AI remarketing: 6 bước giữ khách cũ tự động, đúng thời điểm

Qua hơn 14.000 dự án, MONA thường thấy chủ doanh nghiệp có đủ số điện thoại, email và lịch sử đơn hàng nhưng vẫn chăm khách cũ bằng trí nhớ của từng người bán. AI remarketing gom những dấu hiệu ấy để nhận ra ai vừa ghé, ai đã mua và ai lâu chưa quay lại, rồi nhắn đúng lúc qua email, Zalo hoặc Messenger.

Anh chị có thể tự thiết lập một luồng cơ bản trong 6 bước với bảng dữ liệu và công cụ sẵn có, tốn 0 đồng phần mềm. Bài này đi thẳng vào cách làm, những chỗ dễ sai và lúc shop cần nối dữ liệu đơn hàng thành một hệ chăm khách tự động. Làm một luồng trước.

AI remarketing bắt đầu từ lớp khách doanh nghiệp đã trả tiền để có

Một khách cũ đã biết sản phẩm, từng đi qua bước thanh toán và để lại dữ liệu liên hệ, nên mỗi lần mời họ quay lại thường đỡ tốn công hơn việc giải thích từ đầu cho người lạ. Tụi em luôn rà lớp khách ấy trước khi đề xuất tăng ngân sách kéo khách mới. Tiền quảng cáo ban đầu đã đưa khách tới website hoặc cửa hàng. Nếu đơn hoàn tất xong mà hồ sơ nằm yên, shop bỏ phí cả lịch sử mua, chu kỳ dùng sản phẩm và kênh liên lạc khách từng chọn.

AI remarketing dùng chính dữ liệu đó để tạo lần chạm kế tiếp. Khách vừa bỏ giỏ cần một lời nhắc ngắn; khách đã mua 30 ngày cần hướng dẫn hoặc gợi ý mua lại; khách trung thành cần nội dung khác hẳn hai nhóm đầu. Anh chị hãy bắt đầu bằng 3 con số: tỷ lệ khách mua lại trong 30 ngày, số ngày trung bình giữa 2 đơn và doanh thu từ khách cũ. Sau 4 tuần chạy, 3 số ấy cho biết hệ thống đang giữ khách thật hay chỉ tạo thêm tin nhắn.

Nếu chưa từng đo tỷ lệ mua lại, anh chị đừng vội dựng 10 kịch bản. Hãy chọn một nhóm có hành vi rõ, chạy 1 tháng và ghi nhận số khách quay lại trước khi mở rộng. Đo rồi mới mở rộng.

Remarketing thủ công tốn người vì luôn chậm hơn hành vi khách

Ở shop nhỏ, người bán còn nhớ chị nào hay mua màu đen, anh nào thường đặt cuối tháng và ai vừa hỏi giá tối qua. Khi số đơn tăng, trí nhớ ấy nằm rải trong sổ, file Excel, hộp thư Fanpage và điện thoại cá nhân nên chẳng ai có đủ hồ sơ để nhắn đúng. Remarketing thủ công còn chậm ở khâu xuất và ghép dữ liệu. Người phụ trách tải đơn hôm qua, lọc người chưa mua, soạn nội dung, nhập lên từng kênh; tới lúc gửi xong, một phần khách đã chốt đơn hoặc đổi nhu cầu.

Ở một shop thời trang bán qua web, Fanpage và cửa hàng, tụi em từng thấy khách thanh toán xong vẫn nhận 2 lời nhắc bỏ giỏ trong 6 giờ. Tụi em nối trạng thái đơn về một hồ sơ, đặt lệnh dừng ở lần mua đầu rồi chạy thử lại bằng 12 đơn nội bộ. Cả 12 đơn đều rời nhóm nhắc giỏ ngay khi thanh toán đổi trạng thái. Dừng sai tin trước.

Ba việc làm tay dễ sai

Thứ nhất là nhận diện cùng một người. Email trên web, số điện thoại trong đơn và tài khoản nhắn tin có thể thuộc một khách, nhưng 3 hệ thống lại xem thành 3 hồ sơ khác nhau. Gộp đúng người trước.

Thứ hai là dừng kịch bản. Người phụ trách thường nhớ bật chiến dịch nhưng quên đặt điều kiện dừng ngay khi khách mua, yêu cầu hủy nhận hoặc chuyển sang nhóm chăm sóc khác. Tụi em luôn thử tối thiểu 3 trạng thái: mua xong, hủy nhận và chuyển hỗ trợ. Đặt dừng trước.

Thứ ba là giữ tần suất giữa các kênh. Mỗi bộ phận nhìn lịch riêng nên cùng một khách nhận email buổi sáng, Zalo buổi trưa và Messenger buổi tối với 3 ưu đãi lệch nhau. Một lịch gửi chung.

Anh chị tự làm được khi tệp còn nhỏ, nhưng phải chỉ định 1 người giữ quy tắc và lịch gửi chung. Không có người chịu trách nhiệm cuối, thêm công cụ chỉ làm số nơi cần kiểm tăng lên. Chốt một người giữ lịch.

AI tự nhặt khách đã ghé, đã mua rồi chọn lần nhắn tiếp

AI remarketing cần một tín hiệu vào, một bộ quy tắc và một hành động ra. Tín hiệu có thể là xem sản phẩm 2 lần, bỏ giỏ hơn 2 giờ, hoàn tất đơn hoặc 45 ngày không quay lại; hành động là gửi nội dung qua kênh khách đã đồng ý nhận. AI đọc lịch sử để gợi ý nhóm, viết nhiều bản nội dung và xếp thời điểm gửi theo phản ứng trước đó. Hệ thống tự động chịu phần cập nhật hồ sơ, kích hoạt kịch bản và dừng ngay khi trạng thái đơn thay đổi.

Email, Zalo và Messenger làm ba việc khác nhau

Email hợp với nội dung cần giải thích, hướng dẫn sau mua, bộ sưu tập hoặc chuỗi nuôi khách kéo dài nhiều ngày. Zalo hợp với thông báo ngắn gắn số điện thoại, còn Messenger thuận tiện khi cuộc trò chuyện ban đầu đã diễn ra trên Fanpage. Tụi em không ép mọi khách đi qua cả 3 kênh. Một người từng mở email đều thì cứ chăm qua email; người chỉ phản hồi Messenger cần được giữ ở Messenger, trừ khi họ chủ động chọn thêm kênh khác.

Nếu anh chị muốn hiểu lớp nhận diện và bám lại khách trước khi dựng kịch bản, bài remarketing là gì sẽ giúp phân biệt remarketing với một đợt gửi khuyến mãi đại trà. Đọc phần ấy trước giúp đội bán hàng thống nhất cùng một cách gọi. Chọn một kênh thôi.

Cách tự thiết lập AI remarketing ở mức cơ bản

Một luồng đầu tiên chỉ cần phục vụ 1 nhóm, 1 mục tiêu và 1 kênh; làm hẹp giúp anh chị nhìn được lỗi dữ liệu trước khi nó lan sang hàng nghìn hồ sơ. Tụi em hay chọn nhóm đã mua vì trạng thái đơn và ngày mua thường rõ hơn dữ liệu chỉ xem trang. Anh chị làm theo 6 bước dưới đây, mỗi bước đều phải chạy thử bằng hồ sơ nội bộ trước khi chạm tới khách thật. Đừng bật hết ngay.

Bước 1: Gom các cột đủ để nhận diện khách

Tạo một bảng gồm mã khách, họ tên, email, số điện thoại, kênh đồng ý nhận tin, sản phẩm đã mua, ngày mua gần đây và trạng thái đơn. Nếu cùng email xuất hiện 2 lần, giữ 1 hồ sơ chính và gộp lịch sử mua vào đó. Tụi em còn thêm cột “ngày được nhắn gần đây” để tránh một người bị chạm liên tục. Chỉ 1 cột này đã giúp người vận hành nhìn ra xung đột trước khi đổ dữ liệu sang từng kênh.

Bước 2: Chọn một nhóm và một đích đến

Ví dụ dễ làm là khách đã nhận hàng 30 ngày nhưng chưa có đơn mới, mục tiêu đưa họ về trang danh mục từng mua. Điều kiện cần ghi thành câu đọc được, không dùng nhãn mơ hồ kiểu “khách sắp rời đi”.

Anh chị lấy ngẫu nhiên 10 hồ sơ trong nhóm và kiểm tay từng dòng. Nếu có người đang khiếu nại, đã hủy nhận hoặc vừa mua lại, sửa quy tắc trước khi viết nội dung. Sai một dòng cũng sửa.

Bước 3: Cho AI viết ba bản tin từ dữ liệu thật

Đưa cho AI tên nhóm, sản phẩm, khoảng thời gian, giọng thương hiệu, thông tin được phép dùng và mục tiêu của nút bấm. Lệnh mẫu dưới đây đủ để shop tạo 3 bản nháp đầu:

Viết ba tin nhắn cho khách đã mua [sản phẩm] cách đây 30 ngày và chưa có đơn mới. Giọng gần gũi, không giả vờ biết cảm xúc khách. Mỗi bản dưới 70 chữ, nhắc đúng sản phẩm, dẫn về [đường dẫn], không tự tạo giá hoặc ưu đãi.

Người duyệt phải kiểm tên sản phẩm, giá, thời hạn và đường dẫn. Nếu AI tự thêm quà hoặc mã giảm giá, xóa ngay và bổ sung câu “chỉ dùng dữ kiện được cung cấp” vào lệnh cho lần sau. Dữ kiện sai thì bỏ.

Bước 4: Đặt thời điểm, tần suất và điều kiện dừng

Chọn một mốc dựa trên chu kỳ mua thật, chẳng hạn 30 ngày với sản phẩm dùng hàng tháng hoặc 90 ngày với dịch vụ bảo dưỡng theo quý. Đừng chép mốc của ngành khác vì nhịp mua cà phê, mỹ phẩm và khóa học khác nhau rõ. Điều kiện dừng phải gồm ít nhất 3 trường hợp: khách phát sinh đơn, khách yêu cầu ngừng nhận và người phụ trách chuyển hồ sơ sang xử lý riêng. Không có bước dừng, kịch bản cũ tiếp tục chạy dù tình trạng khách đã đổi.

Bước 5: Gửi thử một nhóm nhỏ

Chọn 5% đến 10% tệp, theo dõi trong 24 giờ rồi mới mở phần còn lại. Kiểm số gửi thành công, phản hồi, lượt nhấp, đơn hàng và số người yêu cầu ngừng nhận. Tụi em khuyên đọc cả câu trả lời của khách, đừng chỉ nhìn bảng số. Những câu như “tôi vừa mua rồi” hoặc “sao ngày nào cũng gửi” chỉ thẳng lỗi dữ liệu và tần suất mà biểu đồ không giải thích được.

Bước 6: Đối chiếu doanh thu với nhóm không gửi

Giữ lại một nhóm nhỏ không nhận tin trong cùng thời gian để so tỷ lệ quay lại. Nếu hai nhóm gần như bằng nhau, chiến dịch đang tạo thêm hoạt động nhưng chưa tạo thêm kết quả kinh doanh.

Sau mỗi vòng, chỉ sửa 1 biến như thời điểm, nội dung hoặc kênh. Cách này chậm hơn việc đổi hết trong 1 đêm, nhưng anh chị biết chính xác điều gì giúp khách quay lại. Chỉ sửa một biến.

Case chuỗi cafe cho thấy dữ liệu đơn hàng phải đi trước nội dung

Bản cũ dùng một chuỗi cafe 6 chi nhánh để minh họa, và tụi em giữ lại vì mô hình này giải thích luồng khá dễ; đây là kịch bản minh họa, không phải số liệu của một khách hàng cụ thể. Quán có lịch sử mua trong ứng dụng tích điểm và máy bán hàng, nhưng dữ liệu chỉ được dùng để cộng điểm. Trong mô hình ấy, khách được chia thành 3 nhóm: ghé hàng tuần, ghé không đều và đã 60 ngày chưa quay lại. Mỗi nhóm có tần suất, món thường gọi và giờ mua khác nhau, nên một mã giảm giá gửi chung sẽ bỏ phí phần dữ liệu có giá trị.

Cách chạy kịch bản cafe

Nhóm ghé hàng tuần nhận cập nhật món mới hoặc điểm sắp đạt hạng, không cần giảm giá liên tục. Nhóm ghé không đều nhận gợi ý dựa trên món từng mua, còn nhóm im lặng 60 ngày nhận một lời mời quay lại vào khung giờ họ thường đặt. Khi một khách mua tại bất kỳ chi nhánh nào, trạng thái phải cập nhật về hồ sơ chung và dừng mọi tin kéo lại đang chờ. Nếu máy bán hàng tại cửa hàng không trả dữ liệu về, AI vẫn tưởng khách chưa mua và tiếp tục nhắn sai.

Bài học tụi em giữ từ case này khá thẳng: AI viết hay tới đâu cũng không cứu được trạng thái mua hàng cập nhật chậm. Hãy nối dữ liệu từ điểm bán trước, rồi mới tranh luận câu chữ nào nghe hấp dẫn hơn. Nối POS trước.

Nội dung lặp và đa kênh là hai chỗ tự làm thường gãy

Ở một cửa hàng thực phẩm giao định kỳ, tụi em từng gom 4.600 hồ sơ từ website và phần mềm bán hàng rồi phát hiện 318 người đã mua vẫn nằm trong nhóm “30 ngày chưa quay lại”. Tụi em sửa điều kiện vào nhóm, đặt đồng bộ trạng thái mỗi 15 phút và chạy đối chiếu trong 2 tuần. Luồng mới dừng đúng sau đơn phát sinh, còn người chưa mua mới nhận lời nhắc. Sửa trạng thái trước.

Khi tệp tăng, cùng một mẫu được AI thay tên rồi gửi hết tháng này sang tháng khác, khách sẽ nhận ra rất nhanh. Cá nhân hóa thật cần thay đổi theo sản phẩm, lần mua, phản hồi và trạng thái hiện tại, chứ thay mỗi tên ở đầu thư chỉ là trộn dữ liệu. Đa kênh làm lỗi nặng hơn vì mỗi nơi có một lịch, một định dạng và một cách nhận phản hồi. Một khách bấm email, hỏi thêm trên Messenger rồi mua tại cửa hàng cần được ghi thành một chuỗi, nếu không 3 bộ phận vẫn tưởng họ là 3 người.

Các dấu hiệu hệ thống đang gãy gồm:

• Một khách nhận cùng thông điệp từ hai kênh trong 24 giờ.
• Người đã mua vẫn nằm trong nhóm bỏ giỏ hoặc lâu chưa quay lại.
• AI lặp một cách mở bài suốt nhiều chiến dịch.
• Nhân viên phải xuất, sửa và nhập lại file trước mỗi lượt gửi.
• Báo cáo chỉ có lượt xem, không nối được tới đơn hàng.

Tới đoạn này, anh chị cần một hồ sơ khách tập trung và quy tắc ưu tiên kênh. Bài chăm sóc khách hàng cũ bằng AI đi sâu hơn vào cách dữ liệu sau bán hàng trở thành lịch chăm chủ động. Tụi em chốt quan điểm khá rõ: tệp nhỏ cứ tự làm để hiểu khách, tệp lớn thì dừng ghép file trước khi thuê thêm người gửi. Thêm 2 người gửi vẫn không giải quyết được trạng thái đơn cập nhật trễ giữa các hệ thống. Đừng chữa bằng thêm người.

MONA nối AI chăm khách với dữ liệu đơn hàng

MONA làm từ 2016, đã triển khai hơn 14.000 dự án và có 85% khách quay lại, nên tụi em hiểu giá trị của lần mua thứ hai nằm ở cách hệ thống nhớ đúng việc đã xảy ra. Với AI remarketing, phần đầu tiên tụi em rà là đường đi của đơn hàng, hồ sơ khách và phản hồi giữa website, điểm bán, email, Zalo, Messenger. Khi hệ AI chăm sóc khách của MONA được gắn vào dữ liệu đơn, khách mua xong sẽ rời nhóm nhắc giỏ, chuyển sang luồng sau bán và được ưu tiên đúng kênh từng phản hồi. Nội dung do AI soạn theo khung đã duyệt, còn mọi giá, điều kiện và thời hạn lấy từ dữ liệu shop quản lý.

Website là nơi ghi lại sản phẩm đã xem, giỏ hàng và đơn trực tuyến, nên một hệ web bán hàng nối được dữ liệu chăm khách giúp remarketing chạy từ hành vi thật thay vì file xuất cuối tuần. Tụi em cũng nối lại dữ liệu tại cửa hàng khi shop bán cả trực tiếp lẫn trực tuyến. Anh chị chưa cần đặt hệ riêng nếu chỉ có 1 kênh và vài trăm hồ sơ; hãy chạy luồng cơ bản ở trên để thấy đúng chỗ tốn công. Khi tệp lớn, nội dung bắt đầu lặp và trạng thái khách lệch giữa nhiều kênh, gọi 1900 636 648 để MONA rà dữ liệu và dựng AI remarketing bám đúng đơn hàng. Rà đơn hàng trước.