Ở bài trước tôi đã nói về các loại Lead Magnet phổ biến và lý do tại sao bộ Prompt AI hay hướng dẫn dùng AI lại phù hợp hơn checklist hay ebook với chungkhoan.ezyplatform.com. Nhưng sau khi ngồi nghĩ lại, tôi nhận ra còn có một hướng đi tốt hơn nữa: thay vì tạo ra tài liệu rồi yêu cầu người đọc tự mang đi dùng ở chỗ khác, tôi xây luôn tính năng đó vào trong trang.

Bài này tôi muốn kể về hai tính năng cụ thể mà tôi đã và đang xây để biến chungkhoan.ezyplatform.com thành thứ gì đó không chỉ là nơi người ta đọc bài rồi đi, mà là công cụ họ muốn quay lại dùng.

Vấn đề với Lead Magnet dạng file PDF hay bộ prompt là người ta tải về rồi phải tự làm phần còn lại — tự mở ChatGPT, tự tìm báo cáo tài chính, tự copy prompt vào, tự ghép kết quả lại. Mỗi bước là một rào cản nhỏ, nhưng cộng lại đủ để nhiều người bỏ cuộc giữa chừng, đặc biệt là người mới chưa quen với quy trình.

Còn một vấn đề khác mà ít ai nhắc đến: khi người ta dùng ChatGPT thuần túy để phân tích báo cáo tài chính, họ nhận được kết quả của một AI tổng quát — đúng nhưng chung chung, không có chiều sâu chuyên môn. Trong khi đó, tôi là người có kiến thức thật về phân tích tài chính. Nếu tôi đóng gói kiến thức đó vào trong cách AI của trang mình hoạt động, kết quả người đọc nhận được sẽ khác hẳn — cụ thể hơn, có ngữ cảnh hơn, và đáng tin cậy hơn so với việc họ tự hỏi AI từ đầu.

Đó là lý do tôi không làm PDF. Tôi xây hai tính năng trực tiếp vào trang.

Tính năng đầu tiên là chatbot AI tích hợp vào trang tai-bao-cao-tai-chinh-tu-trang-ir. Luồng hoạt động trông như thế này:

Người đọc vào trang, thấy danh sách báo cáo tài chính mới nhất từ các công ty niêm yết phổ biến — VNM, HPG, FPT, VIC, MWG — lấy thẳng từ trang Quan hệ nhà đầu tư của từng công ty, không qua trung gian. Họ chọn mã mình đang quan tâm, tải file PDF về, rồi bấm vào chatbot ngay trong trang.

Đây là điểm tôi cố tình thiết kế khác với hầu hết chatbot thông thường — thay vì hiện ngay ô chat trống, màn hình đầu tiên người dùng thấy là một đoạn giới thiệu ngắn về tôi: tôi là ai, tôi có kinh nghiệm gì trong lĩnh vực phân tích tài chính, và chatbot này được xây dựng dựa trên kiến thức chuyên môn thật chứ không phải ChatGPT chạy không có định hướng.

Mục đích của bước này rất cụ thể: người ta cần biết họ đang nói chuyện với ai — hay chính xác hơn là đang dùng công cụ của ai — trước khi họ sẵn sàng để lại thông tin cá nhân. Một chatbot vô danh không có lý do gì để tin tưởng. Một chatbot được xây bởi người có chuyên môn rõ ràng thì khác.

Sau khi đọc phần giới thiệu và bấm "Bắt đầu", chatbot hiện ra một yêu cầu đơn giản: để lại email hoặc số điện thoại để nhận kết quả phân tích chi tiết và tài liệu hỗ trợ kèm theo. Không phải popup cứng chặn toàn bộ trang, không phải form dài bảy trường. Chỉ một ô điền, một nút xác nhận.

Thứ tự này — giới thiệu trước, yêu cầu thông tin sau — rất quan trọng. Nếu tôi yêu cầu email ngay khi người ta vừa bấm vào chatbot, phản ứng tự nhiên là đóng lại vì chưa có lý do gì để tin. Nhưng nếu họ vừa đọc xong một đoạn giới thiệu chuyên môn đáng tin, cảm giác lúc này đã khác — họ hiểu đây là công cụ được xây bởi người có kiến thức thật, và việc để lại email để nhận kết quả phân tích từ người đó là điều hợp lý.

Sau khi điền thông tin xong, chatbot mở ra đầy đủ. Người dùng upload file PDF báo cáo tài chính vừa tải về, gõ câu hỏi đầu tiên, và nhận kết quả phân tích.

Đây là phần tôi muốn nói kỹ hơn vì nó quyết định chatbot này có giá trị thật hay chỉ là một giao diện bọc ngoài ChatGPT bình thường.

Tôi có nền tảng kiến thức về phân tích tài chính — biết những chỉ số nào quan trọng với từng loại hình doanh nghiệp, biết ngưỡng nào là an toàn trong ngành sản xuất so với ngành bán lẻ, biết dấu hiệu nào trong báo cáo thường bị người mới bỏ qua nhưng thực ra quan trọng. Kiến thức đó, tôi đóng gói vào trong cách chatbot được cấu hình: các bộ hướng dẫn phân tích, thứ tự ưu tiên các chỉ số, cách diễn giải phù hợp với người mới bắt đầu.

Kết quả là khi người dùng upload báo cáo VNM và hỏi "công ty này đang ổn không", chatbot của tôi không chỉ tóm tắt lại những gì trong báo cáo — nó phân tích theo đúng khung tư duy mà một người có chuyên môn sẽ dùng: nhìn vào dòng tiền thực trước, kiểm tra chất lượng lợi nhuận, so sánh biên lợi nhuận gộp theo xu hướng nhiều quý chứ không chỉ một quý mới nhất.

Người dùng nhận được kết quả khác hẳn so với việc họ tự hỏi ChatGPT từ đầu. Và sự khác biệt đó — cảm giác "trang này giỏi thật, không phải ChatGPT thông thường" — chính là thứ xây dựng niềm tin và khiến người đọc có xu hướng quay lại, giới thiệu cho người quen, và sẵn sàng điền vào form tư vấn đầy đủ hơn khi đã tin tưởng đủ.

Tính năng thứ hai đơn giản hơn về mặt kỹ thuật nhưng quan trọng không kém: tôi tổng hợp và cập nhật thường xuyên danh sách báo cáo tài chính mới nhất từ trang Quan hệ nhà đầu tư của các công ty niêm yết phổ biến, đặt sẵn ngay trong trang để người đọc không cần tự đi tìm.

Nghe có vẻ đơn giản, nhưng đây là một bước cản lớn với người mới: họ không biết trang IR là gì, không biết từng công ty có trang riêng, không biết báo cáo đã kiểm toán khác với số liệu tổng hợp trên Cafef ở điểm nào. Khi tôi gom tất cả về một chỗ và giải thích ngắn gọn mỗi loại báo cáo dùng để làm gì, tôi đang giải quyết đúng cái rào cản đó.

Và vì đây là nội dung tôi cập nhật định kỳ — mỗi quý có báo cáo mới — người đọc có lý do để quay lại trang của tôi thay vì chỉ đến một lần rồi thôi. Đây là kiểu nội dung mà thuật ngữ marketing gọi là "content có giá trị tích lũy": càng duy trì lâu, nó càng trở thành điểm tham chiếu mà người dùng tự nhiên nhớ đến mỗi khi cần tìm báo cáo mới.

Ghép hai tính năng lại với nhau, hành trình của một người đọc trông như thế này:

Họ vào trang lần đầu — có thể từ Google, có thể từ Facebook — thấy có thư viện báo cáo tài chính và chatbot AI. Họ tải báo cáo mã họ đang để ý, upload lên chatbot, gõ câu hỏi đầu tiên. Chatbot yêu cầu nhập email hoặc số điện thoại. Họ điền vào vì đang muốn biết kết quả. Chatbot trả về phân tích chi tiết, cụ thể hơn những gì họ từng nhận được từ AI thông thường. Họ đọc xong, đặt thêm câu hỏi, chatbot trả lời và tự nhiên dẫn link sang bài học Quản Trị Rủi Ro hoặc bài học Đọc Bảng Giá khi câu hỏi liên quan. Họ đọc thêm bài học. Cuối bài học có form nhận tài liệu. Họ đã để lại thông tin từ trước nên biết trang này đáng tin — lần này họ điền thêm để nhận tài liệu chuyên sâu hơn.

Điều tôi thích nhất ở thiết kế này là nó không cảm thấy như một cái bẫy. Người đọc được nhận giá trị thật ở mỗi bước, và họ chủ động tiến thêm vì muốn nhận thêm — không phải vì bị thúc ép.

Nhìn lại hai tính năng này, thứ tôi thấy quan trọng nhất không phải là kỹ thuật xây chúng. Quan trọng hơn là nguyên tắc đằng sau: Lead Magnet tốt nhất không phải thứ bạn tạo ra rồi phát đi, mà là thứ bạn tích hợp vào trải nghiệm của người dùng đến mức họ không còn thấy nó như "mồi nhử" nữa — họ chỉ thấy đây là một công cụ hữu ích mà trang cung cấp.

Với chungkhoan.ezyplatform.com, tôi không cố thu thập email. Tôi đang cố xây một công cụ đủ tốt để người ta muốn để lại thông tin để tiếp tục dùng.