Chatbot AI trên website ngày nay không chỉ dừng lại ở việc trả lời những câu hỏi có sẵn. Khi được kết nối với dữ liệu và các chức năng của hệ thống, chatbot có thể hỗ trợ doanh nghiệp giải đáp thông tin, tư vấn sản phẩm và dịch vụ, tìm kiếm dữ liệu, thu thập khách hàng tiềm năng và thực hiện các tác vụ thực tế.
Trong chuỗi bài này, chúng ta sẽ từng bước xây dựng một chatbot AI cho website doanh nghiệp với EzyChat, EzyAI, EzyRAG và EzyVector. Ví dụ xuyên suốt series là website Ezyvora. Chatbot sẽ được phát triển từng bước, từ một cửa sổ trò chuyện cơ bản đến một trợ lý AI có khả năng sử dụng dữ liệu và hỗ trợ khách hàng ngay trên website.
🚀 Bắt đầu nhanh
Toàn bộ quá trình có thể hình dung qua 5 giai đoạn:
- Khởi tạo chatbot Tạo chatbot AI cơ bản và tích hợp vào website để người dùng có thể bắt đầu trò chuyện.
- Xây dựng nguồn kiến thức Sử dụng EzyRAG và EzyVector để cung cấp cho chatbot những thông tin riêng của doanh nghiệp.
- Mở rộng khả năng của chatbot Tạo các kỹ năng AI, cho chatbot tư vấn sản phẩm và truy xuất những dữ liệu cần thiết từ website.
- Xây dựng hành trình khách hàng Thiết kế hội thoại để chatbot biết khi nào nên trả lời, hỏi thêm, tư vấn và thu thập thông tin khách hàng.
- Đưa chatbot vào sử dụng thực tế Cho chatbot thực hiện tác vụ trên hệ thống, kiểm thử câu trả lời, kiểm soát quyền truy cập và tiếp tục cải thiện sau khi triển khai.
Luồng cuối cùng chúng ta hướng tới là:
- Khách hàng
- →
- Chatbot
- →
- Hiểu nhu cầu
- →
- Tìm dữ liệu
- →
- Tư vấn
- →
- Thu thập thông tin
- →
- Thực hiện tác vụ
✨ Lời mở đầu
Một mô hình AI có thể hiểu ngôn ngữ và tạo ra những câu trả lời tự nhiên. Nhưng khi được đưa lên website của một doanh nghiệp, AI không tự biết những thông tin riêng của doanh nghiệp đó.
Ví dụ, chatbot Ezyvora cần trả lời được:
- Ezyvora cung cấp những dịch vụ nào?
- Gói Chuyên Nghiệp phù hợp với ai?
- Làm thế nào để mua Gói Chuyên Nghiệp?
- Tôi muốn được tư vấn thêm thì cần làm gì?
Không chỉ vậy, khi khách hàng cung cấp thông tin liên hệ, chatbot còn cần biết bước tiếp theo cần thực hiện như thế nào.
Vì vậy, một chatbot doanh nghiệp hoàn chỉnh cần nhiều thành phần phối hợp với nhau:
- EzyChat — cung cấp chức năng trò chuyện trên website.
- EzyAI — xử lý AI Chat và các kỹ năng của chatbot.
- EzyRAG — quản lý nguồn kiến thức mà AI có thể tìm kiếm.
- EzyVector — lưu trữ và tìm kiếm dữ liệu vector.
- Tool/API — giúp AI tương tác với dữ liệu và chức năng thực tế của hệ thống.
Thay vì cấu hình tất cả ngay từ đầu, trong series này chúng ta sẽ bổ sung từng khả năng cho chatbot qua từng chương, tương tự cách series Vibe Coding với EzyPlatform tổ chức hành trình thực hành từ cơ bản đến hoàn thiện.
📚 Mục lục
Chương đầu tiên bắt đầu từ việc tạo một chatbot AI cơ bản và đưa chatbot lên website. Chúng ta sẽ thiết lập những thành phần cần thiết để hoàn thành luồng:
- Người dùng
- →
- Website
- →
- EzyChat
- →
- AI
- →
- Câu trả lời
Ở giai đoạn này, chatbot chưa cần biết toàn bộ dữ liệu doanh nghiệp. Mục tiêu chính là xây dựng được nền tảng để những chương tiếp theo có thể tiếp tục mở rộng.
Sau khi chatbot cơ bản hoạt động, vấn đề tiếp theo là làm thế nào để AI hiểu những thông tin riêng của doanh nghiệp. Chúng ta sẽ sử dụng EzyRAG và EzyVector để xây dựng nguồn kiến thức từ các nội dung như:
- Giới thiệu doanh nghiệp
- →
- Sản phẩm/Dịch vụ
- →
- FAQ
- →
- Hướng dẫn
- →
- Chính sách
Dữ liệu được chuyển thành embedding và lưu vào collection để AI có thể tìm kiếm nội dung liên quan khi cần.
Có dữ liệu trong RAG chưa có nghĩa chatbot sẽ tự động sử dụng được. Ở chương này, chúng ta sẽ kết nối nguồn dữ liệu vừa xây dựng với AI Chat để chatbot có thể tìm kiếm thông tin trước khi trả lời.
Luồng xử lý lúc này trở thành:
- Người dùng hỏi
- →
- AI tìm kiếm RAG
- →
- Nhận dữ liệu liên quan
- →
- AI tạo câu trả lời
Sau khi chatbot đã có nguồn kiến thức, bước tiếp theo là hướng dẫn AI cách xử lý những nhiệm vụ cụ thể. Chúng ta có thể tạo các AI Skill riêng thay vì sử dụng một chỉ dẫn chung cho tất cả tình huống.
Kỹ năng có thể hướng dẫn chatbot xác định vấn đề, hỏi thêm khi thông tin chưa đầy đủ và sử dụng nguồn kiến thức phù hợp trước khi đưa ra hướng dẫn.
Từ các kỹ năng cơ bản, chúng ta tiếp tục ứng dụng chatbot vào một tình huống gần với hoạt động kinh doanh hơn: tư vấn sản phẩm và dịch vụ.
Với các trường hợp này, chatbot nên lấy dữ liệu hiện tại từ website thay vì phụ thuộc vào một bản dữ liệu cũ trong RAG. Luồng xử lý có thể trở thành:
- Người dùng hỏi
- →
- AI xác định nhu cầu
- →
- Gọi Tool/API
- →
- Hệ thống trả dữ liệu
- →
- AI trả lời
Đây là bước giúp chatbot bắt đầu làm việc với dữ liệu thực tế của website.
Khi khách hàng đã quan tâm đến một dịch vụ và muốn được tư vấn thêm, chatbot cần nhận biết đúng thời điểm để bắt đầu thu thập thông tin liên hệ thay vì hỏi ngay từ đầu.
Có dữ liệu và khả năng tư vấn chưa đủ để tạo ra một trải nghiệm chatbot tốt.
Chatbot còn cần biết:
- Khi nào nên trả lời trực tiếp?
- Khi nào cần hỏi thêm?
- Khi nào nên tư vấn?
- Khi nào nên đề xuất bước tiếp theo?
- Khi nào mới nên yêu cầu thông tin liên hệ?
Một hành trình cơ bản có thể là:
- Tiếp nhận câu hỏi
- →
- Hiểu nhu cầu
- →
- Hỏi thêm khi cần
- →
- Tư vấn
- →
- Đề xuất bước tiếp theo
Thay vì viết cứng từng câu trả lời, chúng ta sẽ thiết kế những quy tắc để AI có thể linh hoạt xử lý các cuộc hội thoại khác nhau.
Không phải cuộc trò chuyện nào cũng nên để AI xử lý hoàn toàn. Chương này xây dựng mô hình kết hợp: AI đảm nhiệm hỗ trợ ban đầu, còn nhân viên tiếp quản khi khách cần trao đổi trực tiếp.
- Chatbot AI hỗ trợ
- →
- Nhân viên tiếp nhận
- →
- Tư vấn
- →
- Đăng ký tư vấn
Chương cuối thiết lập hồ sơ chat trên EzyChat làm cầu nối giữa khách hàng, chatbot AI và nhân viên chăm sóc khách hàng, hoàn thiện luồng:
- Khách hàng trên website
- →
- Chatbot AI
- →
- EzyChat Support
- →
- Nhân viên chăm sóc khách hàng