Xây dựng hệ thống phản hồi tự động cho mạng xã hội

Khóa luận xây dựng hệ thống phản hồi tự động cho mạng xã hội - Trường ĐH Sư phạm Kỹ thuật TP.HCM

• Tác giả: Quản Minh Đức
• Người hướng dẫn: ThS. Nguyễn Đức Khoan
• Trường học: Đại học Sư phạm Kỹ thuật TP.HCM
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Xây dựng hệ thống phản hồi tự động cho mạng xã hội
• Loại tài liệu: Khóa luận tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: TP. Hồ Chí Minh

Tóm tắt

I. Tổng quan về hệ thống phản hồi tự động cho mạng xã hội

Hệ thống phản hồi tự động cho mạng xã hội đóng vai trò thiết yếu trong kỷ nguyên số. Đề tài nghiên cứu tại ĐH Sư phạm Kỹ thuật TP.HCM tập trung giải quyết bài toán giao tiếp trực tuyến quy mô lớn. Nền tảng này hỗ trợ quản lý tương tác đa kênh trên Facebook và các trang mạng xã hội phổ biến. Mục tiêu chính là xây dựng công cụ trực quan, dễ cấu hình và vận hành mượt mà. Kiến trúc hệ sinh thái kết hợp các công nghệ hiện đại gồm ReactJS, NestJS, FastAPI và PostgreSQL. Công cụ tích hợp thư viện Dialogflow giúp xử lý ngôn ngữ tự nhiên chính xác. Người quản trị có thể thiết lập kịch bản phản hồi mà không đòi hỏi kỹ năng lập trình chuyên sâu. Hệ thống tiếp nhận luồng dữ liệu thời gian thực từ API mạng xã hội. Mọi tin nhắn và bình luận đều được phân loại tức thì. Quá trình xử lý tự động đảm bảo khách hàng nhận câu trả lời chuẩn xác ngay lập tức. Giải pháp này giảm thiểu thời gian chờ đợi và nâng cao uy tín thương hiệu.

1.1. Bối cảnh nghiên cứu tại ĐH Sư phạm Kỹ thuật TP.HCM

Sinh viên Khoa Đào tạo Chất lượng cao Trường ĐH Sư phạm Kỹ thuật TP.HCM thực hiện nghiên cứu này dưới sự hướng dẫn của giảng viên chuyên môn. Sự phát triển mạnh mẽ của thương mại điện tử tạo áp lực lớn lên bộ phận hỗ trợ khách hàng. Các trang bán hàng tiếp nhận hàng nghìn yêu cầu mỗi ngày. Nhân sự trực trang thường xuyên quá tải và bỏ sót tin nhắn quan trọng. Tình trạng phản hồi chậm trễ gây mất khách hàng tiềm năng. Đề tài xuất phát từ nhu cầu thực tiễn của các doanh nghiệp vừa và nhỏ. Nghiên cứu tập trung phát triển một giải pháp kỹ thuật hoàn chỉnh, đáp ứng tốc độ xử lý nhanh và độ tin cậy cao trong môi trường vận hành thực tế.

1.2. Mục tiêu phát triển hệ thống phản hồi tự động

Mục tiêu cốt lõi là tối ưu hóa quy trình phản hồi tương tác trên mạng xã hội. Hệ thống cung cấp bảng điều khiển trung tâm giúp quản lý đồng bộ bình luận và tin nhắn. Giao diện trực quan cho phép người dùng tự thiết lập kịch bản hội thoại nhanh chóng. Người vận hành không cần kiến thức lập trình phức tạp. Nền tảng tự động phân tích ý định của người dùng qua công nghệ học máy. Thuật toán thông minh lựa chọn phản hồi phù hợp nhất theo từng ngữ cảnh cụ thể. Việc tích hợp hệ thống giúp giảm áp lực công việc cho nhân viên chăm sóc khách hàng. Năng suất vận hành tăng lên đáng kể.

II. Thực trạng và thách thức phản hồi tự động trên mạng xã hội

Thị trường hiện nay có nhiều giải pháp chatbot như ManyChat hoặc FChat. Tuy nhiên, các công cụ thương mại chủ yếu tập trung vào các chiến dịch tiếp thị phát sóng định kỳ. Tính năng tùy biến quy trình phản hồi tự động sâu theo đặc thù ngành nghề vẫn còn hạn chế. Doanh nghiệp thường gặp khó khăn khi muốn đồng bộ phân quyền nhân viên và thiết lập quy trình phức tạp. Chi phí thuê nhân sự trực kênh 24/7 tạo gánh nặng tài chính lớn cho chủ trang. Khách hàng thường nhắn tin vào khung giờ khuya và mong muốn nhận phản hồi tức thì. Nhân viên con người khó duy trì sự hiện diện liên tục mà không phát sinh sai sót. Độ trễ phản hồi làm giảm tỷ lệ chốt đơn đáng kể. Các công cụ hiện hữu đòi hỏi mức chi phí thuê bao định kỳ cao theo số lượng người dùng liên hệ. Rào cản kỹ thuật phức tạp cũng khiến doanh nghiệp nhỏ e ngại khi triển khai. Đây là bài toán cấp thiết cần một kiến trúc phần mềm linh hoạt, độc lập và chi phí tối ưu.

2.1. Hạn chế từ các nền tảng thương mại hiện nay

Các nền tảng chatbot phổ biến như ManyChat hay FChat cung cấp nhiều mẫu kịch bản có sẵn. Người dùng có thể khởi tạo bot nhanh chóng thông qua trình kéo thả. Dẫu vậy, các dịch vụ này phụ thuộc nặng nề vào hạ tầng của bên thứ ba. Tính năng tích hợp và đồng bộ nhân sự nội bộ chưa thực sự linh hoạt. Chính sách định giá dịch vụ thường tăng vọt khi quy mô danh sách khách hàng mở rộng. Nhiều doanh nghiệp nhỏ không đủ khả năng duy trì gói dịch vụ cao cấp. Ngoài ra, khả năng tùy biến sâu luồng dữ liệu theo logic nghiệp vụ đặc thù còn nhiều rào cản.

2.2. Gánh nặng chi phí và áp lực nhân sự vận hành

Chủ trang mạng xã hội phải đầu tư khoản ngân sách lớn để xây dựng đội ngũ hỗ trợ trực tuyến. Nhân viên trực tin nhắn thường làm việc theo ca kíp mệt mỏi. Khối lượng tin nhắn dồn dập vào các đợt khuyến mãi dễ dẫn đến nhầm lẫn và sai sót. Nhân sự thường xuyên phải gõ lại những câu trả lời lặp đi lặp lại. Tình trạng này gây suy giảm tinh thần làm việc và gia tăng tỷ lệ nghỉ việc. Doanh nghiệp liên tục tiêu tốn thời gian tuyển dụng và đào tạo nhân viên mới. Một hệ thống phản hồi tự động hóa là chìa khóa để giải phóng nguồn lực con người.

III. Giải pháp xây dựng hệ thống phản hồi tự động cho mạng xã hội

Nhóm tác giả ĐH Sư phạm Kỹ thuật TP.HCM đề xuất kiến trúc hệ thống hiện đại và có khả năng mở rộng cao. Giải pháp kết hợp backend NestJS mạnh mẽ và FastAPI tối ưu cho tác vụ phân tích ngôn ngữ. Cơ sở dữ liệu quan hệ PostgreSQL đảm bảo tính toàn vẹn và độ tin cậy của dữ liệu giao dịch. Giao diện frontend xây dựng bằng ReactJS và NextJS mang lại trải nghiệm mượt mà, phản hồi nhanh. Hệ thống cho phép chủ sở hữu thêm nhân viên vào từng cấp quản trị với phân quyền chi tiết. Quản trị viên dễ dàng cấu hình quy trình phản hồi qua sơ đồ nghiệp vụ trực quan. Cơ chế xác thực chặt chẽ ngăn ngừa lỗi thông tin đầu vào. Mỗi khi có tin nhắn hoặc bình luận mới, webhook mạng xã hội gửi tín hiệu về máy chủ trung tâm. Hệ thống phân tích nội dung, đối soát từ khóa và chọn mẫu phản hồi tối ưu nhất. Người quản lý có thể xem lại lịch sử tương tác, chỉnh sửa kịch bản tức thì và can thiệp thủ công khi cần thiết.

3.1. Kiến trúc công nghệ NestJS FastAPI và PostgreSQL

Hệ thống ứng dụng mô hình kiến trúc phân tầng độc lập nhằm tối ưu hiệu năng. Framework NestJS đảm nhận vai trò quản lý logic nghiệp vụ trung tâm và xác thực tài khoản. FastAPI xử lý các tác vụ tính toán và tích hợp thư viện nhận dạng ngôn ngữ Dialogflow tốc độ cao. PostgreSQL lưu trữ an toàn thông tin người dùng, lịch sử tin nhắn và kịch bản tương tác. Sự kết hợp giữa ReactJS và NextJS ở tầng giao diện giúp tối ưu tốc độ kết xuất dữ liệu. Thiết kế module hóa cho phép nhóm phát triển dễ dàng bảo trì và mở rộng thêm kênh tương tác mới trong tương lai mà không ảnh hưởng toàn bộ hệ sinh thái.

3.2. Quy trình thiết lập và quản lý luồng tương tác

Chủ sở hữu hoặc quản lý trang có toàn quyền tùy biến quy trình làm việc theo nhu cầu thực tế. Hệ thống cung cấp chức năng chỉnh sửa cấu hình quy trình với các bước xác thực thông tin nghiêm ngặt. Người quản lý chọn luồng nghiệp vụ tương ứng để sửa đổi điều kiện kích hoạt và nội dung phản hồi. Hệ thống tự động kiểm tra tính hợp lệ của dữ liệu trước khi lưu vào cơ sở dữ liệu. Nếu phát sinh sai sót hoặc thiếu trường bắt buộc, giao diện lập tức đưa ra cảnh báo cụ thể. Cơ chế xử lý ngoại lệ giúp hệ thống hoạt động ổn định và bảo vệ tính toàn vẹn dữ liệu.

IV. Đánh giá và ứng dụng hệ thống phản hồi tự động tại thực tế

Đề tài tốt nghiệp tại Trường ĐH Sư phạm Kỹ thuật TP.HCM khẳng định tính khả thi cao trong triển khai thực tiễn. Sản phẩm giải quyết triệt để rào cản chi phí và độ phức tạp của các nền tảng thương mại trước đây. Hệ thống chứng minh khả năng phản hồi tương tác tức thì với độ chính xác cao. Trải nghiệm người dùng được cải thiện rõ rệt nhờ thời gian hồi đáp tính bằng giây. Về mặt ứng dụng, giải pháp hỗ trợ đắc lực cho các doanh nghiệp thương mại điện tử, cơ quan hành chính và cơ sở đào tạo. Nền tảng giúp tiết kiệm đến 70% thời gian xử lý thủ công của đội ngũ hỗ trợ. Độ tin cậy của phần mềm đã được kiểm nghiệm qua nhiều kịch bản tương tác thực tế. Khả năng tích hợp mở cho phép kết nối thêm các kênh mạng xã hội mới như Zalo, Telegram hoặc TikTok. Đề tài mở ra hướng tiếp cận mới trong việc làm chủ công nghệ trí tuệ nhân tạo phục vụ cộng đồng và kinh doanh trực tuyến.

4.1. Hiệu quả ứng dụng trong tối ưu hóa dịch vụ

Việc triển khai hệ thống giúp doanh nghiệp tự động hóa tối đa khâu chăm sóc khách hàng ban đầu. Khách hàng nhận được thông tin tư vấn nhanh chóng, chính xác vào bất kỳ thời điểm nào trong ngày. Tỷ lệ tương tác thành công và mức độ hài lòng của người dùng tăng lên rõ rệt. Đội ngũ nhân sự được giải phóng khỏi các câu hỏi lặp lại để tập trung xử lý các trường hợp chuyên sâu. Doanh nghiệp cắt giảm đáng kể ngân sách vận hành hàng tháng. Đồng thời, toàn bộ dữ liệu tương tác được lưu trữ tập trung giúp ban quản lý đánh giá hành vi tiêu dùng chính xác hơn.

4.2. Hướng phát triển mở rộng trong tương lai

Hệ thống định hướng tích hợp thêm các mô hình ngôn ngữ lớn tiên tiến nhằm nâng cao khả năng thấu hiểu ngữ cảnh phức tạp. Nền tảng sẽ tiếp tục mở rộng kết nối với các sàn thương mại điện tử lớn. Tính năng phân tích cảm xúc người dùng theo thời gian thực sẽ được bổ sung vào bộ xử lý. Nhờ vậy, hệ thống có thể chuyển tiếp cuộc trò chuyện cho nhân viên khi phát hiện khách hàng bức xúc. Việc mở rộng thuật toán gợi ý sản phẩm tự động cũng giúp gia tăng doanh thu bán hàng. Đây là tiền đề vững chắc để phát triển sản phẩm thành một nền tảng quản trị tương tác toàn diện.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Đề tài "Xây dựng hệ thống phản hồi tự động cho mạng xã hội" (Building an automated response system for social network) được thực hiện bởi nhóm sinh viên Quan Minh Đức (MSSV: 19110015), Nguyễn Hoàng Vũ (MSSV: 19110319) và Đặng Nhật Tiến (MSSV: 19110297), thuộc lớp 19110CLST, Khóa 2019, ngành Công nghệ Thông tin, Khoa Đào tạo Chất lượng cao, Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh, dưới sự hướng dẫn của ThS. Nguyễn Đức Khoan.

Trong bối cảnh sự bùng nổ của các nền tảng mạng xã hội như Facebook, Messenger, WhatsApp và Telegram, các doanh nghiệp, tổ chức và cá nhân quản trị trang fanpage phải đối mặt với một lượng dữ liệu tương tác khổng lồ bao gồm hàng loạt tin nhắn và bình luận gửi đến mỗi ngày. Việc phản hồi thủ công đòi hỏi chi phí nhân sự rất lớn nhưng vẫn khó đảm bảo tốc độ và tính liên tục 24/7. Mặt khác, các giải pháp chatbot thương mại hiện nay như Fchat hay ManyChat chủ yếu tập trung vào việc hỗ trợ triển khai các chiến dịch tiếp thị (marketing campaigns) và phát tán tin nhắn hàng loạt (broadcast messaging), trong khi tính năng tự động phản hồi theo luồng tùy biến ngữ cảnh sâu và cơ chế phân phối, điều phối công việc cho đội ngũ nhân viên chăm sóc khách hàng còn nhiều hạn chế. Bên cạnh đó, việc phân tích và hiểu chính xác ngôn ngữ tự nhiên (NLP) vẫn gặp rào cản lớn do cấu trúc ngôn ngữ phức tạp và sắc thái đa dạng của người dùng.

Để giải quyết bài toán trên, đồ án xác định mục tiêu và hệ thống nhiệm vụ nghiên cứu cụ thể như sau:

• Mục tiêu nghiên cứu tổng quát:
  1. Xây dựng một hệ thống tập trung (centralized platform) tích hợp các nền tảng mạng xã hội vào một giao diện web duy nhất, cho phép theo dõi, quản lý toàn diện tin nhắn và bình luận.
  2. Cung cấp công cụ trực quan cho phép người dùng tự thiết kế, tùy biến luồng hội thoại cho bot (bot workflow) linh hoạt mà không đòi hỏi kiến thức chuyên sâu về lập trình.
  3. Tích hợp các thuật toán trí tuệ nhân tạo (AI) và xử lý ngôn ngữ tự nhiên (NLP) nhằm nhận diện ý định (intent recognition) và đánh giá cảm xúc (sentiment analysis) trong các tương tác.
  4. Xây dựng cơ chế phát hiện và điều phối tin nhắn tiêu cực hoặc khẩn cấp vào hàng đợi ưu tiên ("Hot Queue") để nhân viên kịp thời can thiệp thủ công.
• Nhiệm vụ nghiên cứu:
  1. Khảo sát, phân tích hiện trạng và đánh giá hai nền tảng tiêu biểu Fchat và ManyChat nhằm xác định các điểm hạn chế cần khắc phục.
  2. Nghiên cứu các công nghệ nền tảng: NestJS, ReactJS, NextJS, FastAPI, Dialogflow và cơ sở dữ liệu PostgreSQL.
  3. Phân tích yêu cầu nghiệp vụ, xác định các tác nhân hệ thống và xây dựng 52 ca sử dụng (use case).
  4. Thiết kế kiến trúc hệ thống, sơ đồ quan hệ thực thể (ERD), các sơ đồ tuần tự (sequence diagrams), sơ đồ hoạt động (activity diagrams) và sơ đồ thành phần (component diagrams).
  5. Thiết kế giao diện người dùng chi tiết cho các phân hệ chức năng.
  6. Đóng gói ứng dụng thành các container độc lập bằng Docker và điều phối bằng Docker Compose, đồng thời thiết kế bộ kịch bản kiểm thử (test cases) để đánh giá độ chính xác của hệ thống.
• Đối tượng và phạm vi nghiên cứu:
  • Đối tượng nghiên cứu: Kiến trúc và giải pháp xây dựng hệ thống phần mềm phản hồi tự động kết hợp hỗ trợ thủ công trên mạng xã hội; kỹ thuật phân tích ý định và cảm xúc người dùng trong tương tác số.
  • Phạm vi không gian và nền tảng: Ứng dụng tập trung kết nối trực tiếp với Facebook và Facebook Messenger (định hướng mở rộng tới WhatsApp và Telegram); triển khai dưới dạng ứng dụng web đa người dùng.
  • Phạm vi thời gian: Đề tài được giao ngày 09/01/2023, nộp báo cáo ngày 29/05/2023 và hoàn thành bảo vệ trong tháng 06/2023.

Cơ sở lý thuyết và phương pháp

Đồ án áp dụng phương pháp nghiên cứu thực nghiệm kỹ thuật phần mềm kết hợp phân tích đối sánh hệ thống, sử dụng các nền tảng công nghệ và lý thuyết chuyên ngành:

• Khung lý thuyết và công nghệ nền tảng:
  • Mô hình xử lý ngôn ngữ tự nhiên (NLP/NLU): Ứng dụng thư viện Dialogflow nhằm bóc tách ý định (intent), thực thể (entities) và phân tích cảm xúc từ tin nhắn/bình luận của người dùng, làm cơ sở để bot điều hướng hội thoại tự động.
  • Kiến trúc phần mềm phân tầng và module hóa: Hệ thống được tổ chức thành các dịch vụ riêng biệt nhằm đảm bảo tính mở rộng và khả năng phục vụ đồng thời nhiều người dùng:
    • Front-end: Xây dựng trên thư viện ReactJS và NextJS, tận dụng cơ chế Virtual DOM, cú pháp JSX, kiến trúc hướng thành phần (component-based) và luồng dữ liệu một chiều (unidirectional data flow) giúp tối ưu hóa hiệu năng render giao diện quản trị và thiết kế flow builder.
    • Back-end Web Application: Phát triển bằng framework NestJS (Node.js/TypeScript) kết hợp Express.js, triển khai theo mô hình module hóa lấy cảm hứng từ Angular với cơ chế Tiêm phụ thuộc (Dependency Injection), Controller, Service, Guard, Middleware và Data Transfer Object (DTO).
    • Dịch vụ Bot Engine: Xây dựng bằng framework FastAPI (Python), sử dụng Starlette và Pydantic để tận dụng khả năng xử lý bất đồng bộ (asynchronous programming), đáp ứng nhanh các tác vụ I/O bound và tích hợp các thư viện AI xử lý ngôn ngữ.
    • Hệ quản trị cơ sở dữ liệu: Sử dụng PostgreSQL, đảm bảo các tiêu chuẩn ACID (Atomicity, Consistency, Isolation, Durability), hỗ trợ lưu trữ dữ liệu có cấu trúc kết hợp kiểu dữ liệu JSON, cơ chế lập chỉ mục (indexing) và trigger phục vụ việc truy xuất lịch sử hội thoại tốc độ cao.
• Phương pháp nghiên cứu thực tế:
  • Phương pháp phân tích - đối sánh: Phân tích chuyên sâu ưu và nhược điểm của hai ứng dụng Fchat và ManyChat về khả năng kéo thả kịch bản (flow builder), phân khúc đối tượng (audience segmentation), phát tin nhắn (broadcast messaging) và chỉ ra khoảng trống về khả năng gán vai trò nhân sự và xử lý tập trung phản hồi tự động kết hợp thủ công.
  • Phương pháp thiết kế hướng đối tượng (OOAD) qua UML: Xây dựng mô hình ca sử dụng với 52 use case, mô hình thực thể quan hệ (ERD), sơ đồ thành phần (Component Diagrams), sơ đồ tuần tự (Sequence Diagrams) cho các luồng: bot nhận bình luận, bot nhận tin nhắn, kích hoạt Hot Queue, cấu hình workflow và cập nhật intent.
  • Phương pháp kiểm thử phần mềm: Thiết kế các bộ kịch bản kiểm thử (Test Cases) chi tiết phân tách theo từng nhóm tác nhân quản trị và vận hành.

Thiết kế và triển khai hệ thống

Hệ thống được thiết kế theo kiến trúc module hóa phân tán, phân định ranh giới rõ ràng giữa lớp giao diện, lớp nghiệp vụ quản trị và lớp dịch vụ xử lý bot.

Khối thành phần	Công nghệ chính	Chức năng chính trong hệ thống
Social Listening Front-end	ReactJS, NextJS	Cung cấp giao diện tương tác đa người dùng: Dashboard báo cáo, quản lý chat/comment, màn hình thiết kế luồng bot (Bot Flow Config), quản lý tài khoản và phân quyền.
Social Listening Back-end	NestJS, TypeScript, Express.js	Xử lý logic nghiệp vụ trung tâm, quản lý xác thực (Authentication), phân quyền (Authorization), quản trị cấu hình bot/workflow, lưu trữ dữ liệu vào cơ sở dữ liệu.
Bot Connector	Node.js / NestJS	Đóng vai trò cầu nối tích hợp với API của các nền tảng mạng xã hội (Facebook, Messenger), tiếp nhận webhook sự kiện tin nhắn/bình luận thời gian thực.
Bot Service / Engine	FastAPI, Python, Dialogflow	Tiếp nhận nội dung tương tác, xử lý NLU (nhận diện ý định, phân tích sắc thái cảm xúc), điều hướng qua các node trong workflow và kích hoạt Hot Queue.
Cơ sở dữ liệu	PostgreSQL	Lưu trữ toàn bộ bảng thực thể: tài khoản, vai trò, quyền hạn, trang mạng xã hội, workflow, node cấu hình, intent, lịch sử tin nhắn, bình luận và trạng thái hàng đợi.
Hạ tầng triển khai	Docker, Docker Compose	Đóng gói từng dịch vụ thông qua Dockerfile riêng biệt và thiết lập cấu hình chạy đồng bộ trong môi trường containerized.

Cơ chế hoạt động của luồng xử lý và Hot Queue

Hệ thống vận hành xử lý tương tác qua quy trình khép kín:

1. Tiếp nhận tương tác: Khi người dùng mạng xã hội gửi tin nhắn hoặc để lại bình luận trên trang fanpage, webhook từ nền tảng sẽ gửi dữ liệu về Bot Connector.
2. Lưu trữ và định tuyến node: Dữ liệu tương tác được chuyển vào Social Listening Back-end để lưu vào PostgreSQL, đồng thời chuyển tới Bot Service để xác định trạng thái node hiện tại của cuộc trò chuyện trong quy trình (workflow).
3. Phân tích NLU & Xử lý phản hồi: Bot Service sử dụng Dialogflow để nhận diện ý định và phân tích cảm xúc của nội dung. Nếu nội dung khớp với kịch bản được định sẵn, bot sẽ tự động tạo phản hồi gửi lại nền tảng mạng xã hội thông qua Bot Connector.
4. Kích hoạt Hot Queue (Hàng đợi khẩn cấp): Trong trường hợp thuật toán phân tích phát hiện thông điệp mang cảm xúc tiêu cực, chứa từ khóa khiếu nại hoặc người dùng yêu cầu gặp trực tiếp nhân viên, hệ thống sẽ kích hoạt tiến trình Trigger Hot Queue. Tin nhắn/bình luận đó ngay lập tức được đánh dấu trạng thái ưu tiên cao và hiển thị trên màn hình quản lý Hot Queue của Quản lý (Manager) và Nhân viên hỗ trợ (Supporter) để phản hồi thủ công kịp thời.

Nội dung chính theo từng chương

Chapter 1: Introduction (Mở đầu và Tổng quan đề tài)

Chương này làm rõ bối cảnh nghiên cứu, tính cấp thiết của việc tự động hóa phản hồi trên mạng xã hội, thực trạng quá tải trong xử lý tương tác trực tuyến của các doanh nghiệp, và những thách thức về mặt xử lý ngôn ngữ tự nhiên. Nhóm tác giả định vị các vấn đề then chốt: giao diện thiết kế bot phức tạp đòi hỏi lập trình, thiếu hụt nền tảng tập trung kết nối đa kênh, thiếu hệ thống dashboard báo cáo theo thời gian thực và sự cần thiết của việc phục vụ đồng thời nhiều người dùng. Từ đó, đề tài đề xuất giải pháp xây dựng hệ thống tập trung tích hợp bot thông minh có khả năng nhận diện ý định, phân tích cảm xúc và hỗ trợ phân luồng công việc giữa bot và nhân viên.

Chapter 2: Application & Technologies Review (Khảo sát ứng dụng và Công nghệ)

Chương 2 trình bày báo cáo khảo sát và đánh giá kỹ thuật chuyên sâu về:

• Đánh giá ứng dụng thực tế: Phân tích chi tiết hai giải pháp chatbot phổ biến là Fchat và ManyChat. Tác giả chỉ ra Fchat mạnh về giao diện kéo thả, kết nối Messenger 24/7 nhưng hạn chế ở khả năng mở rộng sâu; ManyChat vượt trội về phân khúc khách hàng, gửi tin hàng loạt (broadcast) và thư viện mẫu nhưng cả hai đều tập trung phục vụ chiến dịch bán hàng hơn là phân phối tin nhắn cho đội ngũ nhân viên vận hành và xử lý theo ngữ cảnh chuyên sâu.
• Tổng quan công nghệ nền tảng: Trình bày cấu trúc, nguyên lý hoạt động và lý do lựa chọn các công nghệ cốt lõi bao gồm ReactJS (Virtual DOM, JSX, component lifecycle), NestJS (module, provider, controller, DTO, middleware, interceptor), Express.js, FastAPI (Pydantic, Starlette, xử lý bất đồng bộ), PostgreSQL (mô hình quan hệ đối tượng, bảo toàn giao dịch ACID, tối ưu hóa truy vấn) và thư viện Dialogflow.

Chapter 3: System Requirements & System Design (Yêu cầu và Thiết kế hệ thống)

Chương 3 là phần trọng tâm về mặt kỹ thuật, bao gồm:

• Yêu cầu người dùng theo 5 nhóm tác nhân (Actors):
  1. Unauthorized User (Người dùng chưa xác thực): Đăng ký, đăng nhập tài khoản.
  2. Admin (Quản trị viên hệ thống): Quản lý phân quyền, cấu hình hệ thống, kích hoạt/vô hiệu hóa tài khoản, quản lý danh sách admin.
  3. Owner (Chủ sở hữu hệ thống/trang): Kết nối trang mạng xã hội, thiết kế và tùy biến bot flow, theo dõi báo cáo thời gian thực, giám sát tỷ lệ Hot Queue, quản lý danh sách nhân sự (Manager, Supporter).
  4. Manager (Quản lý): Chỉnh sửa luồng bot, theo dõi tiến trình hội thoại, trực tiếp trả lời tin nhắn/bình luận, theo dõi Hot Queue.
  5. Supporter (Nhân viên hỗ trợ): Tiếp nhận và phản hồi tin nhắn/bình luận phân phối từ hệ thống, theo dõi tiến độ xử lý và đồng bộ phản hồi lên mạng xã hội.
• Bảng đặc tả 52 ca sử dụng (Use Cases): Hệ thống phân bổ từ SocialListening_UC_01 đến SocialListening_UC_52, bao quát toàn diện các nhóm chức năng xác thực (UC01-UC02), quản trị mạng xã hội (UC03-UC04), quản lý nhân sự (UC05-UC15), báo cáo thống kê (UC16), quản lý kênh (UC17-UC18), quản lý quy trình workflow (UC19-UC26), quản lý bot và intent (UC27-UC36), phản hồi tin nhắn/bình luận (UC37-UC40), quản trị người dùng và quyền của Admin (UC41-UC51), và đăng xuất (UC52). Đồ án cung cấp các bảng đặc tả use case chi tiết gồm tiền điều kiện, hậu điều kiện, luồng sự kiện chính, luồng thay thế và ngoại lệ.
• Mô hình hóa hệ thống: Trình bày chi tiết sơ đồ quan hệ thực thể (ERD), sơ đồ thành phần cho từng khối (Social Listening Front-end, Back-end, Bot Connector, Bot Engine), sơ đồ tuần tự và sơ đồ hoạt động mô tả chi tiết quy trình xử lý bình luận và tin nhắn từ khi tiếp nhận đến khi xử lý qua Hot Queue.
• Thiết kế giao diện người dùng: Hệ thống hóa chi tiết các màn hình chức năng bao gồm màn hình xác thực, Dashboard báo cáo, màn hình quản lý bình luận/chat chi tiết, màn hình thiết kế luồng trực quan (Social design bot flow config), màn hình quản trị Hot Queue và các màn hình phân quyền người dùng.

Chapter 4: Implementation (Hiện thực hóa hệ thống)

Chương này mô tả quá trình tổ chức mã nguồn và hiện thực hóa các thành phần phần mềm:

• Cấu trúc tổ chức dự án cho 4 phân hệ: mã nguồn Front-end ReactJS, mã nguồn Back-end NestJS, dịch vụ Bot Connector và dịch vụ Bot FastAPI.
• Đóng gói hệ thống bằng Docker: Cung cấp chi tiết các tệp cấu hình Dockerfile cho Backend Web Application, Frontend Web Application, Bot Connector, Bot Service và tệp docker-compose.yml để cấu hình liên kết mạng và triển khai đồng bộ toàn bộ hệ thống.

Chapter 5: Validation and Deployment (Kiểm thử và Triển khai)

Chương 5 tập trung vào công tác đảm bảo chất lượng phần mềm thông qua thiết kế và thực thi kịch bản kiểm thử:

• Thiết kế bộ kịch bản kiểm thử chi tiết cho tác nhân Admin (quản lý người dùng, phân quyền, cấu hình hệ thống).
• Thiết kế bộ kịch bản kiểm thử cho các tác nhân Owner, Manager và Supporter (kết nối mạng xã hội, tạo và cấu hình luồng bot, phân tích intent, tiếp nhận và xử lý tin nhắn/bình luận, tương tác trên hàng đợi Hot Queue).

Kết quả và đóng góp

• Kết quả đạt được:
  • Xây dựng hoàn chỉnh hệ thống phần mềm web ứng dụng kiến trúc phân tán kết nối mạng xã hội, tích hợp thành công giữa các công nghệ ReactJS, NestJS, FastAPI và PostgreSQL.
  • Hiện thực hóa đầy đủ 52 ca sử dụng theo đặc tả, bao gồm các quy trình nghiệp vụ phức tạp từ phân quyền người dùng, quản trị nhân sự nhiều cấp (Owner, Manager, Supporter, Admin) đến thiết kế trực quan luồng hoạt động của chatbot.
  • Phát triển thành công cơ chế hàng đợi khẩn cấp "Hot Queue", cho phép hệ thống tự động bóc tách và phân phối các phản hồi mang sắc thái tiêu cực hoặc vượt ngoài phạm vi xử lý tự động của bot đến nhân viên hỗ trợ.
  • Ứng dụng thành công xử lý ngôn ngữ tự nhiên thông qua Dialogflow để nhận diện ý định và cảm xúc người dùng, giúp bot phản hồi chính xác theo từng kịch bản được cấu hình.
  • Đóng gói toàn bộ hệ thống bằng Docker và Docker Compose, đảm bảo tính nhất quán trong môi trường triển khai và vận hành.
• Giải pháp và kiến nghị đề xuất:
  • Đề xuất mô hình kết hợp lai (Hybrid model) giữa chatbot tự động và nhân sự thực tế, giúp tối ưu hóa chi phí vận hành mà vẫn duy trì chất lượng chăm sóc khách hàng.
  • Khuyến nghị chuẩn hóa quy trình phân loại ý định người dùng ngay từ khâu cấu hình kịch bản ban đầu để nâng cao độ chính xác khi bot tự động trả lời.
• Đóng góp của đồ án:
  • Khắc phục khoảng trống chức năng của các phần mềm thương mại hiện nay (như Fchat và ManyChat vốn nặng về marketing bán hàng) bằng một giải pháp tập trung sâu vào hỗ trợ khách hàng đa vai trò và phân phối công việc thông minh.
  • Đóng góp tài liệu thiết kế hệ thống chi tiết bao gồm mô hình dữ liệu, 52 bảng đặc tả ca sử dụng và các sơ đồ kiến trúc chuẩn mực cho việc xây dựng ứng dụng chatbot mạng xã hội bằng công nghệ hiện đại.

Hạn chế và hướng nghiên cứu tiếp

• Hạn chế:
  • Thách thức trong xử lý ngôn ngữ tự nhiên: Do đặc thù ngôn ngữ tiếng Việt và phong cách giao tiếp trên mạng xã hội có cấu trúc phức tạp, từ ngữ địa phương và tiếng lóng, việc nhận diện chính xác ý định và cảm xúc người dùng đôi khi gặp sai lệch.
  • Mô hình bot đòi hỏi phải được liên tục huấn luyện, cập nhật dữ liệu mẫu và tinh chỉnh thường xuyên để duy trì chất lượng câu trả lời.
  • Hệ thống mới tập trung triển khai và kiểm thử chuyên sâu trên nền tảng Facebook và Facebook Messenger; việc kết nối với các kênh khác như WhatsApp hay Telegram mới dừng lại ở mức thiết kế định hướng kiến trúc.
• Hướng nghiên cứu và phát triển tiếp:
  • Mở rộng hoàn chỉnh các bộ kết nối (connector) tới các nền tảng mạng xã hội khác như WhatsApp, Telegram, Zalo hoặc Instagram.
  • Nâng cấp các mô hình học sâu (Deep Learning) chuyên biệt trong khối Bot Engine để cải thiện năng lực hiểu ngữ cảnh sâu và phân tích cảm xúc đa tầng.
  • Tối ưu hóa khả năng mở rộng quy mô (scalability) và cân bằng tải của các microservice khi khối lượng tương tác mạng xã hội tăng đột biến.

Giá trị tham khảo

Đồ án là tài liệu tham khảo giá trị đối với sinh viên, giảng viên và các nhóm phát triển thuộc chuyên ngành Công nghệ thông tin, Kỹ thuật phần mềm và Hệ thống thông tin:

• Về mặt kiến trúc và công nghệ: Cung cấp mẫu hình triển khai thực tế của việc kết hợp hai hệ sinh thái công nghệ Node.js (NestJS) và Python (FastAPI), minh họa phương thức kết nối các dịch vụ AI/NLP với ứng dụng quản trị doanh nghiệp.
• Về mặt quy trình phân tích thiết kế: Hệ thống 52 ca sử dụng chi tiết cùng chuỗi sơ đồ tuần tự, sơ đồ hoạt động về cơ chế Hot Queue và sơ đồ quan hệ thực thể là tài liệu mẫu rõ ràng cho việc thực hiện các đồ án tốt nghiệp kỹ thuật phần mềm.
• Về mặt triển khai thực tế: Cấu hình Dockerfile phân tầng và tệp docker-compose.yml cung cấp giải pháp đóng gói chuẩn mực cho các hệ thống phần mềm đa dịch vụ.

Câu hỏi thường gặp

1. Đề tài giải quyết vấn đề cốt lõi nào mà các giải pháp như Fchat hay ManyChat chưa đáp ứng tốt?
Các giải pháp như Fchat và ManyChat chủ yếu tập trung hỗ trợ các chiến dịch tiếp thị và phát tán tin nhắn hàng loạt (broadcast) cho chủ sở hữu trang. Đề tài tập trung giải quyết bài toán quản trị dịch vụ khách hàng chuyên sâu bằng cách cho phép thêm và phân quyền đội ngũ nhân sự (Manager, Supporter), thiết lập luồng bot linh hoạt theo từng loại tin nhắn, đồng thời tự động phân loại các tương tác tiêu cực vào hàng đợi "Hot Queue" để nhân viên hỗ trợ trực tiếp.

2. Hệ thống định nghĩa những vai trò người dùng (Actors) nào và trách nhiệm chính của họ là gì?
Hệ thống phân định 5 nhóm tác nhân rõ ràng: Unauthorized User (đăng ký, đăng nhập); Admin (quản lý tài khoản, phân quyền, cấu hình hệ thống); Owner (kết nối trang mạng xã hội, thiết kế luồng bot, xem báo cáo, quản lý nhân viên); Manager (chỉnh sửa luồng bot, theo dõi và trực tiếp trả lời tin nhắn/bình luận, xử lý Hot Queue); và Supporter (tiếp nhận, phản hồi tin nhắn/bình luận được phân phối và đồng bộ kết quả lên mạng xã hội).

3. Tại sao hệ thống lại sử dụng đồng thời cả NestJS và FastAPI trong kiến trúc Back-end?
NestJS (TypeScript/Node.js) được lựa chọn cho khối Social Listening Back-end để xử lý logic quản trị, phân quyền người dùng và kết nối cơ sở dữ liệu nhờ kiến trúc module hóa chặt chẽ, dễ bảo trì và khả năng quản lý cấu trúc doanh nghiệp tốt. Trong khi đó, FastAPI (Python) được sử dụng cho khối Bot Engine nhằm tận dụng hiệu năng xử lý bất đồng bộ cao trên nền Starlette và hệ sinh thái thư viện trí tuệ nhân tạo, xử lý ngôn ngữ tự nhiên (NLP) mạnh mẽ của Python.

4. Cơ chế "Hot Queue" trong hệ thống hoạt động như thế nào khi nhận được tương tác từ mạng xã hội?
Khi người dùng để lại bình luận hoặc tin nhắn, Bot Service sẽ phân tích ý định và sắc thái cảm xúc qua Dialogflow. Nếu phát hiện tương tác mang sắc thái tiêu cực hoặc người dùng có khiếu nại vượt ngoài khả năng trả lời tự động của bot, hệ thống sẽ kích hoạt quy trình Trigger Hot Queue. Tin nhắn/bình luận đó sẽ được chuyển ngay vào danh sách ưu tiên trên giao diện của Manager và Supporter để nhân sự thực hiện phản hồi thủ công trực tiếp.

5. Khóa luận xây dựng tổng cộng bao nhiêu ca sử dụng (use case) và phân bổ theo các nhóm chức năng chính ra sao?
Khóa luận xây dựng tổng cộng 52 ca sử dụng (SocialListening_UC_01 đến UC_52). Trong đó bao gồm: xác thực tài khoản (UC01-UC02); quản lý kết nối trang (UC03-UC04); quản lý nhân viên của Owner (UC05-UC15); báo cáo (UC16); quản lý kênh và mạng xã hội (UC17-UC18); tạo, cấu hình, cập nhật và xóa workflow (UC19-UC26); quản lý bot và intent (UC27-UC36); phản hồi bình luận và tin nhắn (UC37-UC40); các chức năng quản trị hệ thống và người dùng của Admin (UC41-UC51); và chức năng đăng xuất (UC52).

Kết luận

Khóa luận tốt nghiệp của nhóm tác giả Quan Minh Đức, Nguyễn Hoàng Vũ và Đặng Nhật Tiến đã giải quyết thành công bài toán tự động hóa chăm sóc khách hàng đa kênh bằng việc xây dựng hệ thống phần mềm phản hồi tự động kết hợp hỗ trợ thủ công trên mạng xã hội. Hệ thống tích hợp hiệu quả các công nghệ ReactJS, NestJS, FastAPI, Dialogflow và PostgreSQL, cung cấp công cụ thiết kế luồng bot trực quan cùng cơ chế Hot Queue xử lý tin nhắn tiêu cực thông minh. Toàn bộ giải pháp được đặc tả chuẩn mực qua 52 ca sử dụng, được đóng gói hoàn chỉnh bằng Docker và kiểm thử chức năng đầy đủ, mang lại giá trị tham khảo học thuật và ứng dụng kỹ thuật phần mềm cao.

Trích đoạn nội dung tài liệu

MINISTRY OF EDUCATION AND TRAINING HO CHI MINH CITY UNIVERSITY OF TECHNOLOGY AND EDUCATION FACULTY FOR HIGH QUALITY TRAINING GRADUATION THESIS ,1)250$7,217(&+12/2*< BUILDING AN AUTOMATED RESPONSE SYSTEM FOR SOCIAL NETWORK $'9,625 M. NGUYEN DUC KHOAN STUDENTS: QUAN MINH DUC  NGUYEN HOANG VU  DANG NHAT TIEN SKL010940 Ho Chi Minh City, June 202 HO CHI MINH CITY UNIVERSITY OF TECHNOLOGY AND EDUCATION FACULTY FOR HIGH QUALITY TRAINING GRADUATION THESIS BUILDING AN AUTOMATED RESPONSE SYSTEM FOR SOCIAL NETWORK Student 1: QUAN MINH DUC Student ID: 19110015 Student 2: NGUYEN HOANG VU Student ID: 19110319 Student 3: DANG NHAT TIEN Student ID: 19110297 Course: 2019 Major: INFORMATION TECHNOLOGY Advisor: NGUYEN DUC KHOAN M.IT Ho Chi Minh City, June 2023 THE SOCIALIST REPUBLIC OF VIETNAM Independence – Freedom– Happiness -------- Ho Chi Minh City, June …, 2023 PROJECT ASSIGNMENT Student name: Quan Minh Duc Student ID: 19110015 Student name: Nguyen Hoang Vu Student ID: 19110319 Student name: Dang Nhat Tien Student ID: 19110297 Advisor: Nguyen Duc Khoan M.IT Date of assignment: 01-09-2023 Date of submission: 05-29-2023 1. Project title: Building an automated response system for social network 2. Initial materials provided by the advisor: Implementation using NestJS, ReactJS, FastAPI Framework, PostgreSQL 3.

Content of the project: The system utilizes modern technologies such as NextJS, ReactJS, and the Dialogflow library to create an intuitive and user-friendly interface that allows users to create their own bots without requiring any technical knowledge. Final product: The system allows agents to manage comments and messages on social networks. It features a modern web interface that enables easy customization of bots to meet the specific requirements of users. CHAIR OF THE PROGRAM ADVISOR (Sign with full name) (Sign with full name) i THE SOCIALIST REPUBLIC OF VIETNAM Independence – Freedom– Happiness -------- Ho Chi Minh City, June …, 2023 ADVISOR’S EVALUATION SHEET Student name: Quan Minh Duc Student ID: 19110015 Student name: Nguyen Hoang Vu Student ID: 19110319 Student name: Dang Nhat Tien Student ID: 19110297 Major: Information Technology Class: 19110CLST Project title: Building an automated response system for social network Advisor: Nguyen Duc Khoan M.

Content and workload of the project:. Approval for oral defense? (Approved or denied) .) Ho Chi Minh City, June …, 2023 ADVISOR (Sign with full name) ii THE SOCIALIST REPUBLIC OF VIETNAM Independence – Freedom– Happiness -------- Ho Chi Minh City, June …, 2023 PRE-DEFENSE EVALUATION SHEET Student name: Quan Minh Duc Student ID: 19110015 Student name: Nguyen Hoang Vu Student ID: 19110319 Student name: Dang Nhat Tien Student ID: 19110297 Major: Information Technology Class: 19110CLST Project title: Building an automated response system for social network Advisor: Nguyen Duc Khoan M.IT Name of Reviewer: EVALUATION 1. Content and workload of the project:. Approval for oral defense? (Approved or denied) .) Ho Chi Minh City, June …, 2023 REVIEWER (Sign with full name) iii THE SOCIALIST REPUBLIC OF VIETNAM Independence – Freedom– Happiness -------- Ho Chi Minh City, June …, 2023 EVALUATION SHEET OF DEFENSE COMMITTEE MEMBER Student name: Quan Minh Duc Student ID: 19110015 Student name: Nguyen Hoang Vu Student ID: 19110319 Student name: Dang Nhat Tien Student ID: 19110297 Major: Information Technology Project title: Building an automated response system for social network Name of Defense Committee Member:.

Content and workload of the project: .) Ho Chi Minh City, June …, 2023 COMMITTEE MEMBER (Sign with full name) iv DISCLAIMER We affirm that all the work presented in this dissertation is our own and has been conducted independently. Any sources or assistance used in this research have been duly acknowledged. Direct quotations or paraphrased material are clearly identified with in-text citations. The reference list includes complete bibliographic details, including internet sources with the URL and access date.

This dissertation has not been submitted to any other academic institution for assessment. v ACKNOWLEDGEMENTS First and foremost, the implementation team would like to extend their sincere gratitude to the Falcuty for High Quality Training of Ho Chi Minh City University of Technical Education for providing the group with the most favorable conditions to perform. The association has free access to refer to and expand their knowledge in the field of Information Technology in general and the Graduation Thesis in particular. The team would also like to express their heartfelt appreciation to Mr.

NGUYEN DUC KHOAN, who devoted his enthusiasm and expertise as a teacher to guide, instruct, and create favorable conditions for the group, helping them develop their best and improve their knowledge throughout the learning process, especially in the preparation and implementation of the Graduation Thesis. His enthusiasm was a tremendous motivation for the group to persevere through the process of implementing the topic and discovering new interesting and useful knowledge related to the subject. Once again, the team would like to express their sincerest gratitude to the department and Mr. NGUYEN DUC KHOAN for their invaluable support.

Student team vi FOREWORDS This thesis explores the development of an automated response system for social networks, considering the challenges and advancements in this field. With the increasing popularity and usage of social media platforms, there is a growing need for efficient systems that can handle the overwhelming volume of user-generated content. This thesis aims to address this need by investigating the design, implementation, and evaluation of an automated response system tailored specifically for social networks. Throughout the thesis, various aspects of the system are examined, including sentiment analysis, intent recognition, and context understanding.

These techniques are crucial for accurately interpreting user queries and generating appropriate responses. Additionally, ethical considerations surrounding automated systems, such as privacy and bias, are discussed. The practical implementation of the system focuses on utilizing state-of-the-art technologies and frameworks to create a robust and scalable solution. The thesis also includes extensive experiments and real-world case studies to evaluate the system's performance, impact on user satisfaction, and overall effectiveness.

By delving into the intricacies of building an automated response system for social networks, this thesis aims to contribute to the existing body of knowledge in this field. It provides valuable insights and recommendations for researchers, developers, and organizations seeking to enhance their social media presence and engagement. The transformative potential of automated response systems in revolutionizing digital communication and interaction is recognized, and the thesis encourages further exploration and innovation in this exciting area of research. vii TABLE OF CONTENTS PROJECT ASSIGNMENT.

i ADVISOR’S EVALUATION SHEET. ii PRE-DEFENSE EVALUATION SHEET. iii EVALUATION SHEET OF DEFENSE COMMITTEE MEMBER. vii TABLE OF CONTENTS.

xi LIST OF FIGURES. xii LIST OF TABLES. APPLICATION & TECHNOLOGIES REVIEW. Fchat (https://fchat.

ManyChat (https://manychat. What is the problem?. What is the solution?. Non-functional Requirements.

Entity Relationship Diagram. Bot reply comment sequence diagram. Bot respond message sequence diagram. Configure workflow sequence diagram.

Update intent sequence diagram. Assign user to social tab sequence diagram. Social Listening front-end component diagram. Social Listening back-end component diagram.

Bot connector component diagram. Bot component diagram. Agent reply comment activity diagram. Agent respond message activity diagram.

Configure workflow activity diagram. Update intent activity diagram. Assign user to social tab activity diagram. Bot reply comment activity diagram.

Bot respond message activity diagram. User Interfaces Design. Social Listening front-end implementation. Social Listening back-end implementation.

Bot connector implementation. VALIDATION AND DEPLOYMENT. Test case design.139 x ABSTRACT Term Definition DB Database APP Application JSON JavaScript Object Notation SQL Structured Query Language NLP Natural Language Processing NLU Natural Language Understanding CLI Command-line interface UI User Interface UX User Experience xi LIST OF FIGURES Figure 2. Fchat dashboard screen.

Configure the flow in Fchat screen. ManyChat view conversations and channels screen. Configure flow of ManyChat screen. Social Listening use case diagram.

Use case log in. Use case register. Use case create workflow. Use case update workflow.

Use case configure workflow. Use case delete workflow. Use case view detailed workflow. Use case view all workflows.

Use case active user account. Use case deactive user account. Use case create bot. Use case delete bot.

Use case create bot intent. Use case update bot intent. Use case delete bot intent. Use case respond chat message.

Use case reply comment. Entity relationship diagram. Bot receives user comment sequence diagram. Save user comment and check current node sequence diagram.

Comment processing on current node sequence diagram. Trigger hot queue sequence diagram. Bot receives user comment sequence diagram. Save user message and check current node sequence diagram.

Message processing on current node sequence diagram. Trigger hot queue sequence diagram. Find workflow to configure sequence diagram. Save configure workflow sequence diagram.

Update intent sequence diagram. Assign user to social tab sequence diagram. Social Listening front-end component diagram. Social Listening back-end component diagram.

Bot connector component diagram. Bot component diagram. Agent reply comment activity diagram. Agent respond message activity diagram.

Configure workflow activity diagram. Update intent activity diagram. Assign user to social tab activity diagram. Bot reply comment activity diagram.

Bot respond message activity diagram. Verify email success screen. Verify email fail screen. Forgot password screen.

Forgot password success screen. Forgot password fail screen. Manage social network screen. Social report screen.

Social comment management screen. Social comment detail screen. Social chat management screen. Social chat detail screen.

Social design bot flow manage screen. Social design update – create bot flow screen. Social design bot flow config screen. Social design bot flow config screen.

Social design bot flow config screen. Social bot screen. Social update – create bot screen. Social bot intent screen.

Social update – create bot intent screen. Social member screen. Comments/chats when first come into hotqueue screen. Comments/chats in hotqueue with supporting state screen.

Update – create user screen. Import user step 1 screen. Import user step 2 screen. Assign user screen.

Assign user popup screen. Assign new permissions screen. Assign remove permissions screen. Other actions in user screen.

Total user screen in Role management. Total permission screen in Role management. Social Listening front-end project organization. Social Listening back-end project organization.

Bot connector project organization. Bot project organization. Dockerfile for Backend Web Application. Dockerfile for front-end Web Application.

Dockerfile for Bot Connector. Dockerfile for Bot. Configure Docker Compose file .135 xiv LIST OF TABLES Table 3. Social Listening use case table.

Login use case specification. Register use case specification. Create workflow use case specification. Update workflow use case specification.

Configure workflow use case specification. Delete workflow use case specification. View detailed workflow use case specification. View all workflows use case specification.

Active user account use case specification. Deactive user account use case specification. Create bot use case specification. Delete bot use case specification.

Create bot intent use case specification. Update bot intent use case specification. Delete bot intent use case specification. Respond chat message use case specification.

Reply comment use case specification .1: Description of all table. User interface for Unauthorized User. User interface for Admin. User interface for Owner.

Login screen UI description. Register screen UI description. Verify email success screen UI description. Verify email fail screen UI description.

Forgot password screen UI description. Forgot password success screen UI description. Forgot password fail screen UI description. Manage social network screen UI description.

Social report screen UI description. Social comment screen UI description. Social chat screen UI description. Social design bot flow manage screen UI description.

Social design update – create bot flow screen UI description .