Ở bài trước, chúng ta đã giúp chatbot Ezyvora có thể tư vấn sản phẩm và dịch vụ dựa trên nhu cầu của khách hàng. Tuy nhiên, khi khách hàng đã quan tâm đến một dịch vụ và muốn được tư vấn thêm, cuộc trò chuyện không nên chỉ dừng lại ở việc cung cấp thông tin. Trong bài này, chúng ta sẽ hướng dẫn chatbot nhận biết khi khách hàng có nhu cầu tư vấn và thu thập những thông tin cần thiết để chuẩn bị cho quá trình chăm sóc khách hàng sau đó.
Bước 1: Xác định thông tin cần thu thập
Trước tiên, cần xác định những thông tin thực sự cần thiết để doanh nghiệp có thể tiếp tục tư vấn cho khách hàng. Với Ezyvora, chúng ta sẽ thu thập ba nhóm thông tin chính:
- Họ và tên
- Email hoặc số điện thoại
- Nhu cầu cần tư vấn
Chatbot chỉ nên bắt đầu thu thập thông tin khi khách hàng thể hiện nhu cầu rõ ràng. Ví dụ:
Trong trường hợp này, chatbot có thể chuyển sang hỏi thông tin liên hệ. Ngược lại, nếu khách hàng chỉ hỏi:
chatbot nên tập trung trả lời câu hỏi, chưa cần yêu cầu khách cung cấp tên, email hoặc số điện thoại.
Cách này giúp quá trình trò chuyện tự nhiên hơn và tránh việc chatbot yêu cầu thông tin cá nhân quá sớm.
Bước 2: Thêm quy trình thu thập thông tin vào RAG
Tiếp theo, chúng ta sẽ đưa quy trình thu thập khách hàng tiềm năng vào nguồn kiến thức để chatbot biết khi nào cần hỏi và cần thu thập những thông tin nào. Truy cập EzyRAG → Data Chunks.
Thiết lập các thông tin như sau đây:
Sau khi hoàn thành, nhấn Gửi đi để tạo Data Chunk. Kiểm tra lại trong Chunk List và đảm bảo dữ liệu đã được tạo Embedding thành công.
Lưu ý: Ở đây, RAG chỉ lưu quy trình và hướng dẫn thu thập thông tin, không phải nơi lưu thông tin thực tế của từng khách hàng.
Bước 3: Hướng dẫn kỹ năng AI thu thập thông tin
Sau khi đã bổ sung quy trình vào RAG, chúng ta cần hướng dẫn chatbot cách sử dụng thông tin này trong cuộc trò chuyện. Mở kỹ năng AI đang được sử dụng để tư vấn khách hàng và bổ sung vào phần Chỉ dẫn hệ thống:
Chỉ dẫn hệ thống
"Khi người dùng muốn được tư vấn thêm, nhận báo giá hoặc yêu cầu Ezyvora liên hệ, hãy sử dụng nguồn kiến thức được cung cấp để xác định những thông tin cần thu thập.
Không yêu cầu thông tin liên hệ nếu người dùng chỉ đang hỏi thông tin về sản phẩm hoặc dịch vụ.
Không hỏi lại những thông tin người dùng đã cung cấp trong cuộc trò chuyện.
Không tự tạo tên, email, số điện thoại hoặc nhu cầu của khách hàng.
Sau khi có đủ thông tin cần thiết, hãy xác nhận lại ngắn gọn với người dùng."
Mục đích của phần chỉ dẫn này là giúp chatbot phân biệt được hai trường hợp:
- Khách chỉ tìm hiểu
- →
- Trả lời câu hỏi
- Khách muốn được tư vấn/liên hệ
- →
- Thu thập thông tin
Đồng thời, chatbot cần tận dụng ngữ cảnh của cuộc trò chuyện thay vì hỏi lại những thông tin khách hàng đã cung cấp.
Bước 4: Kiểm thử quá trình thu thập thông tin
Sau khi hoàn thành cấu hình, quay lại website Ezyvora và mở chatbot.
Ví dụ: "Để Ezyvora có thể liên hệ và tư vấn cụ thể hơn, anh/chị vui lòng cho tôi biết họ tên và email hoặc số điện thoại liên hệ."
Tiếp tục trả lời như ví dụ dưới đây:
Lúc này chatbot không cần hỏi lại "Anh/chị đang quan tâm đến dịch vụ nào?", bởi thông tin Gói Chuyên Nghiệp đã xuất hiện trước đó trong cuộc trò chuyện. Đây cũng là điểm quan trọng cần kiểm tra: chatbot phải tận dụng được ngữ cảnh hội thoại thay vì biến quá trình thu thập thông tin thành một biểu mẫu hỏi lần lượt từng trường.
Ngược lại, nếu khách chỉ hỏi:
Qua các tình huống này, chúng ta có thể kiểm tra được chatbot có thực sự hiểu quy trình thu thập khách hàng tiềm năng hay chỉ đang yêu cầu thông tin một cách máy móc.
Bước 5: Chuẩn bị lưu thông tin khách hàng vào hệ thống
Đến đây, chatbot đã có thể thu thập được những thông tin như sau:
Tuy nhiên, thông tin này hiện mới chỉ tồn tại trong cuộc trò chuyện. RAG cũng không nên được sử dụng làm nơi lưu thông tin cá nhân của từng khách hàng. Vai trò của RAG trong bài này chỉ là cung cấp cho chatbot quy trình và những thông tin cần thu thập.
Để doanh nghiệp thực sự sử dụng được dữ liệu này, bước tiếp theo sẽ là kết nối chatbot với chức năng của hệ thống để lưu thông tin khách hàng sau khi thu thập thành công. Phần kết nối chatbot và lưu thông tin khách hàng vào hệ thống sẽ được đề cập chi tiết trong bài viết tiếp theo.
Kết luận
Sau bài này, chatbot Ezyvora đã biết cách nhận biết khi khách hàng có nhu cầu tư vấn, xác định những thông tin cần thu thập và tránh hỏi lại những nội dung khách đã cung cấp trước đó.
Trong thực tế, chúng ta chỉ nên dùng RAG để lưu quy trình thu thập khách hàng tiềm năng, còn thông tin thực tế như họ tên, email hay số điện thoại cần được lưu vào hệ thống riêng. Đây cũng chính là bước tiếp theo để biến thông tin chatbot thu thập được thành dữ liệu mà doanh nghiệp có thể tiếp tục sử dụng cho quá trình tư vấn và chăm sóc khách hàng.