữ liệu lịch sử giao dịch giúp trợ lý ảo cá nhân hóa từng lời chào, đề xuất món uống theo sở thích cá nhân. Sự kết hợp linh hoạt này mang lại hiệu quả vượt trội.

3.1. Tối ưu hóa kịch bản đối thoại và cá nhân hóa trải nghiệm

Kịch bản đối thoại cần được tái cấu trúc theo từng giai đoạn trong hành trình của khách hàng. Thay vì phản hồi cứng nhắc bằng các khối văn bản dài, chatbot nên sử dụng định dạng câu hỏi trắc nghiệm, hình ảnh trực quan và nút bấm gợi ý lựa chọn. Trợ lý ảo cần chủ động ghi nhớ tên, sở thích thức uống và thói quen gọi món của khách quen. Việc cá nhân hóa lời chào tạo dựng sự thân thiết ngay từ khoảnh khắc tiếp cận. Các câu trả lời cũng cần lồng ghép phong cách thân thiện, gần gũi đúng với tinh thần mến khách của Đa:mê. Tương tác tinh tế giúp xóa nhòa ranh giới giữa máy móc và con người.

3.2. Mô hình cộng tác linh hoạt giữa AI chatbot và con người

Sự kết hợp nhịp nhàng giữa trí tuệ nhân tạo và nhân sự thực tế là chìa khóa then chốt. Chatbot giữ vai trò sàng lọc thông tin và xử lý các tác vụ lặp đi lặp lại với tốc độ cao. Khi gặp các trường hợp cần sự thấu hiểu chuyên sâu, hệ thống tự động thông báo để nhân sự tiếp quản. Quá trình chuyển giao diễn ra mượt mà trong giao diện hội thoại, không làm gián đoạn dòng suy nghĩ của khách hàng. Nhân viên có thể đọc lại toàn bộ lịch sử trao đổi trước đó để nắm bắt vấn đề ngay lập tức. Mô hình lai này giúp tối ưu hóa nguồn lực nhân sự, đồng thời nâng cao độ chuẩn xác.

IV. Kết luận về ứng dụng AI chatbot phát triển trải nghiệm tại Đa mê

Ứng dụng AI chatbot trong chiến lược Marketing Automation tại Đa:mê mang lại tiềm năng phát triển vượt bậc. Công nghệ mở ra phương thức tương tác số thông minh, giải quyết bài toán chăm sóc khách hàng liên tục trên Fanpage. Hệ thống giúp rút ngắn khoảng cách phản hồi, đồng thời giảm tải khối lượng công việc cho đội ngũ nhân sự. Tuy nhiên, hiệu quả công nghệ chỉ phát huy tối đa khi đi liền với sự thấu hiểu hành vi người tiêu dùng địa phương. Máy móc không thể thay thế hoàn toàn cảm xúc và sự ân cần của con người trong ngành dịch vụ ẩm thực. Đa:mê cần liên tục nâng cấp thuật toán, hoàn thiện kịch bản và đào tạo nhân sự trực tuyến bài bản. Việc đo lường sự hài lòng định kỳ là cơ sở vững chắc để tinh chỉnh hệ thống ngày càng hoàn thiện hơn. Đầu tư nghiêm túc vào trải nghiệm người dùng số hóa sẽ tạo dựng vị thế thương hiệu bền vững. Đây là nền tảng chiến lược giúp thương hiệu chinh phục thị trường trong tương lai.

4.1. Lợi thế cạnh tranh dài hạn từ việc tự động hóa dịch vụ

Tự động hóa tiếp thị thông qua AI chatbot giúp Đa:mê tạo lập lợi thế cạnh tranh khác biệt. Tốc độ phản hồi vượt trội nâng cao năng lực giữ chân khách hàng trên các kênh mạng xã hội. Hệ thống không chỉ giải quyết bài toán tương tác mà còn tích lũy dữ liệu hành vi người tiêu dùng quý báu. Nguồn dữ liệu này hỗ trợ thương hiệu đưa ra các quyết định kinh doanh chính xác hơn. Chi phí vận hành trực tuyến được tối ưu hóa trong khi chất lượng dịch vụ ngày một gia tăng. Doanh nghiệp từng bước xây dựng hình ảnh thương hiệu hiện đại, chuyên nghiệp và tiên phong trong mắt khách hàng trẻ.

4.2. Khuyến nghị triển khai công nghệ cho doanh nghiệp dịch vụ

Doanh nghiệp dịch vụ cần xác định AI chatbot là công cụ hỗ trợ chứ không thay thế hoàn toàn nhân sự. Việc triển khai cần bắt đầu từ việc chuẩn hóa quy trình dịch vụ và xây dựng thư viện câu hỏi mẫu phong phú. Doanh nghiệp cần định kỳ đánh giá tỷ lệ chuyển đổi và phản hồi của người dùng để điều chỉnh kịch bản. Đội ngũ nhân viên cần được đào tạo kỹ năng tiếp quản cuộc trò chuyện liền mạch từ hệ thống tự động. Sự dung hòa hợp lý giữa công nghệ hiện đại và sự tinh tế của con người tạo nên trải nghiệm khách hàng vượt trội. Đây là kim chỉ nam giúp tối ưu vận hành.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Khóa luận tốt nghiệp của tác giả Ngô Hữu Phong tiếp cận vấn đề quản trị trải nghiệm khách hàng từ quy luật chuyển dịch của tiếp thị hiện đại. Dẫn chiếu quan điểm của Philip Kotler, tác giả nêu rõ tiến trình phát triển từ Marketing 1.0 (chú trọng tính năng và ưu thế sản phẩm) sang giai đoạn tiếp thị lấy khách hàng làm trung tâm, và tiến tới tiếp thị nhân văn tập trung vào con người. Trong bối cảnh đó, quản trị trải nghiệm khách hàng (Customer Experience - CX) trở thành năng lực cạnh tranh cốt lõi. Văn bản viện dẫn khảo sát từ Gartner cho thấy 81% doanh nghiệp đang gia tăng năng lực cạnh tranh thông qua việc đón đầu xu hướng trải nghiệm khách hàng. Đồng thời, nghiên cứu của Deloitte chỉ ra rằng nhóm khách hàng hài lòng sẵn sàng chi trả mức kinh phí cao hơn 140% so với nhóm có trải nghiệm tiêu cực, và các chiến lược trải nghiệm đa kênh hiệu quả có thể đạt tỷ lệ giữ chân khách hàng lên tới 89%.

Tại thị trường Việt Nam, tính đến đầu năm 2024, cả nước có 72,7 triệu người sử dụng mạng xã hội (tương đương 73,3% dân số). Dữ liệu từ Tập đoàn Meta ghi nhận mỗi tuần có hơn 1 tỷ người dùng nhắn tin cho các fanpage doanh nghiệp. Riêng tại Việt Nam, quy mô người dùng tập trung lớn nhất trên Facebook (72,2 triệu người), tiếp đến là TikTok (67,72 triệu), YouTube (63 triệu), Messenger (54,5 triệu) và Instagram (10,9 triệu). Sự chuyển dịch hành vi này biến mạng xã hội thành điểm chạm kỹ thuật số quan trọng. Tuy nhiên, tác giả dẫn nhận định của Esteban Kolsky (Chủ tịch sáng lập ThinkJar): 75% doanh nghiệp đo lường được hành vi số của người dùng nhưng lúng túng trong việc tìm kiếm phương thức nâng cao trải nghiệm vừa hiệu quả vừa tối ưu chi phí. Khảo sát từ Bonsai ghi nhận 87,2% người tiêu dùng có thái độ trung lập hoặc tích cực với chatbot; khảo sát của Tidio trên 700 người cho thấy 62% người tiêu dùng thà tương tác với chatbot hơn là chờ đợi nhân viên hỗ trợ phản hồi.

Đa:mê là một doanh nghiệp kinh doanh dịch vụ đồ uống và cà phê tại thành phố Huế, hoạt động theo định hướng không gian sáng tạo gắn với nghiệp vụ hospitality. Doanh nghiệp sở hữu kênh truyền thông trực tuyến gồm fanpage trên Facebook và tài khoản Instagram. Việc gia tăng lưu lượng tương tác qua các chiến dịch tiếp thị tạo áp lực lớn lên bộ phận vận hành trực tuyến, dẫn tới tình trạng chậm trễ hoặc bỏ sót tin nhắn, trực tiếp gây ảnh hưởng tiêu cực đến trải nghiệm khách hàng. Do đó, yêu cầu ứng dụng tự động hóa tiếp thị (Marketing Automation), cụ thể là AI Chatbot, trở thành vấn đề cấp thiết đối với thương hiệu.

Mục tiêu nghiên cứu của khóa luận được xác định cụ thể như sau:

1. Mục tiêu chung: Nghiên cứu trải nghiệm khách hàng trên fanpage của thương hiệu Đa:mê, từ đó đề xuất giải pháp marketing automation, đặc biệt là AI chatbot nhằm nâng cao trải nghiệm của khách hàng trong thời gian tới.
2. Mục tiêu cụ thể:

• Thứ nhất: Hệ thống hóa các vấn đề lý luận về trải nghiệm khách hàng, marketing automation, AI chatbot, nền tảng mạng xã hội và các vấn đề liên quan.
• Thứ hai: Nghiên cứu trải nghiệm khách hàng trên fanpage của thương hiệu cafe Đa:mê.
• Thứ ba: Xây dựng hệ thống AI chatbot giao tiếp để nâng cao trải nghiệm khách hàng trên fanpage của thương hiệu Đa:mê.

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Trải nghiệm khách hàng trên các fanpage của thương hiệu Đa:mê dựa trên số liệu lịch sử, đánh giá tình trạng kênh và kết quả phỏng vấn sâu; nghiên cứu các ứng dụng công nghệ và công cụ AI chatbot hỗ trợ nâng cao trải nghiệm.
• Phạm vi thời gian: Đánh giá dữ liệu thứ cấp về tình trạng phản hồi tin nhắn trên fanpage trong 1 năm, từ ngày 01/10/2023 đến ngày 30/09/2024; bổ sung số liệu theo dõi giai đoạn từ ngày 01/10/2024 đến ngày 31/01/2025; thực hiện khảo sát nhu cầu tìm kiếm thông tin của khách hàng trong tháng 11 và tháng 12.
• Phạm vi không gian: Nghiên cứu giới hạn tại nhóm khách hàng sử dụng dịch vụ trực tiếp tại các cơ sở của Đa:mê và khách hàng từng gửi tin nhắn tương tác đến fanpage của thương hiệu tại thành phố Huế.

---

Cơ sở lý thuyết và phương pháp nghiên cứu

Khóa luận tổng hợp các trường phái học thuật về trải nghiệm khách hàng từ Pine và Gilmore (1998), Meyer và Schwager (2007), Verhoef và cộng sự (2009), Homburg và cộng sự (2015), Lemon và Verhoef (2016). Tác giả lựa chọn khung khái niệm nền tảng của Larissa Becker và Elina Jaakkola (2020), xác định trải nghiệm khách hàng là phản ứng tự phát, không cố ý đối với các kích thích cụ thể trong hành trình mua sắm. Bản chất cốt lõi mà nghiên cứu kế thừa là doanh nghiệp không thể trực tiếp tạo ra trải nghiệm của khách hàng, mà chỉ có thể giám sát, thiết kế và quản trị các kích thích thông qua việc định hướng nội dung phù hợp.

Trên nền tảng mạng xã hội, nghiên cứu vận dụng mô hình của Angelo Ranieri và cộng sự (2023) cùng quan điểm của Puntoni và cộng sự (2021). Mô hình này chia các điểm chạm kỹ thuật số thành 4 chiều hướng tâm lý gắn liền với 7 chủ đề đàm thoại:

• Chiều quan hệ (Relational dimension): Bao gồm Chất lượng tương tác (Interaction quality) và Thu thập thông tin (Information gathering).
• Chiều nhận thức (Cognitive dimension): Bao gồm Hiểu biết về quy trình (Process understanding) và Hoàn thành nhiệm vụ (Task completion).
• Chiều tình cảm (Affective dimension): Bao gồm Niềm tin kỹ thuật số (Digital trust) và Căng thẳng khi mua sắm (Shopping stress).
• Chiều hành vi (Behavioral dimension): Gắn liền với Hành trình mua sắm (Shopping journey).

Về lý thuyết tự động hóa tiếp thị, tác giả tổng thuật định nghĩa từ John D.C. Little (2001), Heimbach và cộng sự (2015), và A. Singh và cộng sự (2021). Marketing automation được định vị là việc sử dụng dữ liệu khách hàng lịch sử và công nghệ để tự động hóa các tác vụ lặp lại, hỗ trợ ra quyết định tiếp thị và loại bỏ tư duy tiếp thị đại trà "One Marketing Campaign fits all". Khóa luận liệt kê 12 công nghệ cấu thành nền tảng này: Trí tuệ nhân tạo (AI), Học máy (Machine Learning), Quản lý quan hệ khách hàng (CRM), Phân tích dữ liệu lớn (Big Data Analytics), Tự động hóa quy trình robot (RPA), Công nghệ dựa trên API, Internet of Things (IoT), Điện toán đám mây (Cloud Computing), Phân tích dự đoán (Predictive Analytics), Công nghệ nhận diện hành vi (Behavioral Tracking), Chatbot/Voicebot, cùng Thực tế ảo/Thực tế tăng cường (VR/AR).

Đối với công nghệ đàm thoại, tác giả trích dẫn các nghiên cứu của Santosh Maher và cộng sự (2020), Li và cộng sự (2021, 2023), Mozafari và cộng sự (2021). AI Chatbot được hiểu là chương trình máy tính mô phỏng giao tiếp của con người, tích hợp các công nghệ: Xử lý ngôn ngữ tự nhiên (NLP), Học sâu (Deep Learning), Học máy, Hệ thống xử lý hội thoại (Dialog Management), Cơ sở dữ liệu và API.

Yếu tố đánh giá	Chỉ tiêu đánh giá dựa trên dữ liệu thứ cấp	Câu hỏi tương ứng trong kết quả phỏng vấn khách hàng
Chất lượng tương tác	Số lượng tin nhắn trung bình trong một cuộc hội thoại	Dấu hiệu phân biệt chatbot với nhân viên vận hành; Số lượng câu hỏi tương tác nhiều nhất
Thu thập thông tin	Tỷ lệ cung cấp thông tin thành công của hệ thống	Tỷ lệ phần trăm thông tin chính xác cung cấp theo yêu cầu (0%, 25%, 50%, 75%, 100%)
Hiểu biết về quy trình	Tỷ lệ khách hàng nắm bắt rõ quy trình dịch vụ	Mức độ hiểu rõ các bước đặt hàng qua hướng dẫn của chatbot
Hoàn thành nhiệm vụ	Tỷ lệ giải quyết yêu cầu của khách hàng thành công	Tỷ lệ phần trăm chatbot giải quyết trọn vẹn yêu cầu (0%, 25%, 50%, 75%, 100%)
Hành trình mua sắm	Tỷ lệ chuyển đổi mua hàng qua tương tác số	Yếu tố thúc đẩy quyết định mua hàng (Chatbot / Nhân viên điều hành / Nhu cầu sẵn có)

Về phương pháp nghiên cứu, tác giả kết hợp nghiên cứu định tính và phân tích dữ liệu thứ cấp:

• Dữ liệu thứ cấp: Trích xuất trực tiếp từ báo cáo quản trị Meta Business Suite của fanpage Đa:mê trong giai đoạn 1 năm (01/10/2023 - 30/09/2024), tập trung vào các biến số: số lượt tiếp cận, lượt hội thoại, tỷ lệ phản hồi, thời gian phản hồi trung bình.
• Dữ liệu sơ cấp định tính: Thực hiện phỏng vấn sâu dựa trên mẫu đại diện gồm các khách hàng đã từng sử dụng dịch vụ tại cửa hàng và có tương tác nhắn tin với fanpage, nhằm thu thập các đánh giá trực tiếp về trải nghiệm đàm thoại.

---

Nội dung chính theo từng chương

Chương 1: Cơ sở lý luận về trải nghiệm khách hàng, marketing automation & AI chatbot

Chương 1 tập trung xây dựng nền tảng lý luận toàn diện cho đề tài. Tác giả phân tích các khái niệm về trải nghiệm khách hàng, chỉ rõ sự chuyển dịch từ tiếp xúc thực tế sang các điểm chạm kỹ thuật số trên mạng xã hội. Thông qua các nghiên cứu của Angelo Ranieri và cộng sự (2023), chương này phân tích chi tiết tác động của 7 chủ đề đàm thoại đến tâm lý khách hàng.

Bên cạnh đó, chương 1 phân loại cấu trúc công nghệ của marketing automation, chứng minh vai trò của việc kết nối hệ thống CRM với các công cụ tự động hóa nhằm giải quyết hạn chế của việc phân phối thông điệp đại trà. Tác giả làm rõ bản chất kỹ thuật của AI Chatbot, phân biệt giữa chatbot xử lý dựa trên kịch bản tĩnh truyền thống và chatbot tích hợp trí tuệ nhân tạo có khả năng học máy và xử lý ngôn ngữ tự nhiên (NLP). Từ các cơ sở học thuật này, tác giả đề xuất Khung phân tích gồm 5 tiêu chí (Chất lượng tương tác, Thu thập thông tin, Hiểu biết quy trình, Hoàn thành nhiệm vụ, Hành trình mua sắm) để làm công cụ đo lường thực nghiệm tại doanh nghiệp.

Chương 2: Đánh giá trải nghiệm khách hàng khi nhắn tin trên fanpage của thương hiệu Đa:mê

Chương 2 mô tả chi tiết hồ sơ doanh nghiệp và thực trạng vận hành kênh số. Đa:mê thuộc sở hữu của Công ty TNHH Đa:mê và Công ty TNHH Trường Giang, có trụ sở chính tại số 34 Chu Văn An, phường Phú Hội, thành phố Huế. Doanh nghiệp vận hành 2 cơ sở tại Huế, kinh doanh đồ uống từ nguyên liệu trái cây hữu cơ, bánh ngọt, sản phẩm lưu niệm (Bộ sưu tập "Tam Sơn Thủy Ba", phin, cà phê hạt, sản phẩm đối tác Liên Minh Xanh, Healiverse) và cung cấp dịch vụ cho thuê không gian tổ chức sự kiện.

Thương hiệu vận hành truyền thông đa kênh gồm Facebook, Instagram, Threads, TikTok và Website damecafe.vn. Trong vòng 1 năm (01/10/2023 - 30/09/2024), fanpage đăng tải hơn 200 nội dung; dạng thức video và hình ảnh đạt mức tiếp cận cao nhất (263.583 tài khoản), trong đó hình ảnh thu hút lượng tương tác lớn nhất. Khách hàng theo dõi fanpage tập trung ở nữ giới, thuộc các nhóm tuổi 18 - 24 và 25 - 34.

Về công cụ tin nhắn, Đa:mê sử dụng hệ thống thiết lập tự động sẵn có của Meta Business Suite. Công cụ này bao gồm 4 tính năng:

• Tin nhắn trả lời nhanh: Gửi phản hồi ngay khi khách hàng nhắn tin lần đầu.
• Tin nhắn vắng mặt: Phản hồi tự động ngoài khung giờ hoạt động hoặc khi không có nhân sự trực tuyến.
• Câu hỏi thường gặp (FAQ): Cho phép thiết lập câu hỏi và câu trả lời soạn sẵn, tuy nhiên hệ thống của Meta giới hạn ở mức 3 câu hỏi.
• Tin nhắn dựa theo từ khóa: Trả lời tự động khi người dùng nhập đúng từ khóa đã thiết lập.

Chỉ số vận hành tin nhắn	Giá trị đo lường (01/10/2023 - 30/09/2024)
Tổng số người liên hệ	707 người
- Số người liên hệ mới	636 người
- Số người liên hệ quay lại	71 người
Tổng số lượt bắt đầu cuộc trò chuyện	818 lượt
- Lượt trò chuyện phát sinh tự nhiên	477 lượt (chiếm 58,3%)
- Lượt trò chuyện phát sinh từ quảng cáo	341 lượt (chiếm 46,7% tổng hội thoại phát sinh theo chiến dịch)
Tỷ lệ doanh nghiệp phản hồi tin nhắn	63,1%
Tỷ lệ tin nhắn bị bỏ qua (không phản hồi)	36,9%
Thời gian phản hồi trung bình	1 giờ 57 phút
Số lượt trò chuyện phát sinh giai đoạn 01/10 - 30/11/2024	103 tin nhắn

Đánh giá thực trạng theo khung phân tích cho thấy:

• Về chất lượng tương tác: Tin nhắn của chatbot Meta mang tính máy móc, cụt ngủn, thiếu sắc thái con người. Mặc dù số lượng tin nhắn trung bình trong giai đoạn tháng 10/2024 - 01/2025 có xu hướng tăng nhẹ, người dùng vẫn nhanh chóng nhận biết đang nói chuyện với máy và có xu hướng ngắt hội thoại.
• Về thu thập thông tin: Trải nghiệm người dùng ở mức thấp do giới hạn 3 câu hỏi FAQ của Meta; hệ thống không thể xử lý các câu hỏi phát sinh chi tiết hơn về thành phần đồ uống hay dịch vụ.
• Về hiểu biết quy trình: Thiếu các workflow tự động dẫn dắt, doanh nghiệp chủ yếu phải chèn đường link điều hướng thủ công ra bên ngoài hoặc yêu cầu liên hệ nhân viên.
• Về hoàn thành nhiệm vụ: Chatbot chỉ hoàn thành các tác vụ cung cấp thông tin thô sơ (menu, giờ mở cửa), các yêu cầu cụ thể khác đều dồn lại cho nhân viên xử lý thủ công.
• Về hành trình mua sắm: Chatbot chỉ đóng vai trò ghi nhận ban đầu, toàn bộ tỷ lệ chuyển đổi đơn hàng phụ thuộc vào việc nhân viên tư vấn trực tiếp can thiệp.

Kết quả phỏng vấn sâu trên tập mẫu khách hàng cho thấy: Người dùng nhận diện ngay hệ thống tự động nhờ tốc độ phản hồi tức thì và cấu trúc câu cố định. Phần lớn người dùng chỉ tương tác từ 1 đến 2 câu hỏi. Trong nhóm phỏng vấn, 4 người tiếp tục nhắn tin để lấy thông tin cơ bản, 1 người ngừng hoàn toàn cuộc trò chuyện vì không muốn tương tác với máy móc và yêu cầu gặp nhân viên trực tiếp.

Chương 3: Đề xuất giải pháp nâng cao trải nghiệm khách hàng bằng ứng dụng của AI chatbot

Dựa trên các tồn tại về thời gian phản hồi chậm (1 giờ 57 phút) và tỷ lệ bỏ sót tin nhắn cao (36,9%), tác giả đề xuất định hướng giải pháp toàn diện gồm 3 trụ cột:

• Giải pháp về công nghệ: Thay thế hệ thống kịch bản cố định của Meta bằng nền tảng AI Chatbot thông minh có tích hợp xử lý ngôn ngữ tự nhiên (NLP) và kết nối API. Mở rộng cơ sở dữ liệu để vượt qua giới hạn 3 câu hỏi thường gặp; thiết lập các kịch bản đàm thoại linh hoạt với ngữ điệu tự nhiên, bổ sung các biểu tượng cảm xúc và workflow điều hướng tự động đối với quy trình xem menu, đặt bàn và đăng ký tham gia sự kiện.
• Giải pháp về nhân lực: Tái cấu trúc quy trình phân luồng công việc giữa máy và người. AI Chatbot đóng vai trò giải quyết ngay lập tức các nhu cầu thông tin cơ bản ở tầng 1, đồng thời thiết lập cơ chế chuyển giao tức thì đến nhân viên vận hành khi phát sinh các yêu cầu phức tạp hoặc khi khách hàng bộc lộ tâm lý căng thẳng. Tổ chức đào tạo đội ngũ nhân viên trực fanpage về kỹ năng xử lý tình huống chuyên sâu.
• Giải pháp về chi phí và rủi ro: Xây dựng dự toán kinh phí triển khai và duy trì phần mềm chatbot AI; kiểm soát rủi ro sai lệch dữ liệu bằng cách liên tục kiểm thử bộ câu hỏi huấn luyện, đồng thời thiết lập chính sách bảo mật thông tin cá nhân của khách hàng trên không gian số.

---

Kết quả và đóng góp

Khóa luận đã tổng hợp và lượng hóa được thực trạng tương tác khách hàng trên kênh mạng xã hội của thương hiệu Đa:mê qua hệ thống số liệu cụ thể:

Hạng mục dữ liệu	Thực trạng ghi nhận tại Fanpage Đa:mê
Quy mô kết nối mạng xã hội	Tiếp cận 263.583 tài khoản qua định dạng ảnh và video; 22.361 lượt xem nội dung
Cơ cấu dữ liệu khách hàng	Nữ giới chiếm 71% dữ liệu khách hàng lưu trữ; nhóm 18 - 24 tuổi chiếm tỷ trọng cao nhất (khoảng 40%), phân bổ địa lý tập trung tại thành phố Huế
Năng lực xử lý hội thoại hiện tại	Tiếp nhận 818 cuộc hội thoại/năm; tỷ lệ bỏ sót tin nhắn lên tới 36,9%; độ trễ phản hồi trung bình 1 giờ 57 phút
Hiệu năng hệ thống Chatbot Meta	Bị đóng khung trong 4 tính năng tĩnh; giới hạn tối đa 3 câu hỏi FAQ; người dùng thường dừng hội thoại sau 1 - 2 câu hỏi

Đóng góp của nghiên cứu thể hiện qua các điểm sau:

• Về mặt lý luận: Khóa luận đã hệ thống hóa các khái niệm học thuật về trải nghiệm khách hàng số và tự động hóa tiếp thị, đồng thời vận dụng thành công mô hình 4 chiều hướng tâm lý - 7 chủ đề đàm thoại của Angelo Ranieri và cộng sự (2023) để xây dựng Khung phân tích đo lường thực nghiệm gồm 5 tiêu chuẩn vận hành cụ thể.
• Về mặt thực tiễn: Khóa luận chỉ rõ các "điểm nghẽn" kỹ thuật của công cụ Meta Business Suite đang kìm hãm hiệu quả truyền thông của một doanh nghiệp F&B địa phương. Đề xuất của tác giả mang tính ứng dụng thực tế cao khi phân định rõ vai trò bổ trợ giữa tự động hóa AI và nhân sự vận hành, giúp tối ưu hóa thời gian phản hồi tin nhắn và giảm thiểu tỷ lệ thất thoát khách hàng tiềm năng.

---

Hạn chế và hướng nghiên cứu tiếp

Khóa luận tồn tại một số hạn chế nhất định xuất phát từ phạm vi và phương pháp thu thập dữ liệu:

• Hạn chế về mẫu nghiên cứu: Dữ liệu định tính mới chỉ dừng lại ở việc phỏng vấn sâu một nhóm khách hàng có quy mô nhỏ (từ 5 đến 10 người), do đó tính đại diện thống kê cho toàn bộ tập khách hàng mục tiêu của thương hiệu chưa cao.
• Hạn chế về phạm vi triển khai: Đề tài tập trung vào một trường hợp điển hình (case study) là thương hiệu Đa:mê trong lĩnh vực dịch vụ đồ uống và hospitality tại thành phố Huế, chưa mở rộng so sánh đối chuẩn với các thương hiệu cạnh tranh khác trên cùng thị trường.
• Hạn chế về chu kỳ đánh giá: Giải pháp AI Chatbot mới dừng lại ở bước đề xuất mô hình, xác định tính năng và lập phương án giải pháp (về công nghệ, nhân lực, chi phí), chưa có dữ liệu kiểm chứng thực tế về hiệu quả đầu tư và các chỉ số đo lường trải nghiệm khách hàng sau khi vận hành hệ thống AI trong thời gian dài.

Hướng mở rộng nghiên cứu tiếp theo bao gồm:

• Triển khai khảo sát định lượng diện rộng trên tập mẫu ngẫu nhiên lớn hơn để lượng hóa mối quan hệ nhân quả giữa mức độ hài lòng với AI chatbot và hành vi mua lặp lại của người tiêu dùng.
• Theo dõi, đo lường các chỉ số vận hành thực tế (thời gian phản hồi thực tế, tỷ lệ chuyển đổi đơn hàng, mức độ hài lòng khách hàng) sau khi chính thức tích hợp nền tảng AI Chatbot thông minh vào hệ thống fanpage của doanh nghiệp.

---

Giá trị tham khảo

Tài liệu khóa luận này mang lại giá trị tham khảo cụ thể cho các nhóm đối tượng sau:

• Sinh viên chuyên ngành Marketing, Quản trị Kinh doanh, Quản trị Dịch vụ Du lịch & Lữ hành: Khóa luận cung cấp cơ sở tổng thuật lý thuyết bài bản về quản trị trải nghiệm khách hàng số, tổng quan các công nghệ Marketing Automation, cùng cách thức xây dựng khung phân tích đánh giá dịch vụ đàm thoại tự động.
• Người làm đề tài nghiên cứu về chuyển đổi số và tự động hóa trong ngành F&B: Sinh viên hoặc học viên có thể tham khảo trực tiếp cấu trúc bảng câu hỏi phỏng vấn sâu, phương pháp trích xuất và xử lý dữ liệu báo cáo từ Meta Business Suite trên fanpage thương hiệu.
• Chủ doanh nghiệp và nhà quản lý dịch vụ khách hàng vừa và nhỏ (SMEs): Tài liệu cung cấp góc nhìn thực tiễn về những giới hạn kỹ thuật của hệ thống chatbot mặc định trên Meta, đồng thời gợi mở phương án phân bổ nguồn lực giữa công nghệ AI và nhân sự trực tổng đài để nâng cao năng lực cạnh tranh dịch vụ.

---

Câu hỏi thường gặp

1. Thời gian phản hồi tin nhắn trung bình và tỷ lệ phản hồi của Fanpage Đa:mê trong giai đoạn khảo sát 1 năm đạt bao nhiêu?
Dữ liệu trích xuất từ nền tảng Meta trong giai đoạn từ 01/10/2023 đến 30/09/2024 cho thấy tỷ lệ phản hồi tin nhắn của fanpage Đa:mê đạt 63,1% (tương đương 36,9% cuộc trò chuyện bị bỏ qua), và thời gian phản hồi tin nhắn trung bình là 1 giờ 57 phút.

2. Hệ thống tin nhắn tự động mà Đa:mê đang sử dụng bao gồm những tính năng gì và có nhược điểm nào?
Doanh nghiệp đang dùng hệ thống tin nhắn có sẵn của Meta Business Suite với 4 tính năng: Tin nhắn trả lời nhanh, Tin nhắn vắng mặt, Câu hỏi thường gặp (FAQ) và Tin nhắn dựa theo từ khóa. Nhược điểm chính là hoạt động theo kịch bản tĩnh không có AI, dữ liệu FAQ bị giới hạn tối đa 3 câu hỏi, thiếu các workflow quy trình tự động và không có khả năng tùy biến xử lý các câu hỏi chi tiết.

3. Khung phân tích đo lường trải nghiệm khách hàng khi nhắn tin với Chatbot trong đề tài dựa trên các tiêu chí nào?
Khung phân tích được xây dựng từ mô hình của Angelo Ranieri và cộng sự (2023), gồm 5 tiêu chí: Chất lượng tương tác, Thu thập thông tin, Hiểu biết về quy trình, Hoàn thành nhiệm vụ và Hành trình mua sắm.

4. Kết quả phỏng vấn sâu khách hàng về khả năng nhận diện Chatbot của Đa:mê ghi nhận điều gì?
Người dùng nhận biết chatbot ngay từ tin nhắn đầu tiên do tốc độ phản hồi lập tức và cấu trúc câu từ cố định. Khách hàng chỉ tương tác từ 1 đến 2 câu hỏi và có xu hướng dừng tương tác vì không muốn nói chuyện với máy; trong nhóm phỏng vấn có 4/5 khách hàng tiếp tục hỏi các câu hỏi cơ bản và 1/5 khách hàng ngừng trò chuyện để yêu cầu nhân viên can thiệp.

5. Cơ cấu độ tuổi và giới tính của tệp người theo dõi Fanpage Đa:mê có đặc điểm gì nổi bật?
Người theo dõi fanpage Đa:mê phần lớn là nữ giới (chiếm khoảng 71% dữ liệu khách hàng lưu trữ). Về độ tuổi, nhóm theo dõi đông nhất nằm trong khoảng từ 18 đến 24 tuổi (chiếm khoảng 40%), tiếp đến là nhóm từ 25 đến 34 tuổi; phạm vi địa lý tập trung tại thành phố Huế.

---

Kết luận

Khóa luận tốt nghiệp của sinh viên Ngô Hữu Phong đã hệ thống hóa lý luận về quản trị trải nghiệm khách hàng số và tự động hóa tiếp thị, đồng thời phân tích chi tiết dữ liệu vận hành fanpage của thương hiệu Đa:mê tại thành phố Huế. Nghiên cứu chỉ ra những hạn chế cố hữu của công cụ chatbot kịch bản tĩnh từ Meta, thể hiện qua tỷ lệ bỏ sót tin nhắn 36,9% và thời gian phản hồi kéo dài gần 2 giờ đồng hồ. Hệ thống giải pháp đề xuất về công nghệ AI Chatbot, phân luồng nhân sự và quản trị chi phí cung cấp cơ sở thực tiễn giúp doanh nghiệp dịch vụ cải thiện các điểm chạm kỹ thuật số và hoàn thiện hành trình trải nghiệm của khách hàng.

Trích đoạn nội dung tài liệu

Chương 1: CƠ SỞ LÝ LUẬN VỀ TRẢI NGHIỆM KHÁCH HÀNG, MARKETING AUTOMATION & AI CHATBOT 1. Trải nghiệm khách hàng 1. Trải nghiệm khách hàng Trong thập kỷ qua, trải nghiệm khách hàng đã được nhận xét là vấn đề đáng chú ý ở cả những nghiên cứu về marketing lẫn marketing thực tiễn. Các nhà lãnh đạo doanh nghiệp tin rằng trải nghiệm của khách hàng là yếu tố cốt lõi đối với khả năng cạnh tranh của công ty (McCall 2015) và các học giả marketing gọi đó là cơ sở cơ bản cho quản lý marketing (Homburg và cộng sự 2015; Lemon và Verhoef 2016).

Tuy nhiên nhiều nghiên cứu với nhiều định nghĩa khác nhau tạo ra sự lộn xộn và những hiểu nhầm về trải nghiệm khách hàng đối với doanh nghiệp, dẫn đến các doanh nghiệp chưa thực sự tối ưu và quản lý được trải nghiệm tốt đối với khách hàng trực tiếp lẫn các điểm chạm khác như nền tảng mạng xã hội. Một số nghiên cứu khẳng định rằng trải nghiệm của khách hàng phản ánh các dịch vụ mà các công ty dàn dựng và quản lý (Pine và Gilmore 1998) nhưng những nghiên cứu khác lại định nghĩa đó là phản ứng của khách hàng đối với các liên hệ liên quan đến công ty (Homburg và cộng sự 2015; Lemon và Verhoef 2016; Meyer và Schwager 2007). Một số nhà nghiên cứu giới hạn phạm vi của trải nghiệm của khách hàng trong một bối cảnh cụ thể, chẳng hạn như các cuộc gặp gỡ dịch vụ (Kumar và cộng sự 2014) hoặc bối cảnh bán lẻ (Verhoef và cộng sự 2009), và những người khác xem nó rộng hơn là các trải nghiệm luôn xuất hiện trong cuộc sống của khách hàng (Chandler và Lusch 2015; Heinonen và cộng sự 2010). 13 Trải nghiệm của khách hàng nên được định nghĩa là phản ứng tự phát, không cố ý và phản ứng với các kích thích cụ thể (Larissa Becker, Elina Jaakkola, 2020).

Các tiền đề nghiên cứu của Larissa Becker, Elina Jaakkola (2020) được sử dụng làm khái niệm nền tảng và cốt lõi của trải nghiệm khách hàng đối với doanh nghiệp và các nghiên cứu về sau. Một trong 4 tiền đề nghiên cứu của Larissa Becker và Elina Jaakkola (2020) cho thấy rằng các công ty không thể tạo ra trải nghiệm của khách hàng, nhưng họ có thể giám sát, thiết kế và quản lý hàng loạt dựa trên định hướng nội dung phù hợp với trải nghiệm dịch vụ của khách hàng thay vì cố gắng tạo ra “trải nghiệm tốt”. Nghiên cứu trong tương lai nên xây dựng các mô hình quản lý trải nghiệm khách hàng trên một nền tảng sắc thái hơn hiểu biết khái niệm về kinh nghiệm. Những mô hình này không nên coi “trải nghiệm tốt” là mục tiêu của việc quản lý trải nghiệm của khách hàng mà thay vào đó là xác định nội dung của trải nghiệm khách hàng mong muốn.

Cách quản lý trải nghiệm khách hàng tốt nhất chính là nắm bắt và định hướng và xác định đúng nội dung mà khách hàng mong mong muốn nhằm giám sát, quản lý chặt chẽ trải nghiệm khách hàng ở những điểm chạm bên ngoài doanh nghiệp không thể tiếp xúc, gây ảnh hưởng xấu đến trải nghiệm của khách hàng. Điều này tác động đến trải nghiệm mong muốn của khách hàng kể cả trên nền tảng mạng xã hội. Như vậy để quản lý được trải nghiệm khách hàng trên các nền tảng mạng xã hội, nơi hành vi và nhu cầu của khách hàng thay đổi liên tục, chúng ta cần hiểu rõ bản chất thực sự của trải nghiệm khách hàng và khách hàng mong muốn điều gì trên các nền tảng mạng xã hội của doanh nghiệp.