Chatbot AI bán hàng: 2 cách làm và cách chọn đúng bài toán

Bài này tụi em viết cho anh chị chủ shop chưa rành kỹ thuật, đang nghe người ta nhắc chatbot AI bán hàng khắp nơi mà chưa hình dung nó là cái gì. Nói gọn, chatbot bán hàng là phần mềm tự động trả lời tin nhắn của khách thay cho nhân viên, gắn vào fanpage, Zalo, website hay gian hàng trên sàn. MONA làm phần mềm từ 2016, gần 10 năm, năm nào cũng có khách tới đặt làm chatbot, nên tụi em kể lại mọi thứ bằng kinh nghiệm thật: có 2 cách làm chatbot, mỗi cách hợp một kiểu bài toán khác nhau. Đọc hết bài, anh chị tự biết shop mình nên chọn loại nào.

Khách nhắn nhiều hơn sức người trả lời, chatbot bán hàng sinh ra từ đó

Anh chị cứ hình dung một shop thời trang đang chạy quảng cáo Facebook. 11 giờ đêm, một chị khách nằm lướt điện thoại, thấy cái đầm ưng quá nên nhắn vô fanpage hỏi còn size M không. Nhân viên trực page giờ đó ngủ mất rồi, tin nhắn nằm im tới sáng, và khi 8 giờ mở máy trả lời thì chị khách đã đặt một cái đầm khác của shop bên cạnh từ lúc nửa đêm. Cái cảnh đó chủ shop nào bán qua mạng cũng từng nếm. Mất khách không phải vì nhân viên lười, mà vì người thì phải ngủ còn khách thì không.

Chuyện thứ hai là số lượng. Shop bán lẻ chạy quảng cáo đều tay thì một ngày vài ngàn người nhắn tin là chuyện bình thường, 10.000 người nhắn cũng bình thường luôn, và đó là số người chứ chưa tính mỗi người nhắn cả chục tin. Ông thì nhắn Messenger, ông nhắn Zalo, ông hỏi trên TikTok Shop, ông hỏi bên Shopee, khách lớn tuổi hơn thì gọi thẳng tổng đài. Khách dưới 40 tuổi bây giờ chuộng nhắn tin hơn gọi điện, nên bao nhiêu gánh nặng dồn hết về khung chat.

Chuyện thứ ba ít ai để ý: người trực page đang đại diện cho nguyên thương hiệu. Khách nhắn cho fanpage không nghĩ mình đang nói chuyện với một nhân viên, khách nghĩ mình đang nói chuyện với nguyên cái công ty đó. Người ngồi vị trí này phải hiểu sản phẩm, kiểu áo này chất vải gì, cao bao nhiêu nặng bao nhiêu thì mặc size nào, lại phải nắm tình trạng doanh nghiệp, size L mẫu đó còn ở chi nhánh nào hay hết rồi. Hai chuyện cộng lại đã đủ lầm sầm.

Chưa hết, người trực page thường kiêm luôn chăm sóc sau bán: khách hỏi hàng tới đâu rồi, khách than sao hàng giao xấu vậy, khách đòi đổi size. Một người phụ trách 200 tới 300 khách một ngày thì không cách nào tiếp ai cũng chu đáo như nhau, nhất là khi một phiên chat kéo cả ngày, sáng khách hỏi cái áo, đầu giờ chiều mới trả lời tiếp, cuối giờ chiều mới chịu chuyển khoản. Việc này quải và stress thật sự. Chatbot sinh ra để đỡ đúng chỗ đó.

Tự động trả lời tin nhắn fanpage là nhu cầu có thật suốt 20 năm

Nhu cầu cho máy tự động trả lời tin nhắn fanpage, Zalo không phải mốt mới nổi, nó tồn tại khoảng 20 năm nay rồi. MONA bước chân vô ngành phần mềm tới nay gần 10 năm, gần như năm nào cũng có khách mang đúng yêu cầu này tới đặt hàng. Lý do đơn giản: vị trí trực page quan trọng thật, mà tuyển khó, đào tạo khó, quản còn khó hơn. Trên thế giới, trực tổng đài và chăm sóc khách là một nghề riêng, có hẳn những công ty chuyên nghiệp sống bằng nghề đó. Một shop bán lẻ tự dựng đội như vậy là gánh thêm nguyên một mảng vận hành không phải sở trường của mình.

Chatbot tình huống, cách làm đã đứng vững 20 năm

Cách làm thứ nhất là loại cả thị trường đã làm suốt 20 năm nay, MONA tạm gọi là chatbot Tình huống, nhiều nơi gọi là chatbot kịch bản. Gọi vậy vì toàn bộ con bot dựng trên một cây tình huống do con người soạn sẵn từ trước. Anh chị cứ hình dung cuốn thực đơn của quán ăn: món nào có trong thực đơn thì gọi được, món nào không có thì bếp không nấu. Cây tình huống cũng vậy, câu nào đã soạn thì bot trả lời được, câu nào chưa soạn thì bot mời khách chọn lại hoặc chuyển máy cho người trực.

Ví dụ shop thời trang dựng một cây đơn giản: khách mở khung chat thấy 3 nút, Xem bảng size, Tra đơn hàng, Khuyến mãi hôm nay. Khách bấm Tra đơn hàng, bot hỏi mã đơn, khách gõ mã, bot trả về tình trạng giao. Mỗi nút là một nhánh, dưới nhánh lại có nhánh con, người vận hành soạn từng câu trả lời cho từng nhánh và duyệt từng chữ trước khi cho chạy.

Về công nghệ, loại này chạy bằng hai kỹ thuật rất kinh điển của ngành lập trình. Thứ nhất là if-else, hiểu nôm na là những câu lệnh dạng nếu thì: nếu khách bấm nút A thì trả câu soạn cho nút A, nếu bấm nút B thì trả câu soạn cho nút B. Thứ hai là so khớp từ khóa, dân lập trình gọi là pattern matching: lập trình viên dặn máy trước, hễ tin nhắn có chữ size thì trả bảng size, hễ có chữ ship thì trả phí giao hàng. Máy không cần hiểu nghĩa cả câu, chỉ cần dò trúng chữ đã được dặn.

Luồng xử lý từ lúc khách nhắn tới lúc bot trả lời

Để anh chị hình dung trọn vẹn, tụi em vẽ đường đi của một tin nhắn bằng lời:

• Bước 1: khách gõ một câu, hoặc bấm một nút trong khung chat.
• Bước 2: hệ thống nhận tin, đem so với danh sách nút và từ khóa đã khai báo sẵn.
• Bước 3: khớp nhánh nào, hệ thống mở kho câu trả lời, lấy đúng câu đã soạn sẵn của nhánh đó.
• Bước 4: gửi câu đó về cho khách, kèm mấy nút gợi ý cho bước kế tiếp.

Anh chị để ý một điểm quan trọng: suốt 4 bước, không có chỗ nào máy tự nghĩ ra chữ. Nó không đoán, không tự chế câu. Mọi chữ khách đọc được đều do con người viết và duyệt từ trước. Nghe qua tưởng là điểm yếu, nhưng nhìn bằng con mắt vận hành thì đây chính là điểm mạnh lớn của loại này: doanh nghiệp kiểm soát tuyệt đối từng câu chữ phát ra ngoài, không bao giờ có chuyện bot hứa một lời mà công ty không định hứa.

Ba bài toán chatbot tình huống đang gánh rất ngọt

Tụi em làm phần mềm gần 10 năm, gặp yêu cầu chatbot đủ kiểu, và nói công tâm: có những bài toán mà loại tình huống làm tốt tới mức không có lý do gì để đổi. Phần này là kinh nghiệm thật từ những dự án đã giao, không phải lý thuyết.

Doanh nghiệp đông khách cỡ nhóm 5 công ty lớn của thị trường

Anh chị cứ hình dung một thương hiệu bán lẻ nằm trong nhóm 5 công ty lớn của cả thị trường Việt Nam. Mỗi câu bot trả lời không phải nói cho một người nghe, nó được phát cho hàng chục ngàn người mỗi ngày. Chỉ cần một câu diễn đạt hớ, sáng hôm sau ảnh chụp màn hình đã nằm trên mạng xã hội, phòng truyền thông đi dọn tới tết. Ở quy mô đó, doanh nghiệp cần một hệ thống mà pháp lý và truyền thông duyệt được từng chữ trước khi chạy. Cây tình huống soạn sẵn cho được đúng sự kiểm soát đó: máy chỉ phát những câu đã qua tay người duyệt.

Câu từ phải chuẩn chỉnh tuyệt đối

Có những ngành mà một chữ sai là thành chuyện lớn: giá, chính sách bảo hành, cam kết giao hàng, điều kiện khuyến mãi. Doanh nghiệp thà cho bot trả lời ngắn và cứng một chút, còn hơn để máy tự diễn đạt rồi lỡ lời. Với yêu cầu này, câu do người soạn và duyệt sẵn là chắc ăn: hôm nay khách hỏi, tháng sau khách khác hỏi, câu trả lời vẫn y hệt tới từng dấu phẩy.

Bán lẻ B2B cần nhanh gọn, chuyện tiệm phụ tùng là ví dụ đắt

Đây là bài toán tụi em thích kể vì nó đời lắm. Anh chị hình dung một tiệm bán sỉ phụ tùng xe máy, khách là mấy anh thợ sửa xe mua hàng ngày như cơm bữa. 7 giờ sáng, anh thợ vừa mở tiệm vừa nhắn: lấy tao 02 cái pô AB ship qua Q3. Bot trả lời liền trong một giây: OK, của anh 350k, đã ghi công nợ cho anh Thắng – AB Q3.

Cuộc mua bán kết thúc trong hai tin nhắn. Anh thợ không cần bot chào buổi sáng, không cần được tư vấn nên chọn pô nào cho hợp phong cách, càng không cần ai hỏi thăm dạo này khỏe không. Khách quen mua mỗi ngày cần đúng 3 thứ: tốc độ, chính xác, ghi sổ đúng. Với bài toán này, cây tình huống gọn gàng làm tròn vai, thêm chữ nào là thừa chữ đó.

Nói thêm một câu công bằng cho những đội đã vận hành loại chatbot này suốt 20 năm: họ rành nghề của họ thật sự. Họ biết khách hay bấm nút nào, hay rớt ở nhánh nào, biết chỉnh từng dòng chữ trên nút để thêm người bấm. Kinh nghiệm đó là tài sản thật của ngành, và tới giờ vẫn đang tạo ra tiền cho rất nhiều doanh nghiệp.

Đọc tới đây mà anh chị vẫn lợn cợn chưa biết shop mình rơi vô bài toán nào, cứ gọi 1900 636 648 kể tụi em nghe anh chị đang bán gì, một ngày bao nhiêu người nhắn, đội trực page mấy người. MONA làm phần mềm từ 2016 với hơn 14.000 dự án đã giao, nghe chừng 5 phút là tụi em hình dung được anh chị hợp loại nào, và cuộc gọi đó chưa cần mua bán gì hết. Anh chị cũng có thể ghé trang demo chatbot của MONA nhắn thử vài câu, coi máy trả lời ra sao rồi hãy tính tiếp.

Chatbot AI bán hàng đời mới đọc hiểu câu chữ như người

Cách làm thứ hai mới xuất hiện vài năm gần đây, khi có mô hình ngôn ngữ lớn, tiếng Anh gọi là LLM, chính là công nghệ đứng sau ChatGPT. Giải thích cho anh chị không rành kỹ thuật: người ta cho máy đọc một lượng chữ khổng lồ của loài người, nhiều tới mức máy nắm được cách con người dùng câu chữ. Nhờ vậy nó đọc hiểu được câu viết tự nhiên, chứ không còn dò từng từ khóa như trước. Chatbot dựng trên công nghệ này là loại MONA đang làm, và nó khác loại tình huống ngay từ cách tiếp nhận một tin nhắn.

Khách gõ: ao nay con sz M k sop. Viết tắt, sai chính tả, không dấu. Bot tình huống dò không trúng từ khóa nào đã khai báo thì mời khách chọn lại từ danh sách nút, đúng theo thiết kế của nó. Bot AI thì đọc ra ngay đây là câu hỏi áo này còn size M không, và trả lời thẳng vào chuyện đó. Khách nhắn một câu chứa 3 ý, vừa hỏi giá, vừa hỏi phí giao, vừa than lần trước giao chậm, bot AI tách được từng ý để trả lời cho đủ. Khách đổi ý giữa chừng, đang hỏi đầm nhảy qua hỏi giày, nó vẫn theo kịp mạch chuyện.

Nhưng anh chị lưu ý giùm tụi em một điểm, vì đây là chỗ nhiều nơi làm sai: mô hình ngôn ngữ lớn mới chỉ biết kiến thức chung của thế giới, nó chưa biết gì về shop của anh chị hết. Một con bot AI muốn bán được hàng phải được nạp kiến thức riêng. Sức mạnh thật của chatbot AI bán hàng nằm ở 3 tầng kiến thức nạp vào nó.

Ba tầng kiến thức quyết định bot khôn tới đâu

Tầng thứ nhất là kiến thức ngành. Với shop thời trang, đó là chuyện vải cotton khác vải lanh chỗ nào, người cao 1m60 nặng 55 ký nên mặc size gì với dáng áo này, đồ len giặt sao cho khỏi xù. Đây là tầng dễ nạp: kiến thức nghề bây giờ gần như không còn là bí mật của thị trường nữa. Cái hay là anh chị cài được dấu ấn riêng vô tầng này, kiểu loại vải này ở Việt Nam chỉ mình shop tôi làm, bot sẽ tư vấn đúng theo giọng đó.

Tầng thứ hai là kiến thức dịch vụ, sản phẩm. Tầng này là dữ liệu của chính shop: từng mã hàng có màu gì, giá bao nhiêu, bảng size ra sao, dáng suông hay dáng ôm, chính sách đổi trả cho từng dòng hàng. Nạp xong tầng này, bot mới tư vấn được như một nhân viên thuộc bài, so được mẫu này với mẫu kia thay vì nói chung chung.

Tầng thứ ba là dữ liệu công ty, tầng khó mà quý. Đây là phần nối bot vô phần mềm quản lý của doanh nghiệp: tồn kho theo size theo chi nhánh, mã khuyến mãi của từng đợt, vận đơn, công nợ của khách sỉ. Nối được tầng này, bot trả lời được những câu mà nhân viên phải mở mấy phần mềm mới tra ra. Đây cũng là tầng lầm sầm nhiều việc khi triển khai, nhưng MONA là công ty phần mềm B2B gần 10 năm với hơn 200 nhân sự, chuyện liên kết dữ liệu giữa nhiều hệ thống là việc tụi em làm quen tay hằng ngày.

Ba tầng gộp lại thì một câu hỏi rất đời của khách mới được trả lời trọn vẹn. Khách nhắn: em cao 1m58 nặng 60 ký mặc đầm này size gì, chi nhánh Gò Vấp còn không, có đang giảm giá không. Tầng ngành lo phần tư vấn size, tầng sản phẩm lo phần dáng đầm, tầng công ty tra tồn kho Gò Vấp và soi luôn đợt khuyến mãi đang chạy. Khách hỏi một câu, nhận một câu trả lời đủ 3 ý. Trước đây phải một nhân viên cứng nghề ngồi tra 3 chỗ mới làm nổi chuyện đó.

Một người tiếp 100 khách mỗi ngày, còn shop có vài ngàn người nhắn

Loại AI hợp với ai, tụi em nói thẳng theo kinh nghiệm triển khai: hợp với bán lẻ B2C, tức là bán cho người tiêu dùng, sản phẩm tầm vài trăm ngàn tới 1, 2 triệu, bán qua kênh chat là chính. Đặc điểm của tệp khách này là câu hỏi đa dạng vô cùng, mỗi khách một kiểu: người hỏi size, người so hai mẫu, người đòi giao gấp trong ngày, người trả giá, người hỏi cách phối đồ. Không cây tình huống nào soạn đủ nhánh cho từng đó kiểu hỏi. Đây đúng là đất sống của loại đọc hiểu.

Phép tính lương giữa đội trực page và một con bot

Tụi em làm một phép tính mà anh chị nào cũng tự kiểm lại được. Một nhân sự trực page chi phí khoảng 10 triệu mỗi tháng, tính đủ bảo hiểm xã hội, ngày phép, thưởng tháng 13, và một người tiếp tối đa chừng 100 khách mỗi ngày là căng. Shop chạy quảng cáo có vài ngàn người nhắn mỗi ngày thì phải nuôi 20 tới 30 người mới gánh nổi. Nhân lên, riêng tiền lương cho việc trả lời tin nhắn đã là con số làm chủ shop nào cầm bảng lương cuối tháng cũng thấm.

Chi phí chatbot cho cùng công suất đó bằng khoảng 1 phần 10, có khi 1 phần 20 quỹ lương này. Con số đó còn chưa tính những việc bot làm được mà người không làm nổi: trực lúc 2 giờ sáng, không nghỉ tết, và tiếp người khách thứ mấy ngàn trong ngày với đúng độ chu đáo như người khách đầu tiên. Phép tính này anh chị cứ bấm máy lại một lần cho chắc.

Hệ thống tự chat Zalo, Messenger còn nhớ và chăm lại khách cũ

Một hệ thống tự chat Zalo, Messenger đời mới không dừng ở việc trả lời người đang hỏi, nó còn nhớ từng khách để quay lại chăm. Trong cửa sổ 24 giờ mà Messenger và Zalo cho phép nhắn lại, bot chủ động hỏi thăm người hôm qua coi hàng mà chưa chốt, kiểu hôm qua anh coi cái màu đó, em có mẫu quần này cũng xịn lắm. Khách coi lâu quá không mua thì bot gửi một ưu đãi riêng, ví dụ mã giảm 15% cho đúng món khách đang ngắm. Khách mua rồi thì vài hôm sau nhắn hỏi hàng dùng ổn không, xin khách tấm hình, xin lượt đánh giá.

Một nhân viên tiếp 200, 300 khách mỗi ngày không tài nào nhớ nổi hôm qua ai coi món gì để đào lại, chuyện đó trách họ cũng tội. Bot thì nhớ từng người, và đó là chỗ ra thêm đơn mà không tốn thêm đồng quảng cáo nào. Anh chị bán nhiều bên Zalo có thể đọc thêm bài chatbot Zalo chốt đơn tụi em viết riêng cho kênh này.

Con chatbot AI bán hàng của MONA mang tên Dê Cười, đang chạy thật cho khoảng 30 tới 40 shop bán lẻ tính tới tháng 7/2026. Anh chị muốn coi nó tư vấn size, giữ hàng, lên đơn, tra vận đơn ra sao thì xem chi tiết ở trang AI Agent chatbot chốt đơn tự động.

Chọn theo bài toán, đừng chọn theo tên công nghệ

Tới phần anh chị chờ nãy giờ: rốt cuộc nên chọn loại nào. Câu trả lời thật lòng của tụi em là không có loại nào thắng chung cuộc, chỉ có loại hợp với bài toán của anh chị hơn. MONA làm cả hai loại, nên tụi em không có lý do gì phải kéo anh chị về một phía.

• Doanh nghiệp rất đông khách, cỡ nhóm 5 công ty lớn của thị trường, mỗi câu phát cho hàng chục ngàn người và cần duyệt từng chữ: chọn loại tình huống.
• Ngành mà giá, chính sách, cam kết không được phép sai một chữ: chọn loại tình huống.
• Khách quen mua lặp lại kiểu B2B, cần chốt nhanh, ghi sổ đúng, không cần tư vấn dông dài: loại tình huống làm rất ngọt.
• Bán lẻ B2C, khách mới liên tục, câu hỏi đa dạng, cần tư vấn size, so mẫu, chốt đơn rồi chăm lại khách cũ: chọn loại AI.
• Muốn bot nối vô tồn kho, khuyến mãi, vận đơn để trả lời bằng số liệu thật: loại AI với tầng dữ liệu công ty là thứ anh chị cần.

Còn nếu anh chị đi theo hướng tình huống và cần soạn cây cho khéo, tụi em có sẵn bài kịch bản chatbot bán hàng mẫu để anh chị tham khảo cách chia nhánh, đỡ phải mò từ đầu. Soạn kịch bản cũng là một cái nghề, soạn khéo với soạn vụng cho ra hai kết quả khác nhau xa.

Đi sâu từng kênh, từng tình huống

• chatbot AI đa kênh
• phần mềm chốt đơn tự động trên Facebook
• chốt đơn tự động khi livestream
• AI chốt đơn tự động
• chatbot AI trên Zalo OA
• Zalo OA chăm sóc khách hàng

Câu hỏi thường gặp về chatbot AI bán hàng

Chatbot tình huống là gì

Chatbot tình huống, nhiều nơi gọi là chatbot kịch bản, là loại chatbot chạy trên cây tình huống do con người soạn sẵn: khách bấm nút hoặc gõ trúng từ khóa nào thì bot trả đúng câu đã soạn của nhánh đó. Máy không tự nghĩ ra chữ, nhờ vậy doanh nghiệp kiểm soát tuyệt đối câu từ phát ra ngoài. Đây là cách làm đã chạy ổn định suốt 20 năm và vẫn đang phục vụ tốt nhiều doanh nghiệp lớn.

Chatbot AI khác chatbot kịch bản chỗ nào

Khác nhau ở cách hiểu tin nhắn. Chatbot kịch bản so khớp từ khóa và nút bấm với kho câu soạn sẵn, câu nằm ngoài kịch bản thì nó mời khách chọn lại. Chatbot AI dựng trên mô hình ngôn ngữ lớn nên đọc hiểu được câu viết tự nhiên, khách viết tắt hay sai chính tả vẫn hiểu, và trả lời dựa trên 3 tầng kiến thức được nạp: kiến thức ngành, dữ liệu sản phẩm và dữ liệu công ty.

Shop nhỏ nên dùng loại nào

Tụi em khuyên nhìn vào số người nhắn mỗi ngày. Dưới khoảng 100 khách một ngày, một nhân viên trực vẫn gánh ổn, anh chị chưa vội đầu tư gì. Khi chạy quảng cáo mà số người nhắn vượt sức đội trực, hoặc anh chị mất khách đêm khuya nhiều, lúc đó mới tính tới bot: câu hỏi của khách đa dạng và cần tư vấn thì chọn loại AI, khách chủ yếu tra đơn với xem bảng giá thì loại tình huống là đủ.

Chốt đơn tự động trên Facebook có cần soạn kịch bản trước không

Tùy loại bot anh chị dùng. Muốn chốt đơn tự động trên Facebook bằng bot tình huống thì phải soạn cây kịch bản trước, soạn càng kỹ càng đỡ sót khách. Dùng bot AI thì không soạn cây từng nhánh nữa, thay vào đó anh chị cùng đơn vị triển khai dựng persona cho bot, tức là giọng điệu xưng hô của shop, rồi nạp 3 tầng kiến thức để bot tự tư vấn và lên đơn.

Chi phí chatbot AI bán hàng tính thế nào

Mốc dễ hình dung: với cùng công suất tiếp khách, chi phí chatbot thường bằng khoảng 1 phần 10 tới 1 phần 20 quỹ lương của đội trực page tương đương. Con số cụ thể tùy độ sâu nối dữ liệu, nối tới tồn kho, khuyến mãi, vận đơn thì công triển khai nhiều hơn. Anh chị gọi 1900 636 648 kể bài toán của shop, tụi em tính giúp con số sát thực tế trước khi anh chị quyết.

Nhắn thử một con bot đang chạy thật rồi hãy quyết

Tụi em biết trước khi đọc bài này, nhiều anh chị đã tự xoay đủ cách rồi: thuê thêm người trực ca tối, tự mày mò cài bot nút bấm miễn phí, ngồi soạn từng câu trả lời mẫu cả tuần, thậm chí chồng thêm ca cho chính mình để ôm điện thoại tới nửa đêm. Từng cách đều đỡ được một khúc, và công sức đó là thật, tụi em không coi nhẹ. Nhưng người giỏi cỡ nào cũng phải ngủ, cũng về quê ăn tết, cũng không nhớ nổi hôm qua ai trong mấy ngàn người nhắn đã coi món gì. Bài toán của shop đông khách không nằm ở chỗ tuyển thêm ai, nó nằm ở chỗ cần một hệ thống trực suốt, nhớ từng khách và trả lời bằng số liệu thật của doanh nghiệp.

MONA làm phần mềm từ 2016, đội ngũ hơn 200 nhân sự, đã giao hơn 14.000 dự án, và làm cả hai loại chatbot trong bài này. Tuần này anh chị làm liền được 2 việc: một là ghé demo chatbot nhắn thử vài câu khó y như khách của anh chị hay hỏi, coi máy đỡ tới đâu; hai là gọi 1900 636 648 kể tụi em nghe shop anh chị bán gì, một ngày bao nhiêu người nhắn. Nghe xong, hợp loại tình huống tụi em nói thẳng là làm loại tình huống, hợp chatbot AI bán hàng thì tụi em dựng đúng con hợp với shop, tư vấn công tâm trước, hợp đồng tính sau.