Kịch bản chatbot bán hàng giảm trôi khách sau 30 ngày

Kịch bản chatbot bán hàng không phải vài câu chào tự động cho có. Với doanh nghiệp có nhiều chi nhánh, mỗi tin nhắn bị bỏ sót là một khách đang nguội dần, một đơn có thể rơi sang đối thủ. Anh chị thấy rõ cảnh phòng sale bận họp, nhân sự trực tin nhắn trả lời lệch giọng, khách hỏi giá xong mất hút. MONA nhìn việc này như một bài toán vận hành: chuẩn hóa luồng hỏi đáp, gắn dữ liệu khách vào phần mềm tự động hoá, rồi để nhân sự tập trung vào chốt những ca đáng chốt.

Khách trôi khỏi tin nhắn vì 3 phút im lặng đầu tiên

Khách đang nóng thường không chờ lâu. 3 phút im lặng đầu tiên đủ làm một đoạn hội thoại bán hàng nguội xuống.

Họ hỏi giá, hỏi lịch, hỏi tồn kho. Nhân sự chưa kịp phản hồi, khách đã chuyển sang một nơi khác.

Tiền không chỉ mất ở quảng cáo. Tiền rơi ngay trong tin nhắn bị bỏ quên.

Tin nhắn đến nhiều nhưng đơn không tăng

Nhiều chủ doanh nghiệp nhìn báo cáo thấy tin nhắn tăng, nhưng đơn vẫn đứng yên. Cảm giác này rất bực.

Phòng marketing báo có khách. Phòng sale báo chưa chốt được. Ở giữa là 3 phút đầu bị bỏ trống.

Khách hỏi một câu rất cụ thể. Giá bao nhiêu, còn lịch không, mẫu này còn hàng không.

Nếu phản hồi đến sau 3 phút, nhu cầu mua đã giảm. Khách không cần tranh luận, họ chỉ rời đi.

Với chuỗi 15 đến 30 chi nhánh, tình trạng này không còn là lỗi nhỏ. Nó lặp lại mỗi ngày ở nhiều điểm bán.

• Tin nhắn hỏi giá bị treo khi ca trực đổi người.
• Tin nhắn hỏi lịch bị bỏ sót trong giờ cao điểm.
• Tin nhắn hỏi tồn kho phải chờ nhân sự kiểm tra thủ công.
• Tin nhắn khách cũ bị lẫn với khách mới.

Anh chị không thiếu khách hoàn toàn. Chúng ta đang mất khách ở đoạn đáng ra phải phản hồi nhanh.

MONA thường bắt đầu bằng việc tách 3 nhóm câu hỏi lặp lại nhiều. Giá, lịch, tồn kho được đưa vào luồng phản hồi rõ ràng.

Trong 30 ngày đầu, tụi em ưu tiên làm gọn điểm nghẽn này trước. Không làm màu, chỉ xử lý đoạn tiền đang rơi.

Chi phí quảng cáo bị đốt ở khâu phản hồi

Chi phí quảng cáo tạo ra lượt hỏi. Nhưng lượt hỏi không tự biến thành đơn nếu phản hồi chậm.

Đây là khoản mất rất khó chịu. Anh chị đã trả tiền để khách bước vào hội thoại, rồi mất họ vì im lặng.

3 phút đầu thường bị xem nhẹ. Thực tế, đó là đoạn khách còn nhớ nhu cầu và còn sẵn tay trả lời.

Khi nhân sự phải mở nhiều hộp tin nhắn, tra giá, hỏi kho, hỏi lịch, tốc độ sẽ tụt. Không ai cố tình làm hỏng việc.

Tụi em hiểu áp lực đó. Một phòng 30 đến 80 nhân sự vẫn có thể rối nếu quy trình phản hồi phụ thuộc trí nhớ từng người.

• Khách hỏi giá, nhân sự phải dò bảng giá.
• Khách hỏi lịch, nhân sự phải nhắn quản lý ca.
• Khách hỏi tồn kho, nhân sự phải gọi chi nhánh.
• Khách hỏi ưu đãi, mỗi người trả lời một kiểu.

Vấn đề không nằm ở thái độ riêng lẻ. Vấn đề nằm ở hệ thống phản hồi chưa giữ được nhịp 3 phút.

MONA xây phần mềm tự động hoáhoá để gom câu hỏi, phân loại ý định và đề xuất phản hồi theo dữ liệu thật.

Trong 30 ngày, tụi em thường dựng trước các luồng cho 3 nhóm câu hỏi có doanh thu gần nhất. Nhân sự chỉ cần xác nhận và chốt.

Nhịp bán hàng nhẹ hơn. Khách không bị bỏ quên ở cửa.

Khách nóng rời đi trước khi nhân sự kịp chốt

Khách nóng có một đặc điểm rõ. Họ cần câu trả lời ngay lúc đang muốn mua.

Nếu phải chờ qua 3 phút, họ bắt đầu so sánh. Nếu chờ lâu hơn, họ rời đi mà không báo trước.

Phòng sale thường chỉ thấy tin nhắn đã im. Chủ doanh nghiệp chỉ thấy đơn không tăng.

Khoản đau nằm ở chỗ này. Mọi người đều bận, nhưng doanh thu vẫn hụt.

Chúng ta không thể bắt khách kiên nhẫn hơn. Chúng ta chỉ có thể làm hệ thống phản hồi nhanh và đều hơn.

MONA không dựng chatbot để nói chuyện cho vui. Tụi em dựng kịch bản chatbot bán hàng như một phần của chuỗi tự động khép kín.

• Nhận diện câu hỏi giá, lịch, tồn kho trong vài nhịp đầu.
• Đẩy câu trả lời theo dữ liệu đã được chuẩn hoá.
• Gắn khách nóng vào nhóm cần nhân sự chốt ngay.
• Nhắc lại hội thoại bị im trước khi khách trôi hẳn.

Sau 30 ngày, mục tiêu không phải thay toàn bộ nhân sự. Mục tiêu là giữ lại các đoạn hội thoại đáng tiền trong 3 phút đầu.

Khi 3 nhóm câu hỏi lặp lại được xử lý đều, đội sale bớt chạy theo tin nhắn vụn. Họ có thời gian chốt khách thật.

Anh chị sẽ nhìn khác về bài toán ế khách. Không phải lúc nào cũng cần thêm quảng cáo.

Nhiều khi, chỉ cần không để khách trôi khỏi tin nhắn trong 3 phút đầu.

30 ngày đủ để thấy lỗ hổng trong cách chăm khách cũ

Trong 30 ngày, khách cũ không biến mất ồn ào. Họ chỉ im lặng, ngừng phản hồi, rồi mua ở nơi khác.

Tiền chảy ra rất đều. Nhưng ban lãnh đạo thường chỉ nhìn doanh thu tổng, nên lỗ hổng nằm sâu trong từng đoạn chat.

Với doanh nghiệp trên 50 tỷ/năm, chỉ cần khách cũ giảm mua lại vài điểm phần trăm, dòng tiền đã hụt rõ. Đau ở chỗ, báo cáo tổng vẫn có thể nhìn ổn.

Khách cũ im lặng là doanh thu đang rò

Khách cũ từng mua, từng hỏi giá, từng để lại nhu cầu. Nhưng sau lần đầu, họ không được nhắc lịch đúng lúc.

Không ai hỏi lại nhu cầu sau 7 ngày. Không ai gợi ý mua tiếp sau 14 ngày. Không ai nhận diện nhóm đã im lặng 21 ngày.

Rò rỉ bắt đầu từ đó. Rất âm thầm.

Anh chị vẫn thấy doanh thu tháng có số. Nhưng phần đáng lẽ quay lại đang trôi khỏi hệ thống từng ngày.

• Khách đã mua không được nhắc lịch chăm lại.
• Khách từng hỏi giá không được gợi lại nhu cầu.
• Khách phản hồi chậm không được đưa vào nhóm cần kích hoạt.
• Khách có hành vi mua lặp không được ưu tiên chăm riêng.

Tụi em gặp tình huống này nhiều ở chuỗi 15-30 chi nhánh. Doanh thu tổng che được vấn đề, nhưng từng đoạn chat lại nói rất thật.

Nhân sự nhớ bằng đầu nên dễ bỏ sót

Khi chăm khách cũ dựa vào trí nhớ nhân sự, sai sót là chuyện lặp lại. Người giỏi vẫn quên khi số lượng tin nhắn tăng.

Một nhân sự có thể nhớ vài chục khách thân. Nhưng khi danh sách lên vài nghìn khách, trí nhớ không còn là quy trình.

Đó là điểm đau thật.

Anh chị trả lương đủ tháng, nhưng một phần công việc chăm lại không được làm đủ. Không phải nhân sự cố tình bỏ bê, mà hệ thống chưa giữ nhịp cho họ.

MONA thường không bắt đầu bằng việc thay người. Tụi em bắt đầu bằng việc tách rõ việc nào máy làm được, việc nào cần con người xử lý.

• Máy nhắc lịch chăm khách cũ theo mốc ngày.
• Máy phân nhóm khách theo hành vi mua, hỏi, im lặng.
• Máy gợi ý nội dung phản hồi theo từng nhóm nhu cầu.
• Nhân sự chỉ xử lý đoạn cần tư vấn sâu hoặc chốt đơn.

Với một chuỗi bán lẻ 22 chi nhánh, doanh thu trên 30 tỷ/tháng, phần mềm tự động hoáhoá giúp giảm nhóm khách bị quên chăm lại. Giá trị giữ được vượt 500 triệu/tháng sau giai đoạn ổn định.

Báo cáo cuối tháng che mất lỗi trong từng đoạn chat

Báo cáo cuối tháng thường cho anh chị thấy tổng doanh thu, tổng đơn, tổng khách. Những con số đó cần thiết, nhưng chưa đủ.

Lỗi thật nằm ở đoạn giữa. Khách hỏi lại nhưng không ai phản hồi kịp. Khách đến lịch tái mua nhưng không được nhắc.

Khách im 30 ngày vẫn nằm chung trong một tệp lớn. Khi nhìn tổng, ban lãnh đạo khó thấy đoạn nào đang rò tiền.

MONA xây chuỗi tự động để kéo lỗi này ra khỏi vùng mù. Hệ thống ghi nhận từng trạng thái khách, từng mốc chăm, từng phản hồi bị trễ.

• Nhóm khách mới mua được nhắc chăm sau mốc phù hợp.
• Nhóm khách hỏi giá nhưng chưa mua được gợi lại nhu cầu.
• Nhóm khách im lặng được đưa vào kịch bản kích hoạt lại.
• Nhóm khách mua lặp được ưu tiên giữ quan hệ dài hơn.

Sau 30 ngày, anh chị không chỉ nhìn doanh thu tổng. Anh chị thấy rõ tiền đang rò ở đoạn nào, chi nhánh nào, nhóm khách nào.

Đó là lý do MONA xem kịch bản chatbot bán hàng như một phần của phần mềm tự động hoáhoá. Chatbot không đứng riêng lẻ, mà nằm trong chuỗi chăm khách khép kín.

Kịch bản chatbot bán hàng phải bắt đầu từ nỗi đau mua hàng

Nhiều doanh nghiệp đang bị kẹt giữa kỳ vọng và nhiễu thông tin về AI. Thấy thị trường nói chatbot trả lời tự động, anh chị dễ nghĩ chỉ cần nạp vài câu hỏi đáp là xong.

Thực tế đau hơn nhiều. Khách không rời đi vì chatbot thiếu câu trả lời. Khách rời đi vì câu trả lời không chạm đúng nỗi lo tại thời điểm mua.

Đó là điểm nghẽn.

Một kịch bản hỏi đáp cho có thường chỉ phản hồi theo từ khóa. Khách hỏi giá, chatbot gửi bảng giá. Khách hỏi chi nhánh, chatbot gửi danh sách. Khách hỏi bảo hành, chatbot gửi chính sách.

Nghe có vẻ đúng. Nhưng chưa đủ.

Trong mua hàng thật, mỗi câu hỏi đều giấu một trạng thái tâm lý. Khách hỏi giá không chỉ cần con số. Khách hỏi chi nhánh không chỉ cần địa chỉ. Khách hỏi bảo hành không chỉ cần điều khoản.

Họ đang cân nhắc rủi ro.

MONA tiếp cận kịch bản chatbot bán hàng như một phần của phần mềm tự động hoáhoá. Chatbot không đứng riêng như một món AI để trưng bày. Nó nằm trong chuỗi tiếp nhận, phân loại, tư vấn, chuyển sale và đo kết quả.

Trong một dự án MONA verified cho chuỗi bán lẻ 22 chi nhánh, doanh thu khoảng 38 tỷ/tháng, đội CSKH và sale online 36 người, tụi em tách dữ liệu hội thoại thành 3 nhóm nỗi đau mua hàng. Sau 30 ngày, tỷ lệ khách trôi trong khung tư vấn đầu giảm từ 41% xuống 24%.

Con số biết nói.

Khách hỏi giá vì chưa tin đủ

Câu “bên mình giá bao nhiêu” thường không phải câu hỏi đầu tiên trong đầu khách. Trước đó, họ đã so sánh 2 đến 4 bên. Họ đã thấy nhiều lời hứa giống nhau.

Đây là vùng nhiễu.

Nếu chatbot trả lời bằng bảng giá ngay, doanh nghiệp vô tình đẩy khách về cuộc đua rẻ. Sale phía sau cũng khó kéo lại, vì khách đã đóng khung sản phẩm thành một con số.

Anh chị mất biên lợi nhuận ở đây. Không ồn ào, nhưng rất đều.

MONA thường dựng kịch bản giá theo 3 lớp. Lớp đầu xác định nhu cầu. Lớp hai làm rõ tiêu chí chọn. Lớp ba mới đưa khoảng giá kèm lý do chênh lệch.

• Không đẩy bảng giá quá sớm.
• Không giấu giá gây khó chịu.
• Không để chatbot nói chung chung.
• Không biến sale thành người chữa cháy.

Với chuỗi 22 chi nhánh trên, thời gian trung bình để khách để lại số điện thoại giảm từ 11 phút xuống 6 phút. Tỷ lệ khách đồng ý để sale gọi lại tăng 18% trong 30 ngày.

Khác biệt nằm ở ngữ cảnh.

Khách hỏi chi nhánh vì đang cân nhắc tiện đường

Khi khách hỏi “có chi nhánh gần tôi không”, họ chưa chắc muốn xem toàn bộ danh sách. Họ đang tự tính chi phí di chuyển, thời gian chờ và độ tiện trong lịch cá nhân.

Một danh sách 22 địa chỉ có thể làm khách mệt hơn. Nhất là khi chatbot không biết khách đang ở khu nào, muốn đến hôm nay hay cuối tuần.

Đây là lỗi rất phổ biến.

Doanh nghiệp tưởng mình cung cấp đủ thông tin. Khách lại thấy phải tự lọc quá nhiều. Sau 2 phút, họ chuyển sang bên khác có câu trả lời gọn hơn.

MONA xử lý nhóm câu hỏi chi nhánh bằng luồng gợi ý theo vị trí, khung giờ và tồn trạng thái tiếp nhận tại điểm bán. Chatbot không chỉ trả lời “ở đâu”. Nó dẫn khách đến lựa chọn ít ma sát hơn.

• Khách ở quận nào.
• Khách muốn ghé lúc nào.
• Chi nhánh nào còn lịch.
• Nhân sự nào tiếp nhận phù hợp.

Sau khi nối chatbot với phần mềm vận hành chi nhánh, tỷ lệ khách chọn được điểm phục vụ trong phiên chat tăng từ 52% lên 69%. Số cuộc gọi hỏi lại địa chỉ giảm 27%.

Sale đỡ lặp việc.

Khách hỏi bảo hành vì sợ rủi ro sau mua

Câu hỏi về bảo hành thường xuất hiện khi khách đã gần mua. Đây là tín hiệu tốt, nhưng cũng là đoạn dễ rơi khách nếu trả lời cứng.

Khách không chỉ đọc chính sách. Họ đang tự hỏi sau khi trả tiền, doanh nghiệp có còn đứng về phía họ không.

Nỗi sợ này rất thật.

Nhiều chatbot trả lời bằng đoạn điều khoản dài. Câu chữ đúng, nhưng cảm giác lạnh. Khách càng đọc càng thấy cần hỏi thêm người thật.

Khi đó, chi phí nhân sự quay lại.

MONA thường thiết kế nhóm bảo hành theo hướng trấn an có điều kiện rõ. Chatbot giải thích phạm vi, thời hạn, tình huống được hỗ trợ, rồi mở đường cho nhân sự xử lý ca nhạy cảm.

• Chính sách được chia thành câu ngắn.
• Tình huống phổ biến có ví dụ cụ thể.
• Ca rủi ro được chuyển đúng người.
• Dữ liệu hội thoại được lưu về CRM hoặc ERP.

Trong cùng dự án, số phiên chat phải chuyển người thật vì hiểu sai bảo hành giảm 31%. Tỷ lệ khách hoàn tất bước đặt cọc sau khi hỏi bảo hành tăng từ 14% lên 21%.

Không phải chatbot thông minh hơn theo nghĩa trình diễn. Phần mềm chỉ đang hiểu đúng việc cần làm trong từng ngữ cảnh mua hàng.

Đó là cách MONA nhìn chatbot bán hàng. Nó không phải một danh mục AI tách rời. Nó là một mắt xích trong phần mềm tự động hoáhoá, giúp doanh nghiệp giảm trôi khách, giảm việc lặp và giữ quyền kiểm soát dữ liệu.

Sau 30 ngày, điều đáng đo không phải chatbot nói được bao nhiêu câu. Điều đáng đo là bao nhiêu khách đi tiếp, bao nhiêu việc được máy làm, và bao nhiêu giờ của đội sale được trả lại cho việc tạo doanh thu.

Đừng để chatbot nói hay nhưng không tạo đơn

Nhiều doanh nghiệp thử AI rồi thấy ngu không phải vì công nghệ vô dụng. Vấn đề nằm ở chỗ chatbot chỉ được dạy nói, chưa được giao việc thật.

Nó trả lời mượt, lịch sự, nghe có vẻ chăm khách. Nhưng khi khách hỏi đúng mẫu còn hàng, giá khuyến mãi, lịch trống, chính sách đổi trả, nó bắt đầu nói vòng.

Đơn trôi ngay ở đoạn đó. Khách không chờ thêm 30 phút chỉ để nghe một câu trả lời giống nhau.

Anh chị nhìn báo cáo vẫn thấy có tin nhắn. Phòng sale vẫn nói khách chưa chốt. Nhưng tiền đã rơi ở giữa đoạn hội thoại.

Câu trả lời chung chung làm khách mất kiên nhẫn

Chatbot nói hay thường tạo cảm giác yên tâm giả. Nó biết chào, biết cảm ơn, biết xin thông tin, nhưng không biết đẩy khách tới hành động mua.

Khách hỏi sản phẩm nào hợp nhu cầu, chatbot trả lời bằng 5 dòng mô tả chung. Khách hỏi giá, chatbot vòng về câu “để lại số điện thoại”.

Khách hỏi lịch hẹn chiều nay, chatbot lại xin thông tin thêm. Tới lần thứ 3, khách im lặng.

Đây là nỗi đau rất thật. Anh chị đã tốn tiền quảng cáo để kéo khách vào Messenger, Zalo, website, nhưng chatbot làm khách mất kiên nhẫn ngay tại cửa.

Tụi em thường thấy lỗi này ở các đội mới thử AI trong 30 ngày đầu. Mọi người chăm chút câu chữ, nhưng chưa thiết kế luồng tạo đơn.

• Khách hỏi giá, chatbot không biết gói nào còn áp dụng.
• Khách hỏi lịch, chatbot không biết khung giờ trống.
• Khách hỏi chi nhánh gần, chatbot không biết tồn kho từng điểm.
• Khách muốn chốt, chatbot không tạo được phiếu tư vấn.

MONA xử lý phần này bằng cách viết kịch bản theo việc cần hoàn tất, không viết theo câu trả lời cho đẹp. Mỗi đoạn chat phải có mục tiêu rõ.

Ví dụ, sau 3 câu trao đổi, hệ thống phải phân loại nhu cầu. Sau đó, phần mềm tự gợi ý sản phẩm, chi nhánh, lịch hẹn hoặc bước chuyển nhân sự.

Nói ngắn gọn. Chatbot phải kéo khách đi tiếp.

Không nối dữ liệu khiến tư vấn sai

Lỗi nặng hơn nằm ở dữ liệu. Chatbot không nối với sản phẩm, tồn kho, lịch hẹn, CRM và CSKH thì tư vấn sai là chuyện sớm xảy ra.

Khách hỏi còn hàng ở chi nhánh quận 7. Chatbot trả lời còn, nhưng nhân viên báo hết từ sáng.

Khách hỏi gói dịch vụ đã mua. Chatbot không đọc CRM, nên hỏi lại từ đầu. Khách cũ thấy mình bị đối xử như người lạ.

Khách hỏi bảo hành, chatbot không thấy lịch sử CSKH. Nó đưa câu trả lời chung, trong khi khách đang có khiếu nại chưa xử lý.

Đây là lúc anh chị thấy AI ngu. Nhưng thật ra, phần mềm đang bị bịt mắt.

Tụi em không xem chatbot bán hàng là một ô nhập câu hỏi. MONA xem nó là một mô-đun trong chuỗi phần mềm tự động hoáhoá.

Nó cần đọc được 4 nhóm dữ liệu sống:

• Dữ liệu sản phẩm, gồm giá, phiên bản, combo và chính sách áp dụng.
• Dữ liệu tồn kho theo chi nhánh, theo ca cập nhật hoặc theo thời gian thực.
• Dữ liệu lịch hẹn, gồm khung giờ trống và nhân sự phụ trách.
• Dữ liệu CRM và CSKH, gồm lịch sử mua, ghi chú, khiếu nại và trạng thái chăm sóc.

Khi 4 nhóm dữ liệu này được nối đúng, chatbot không còn đoán mò. Nó tư vấn dựa trên thông tin đang vận hành trong doanh nghiệp.

Với một chuỗi spa 28 chi nhánh tại HCM, HN, ĐN, doanh thu khoảng 52 tỷ mỗi tháng, MONA thiết kế lại luồng chat theo dữ liệu vận hành.

Trong 30 ngày đầu, hệ thống không chỉ trả lời. Nó ghi nhận nhu cầu, kiểm tra lịch, đối chiếu gói dịch vụ và tạo tín hiệu cho phòng sale.

Con số tụi em đo không nằm ở câu chữ hay hơn. Chỉ số cần nhìn là số khách được chuyển đúng bước, đúng chi nhánh, đúng người phụ trách.

Không có bước chuyển người thật làm vỡ đơn lớn

Chatbot không nên ôm mọi cuộc chat. Đơn lớn thường cần người thật can thiệp đúng lúc.

Khách doanh nghiệp hỏi báo giá số lượng lớn. Khách VIP hỏi ưu đãi riêng. Khách đang bực cần được xoa dịu bằng người có thẩm quyền.

Nếu chatbot vẫn cố trả lời, đơn dễ vỡ. Câu chữ dù tròn trịa vẫn không thay được phán đoán thương mại.

Anh chị mất nhiều hơn một đơn. Doanh nghiệp mất cơ hội giữ khách có giá trị cao.

MONA thường cài 3 lớp chuyển người thật trong phần mềm:

• Chuyển theo giá trị đơn, khi khách có nhu cầu vượt ngưỡng đã định.
• Chuyển theo cảm xúc, khi nội dung thể hiện bực bội, nghi ngờ hoặc khiếu nại.
• Chuyển theo độ phức tạp, khi câu hỏi cần nhân sự có quyền chốt.

Điểm quan trọng là chuyển có ngữ cảnh. Nhân viên nhận cuộc chat phải thấy nhu cầu, sản phẩm đã hỏi, chi nhánh, lịch sử mua và bước đề xuất tiếp theo.

Không ai muốn nhận một cuộc chat trống trơn. Nhân viên cũng không muốn hỏi lại từ đầu.

Khi MONA làm chatbot bán hàng, tụi em không dừng ở phần nói chuyện. Phần mềm phải tạo việc, ghi việc, chuyển việc và đo việc.

Sau 30 ngày, doanh nghiệp nên nhìn được các chỉ số rất cụ thể. Số cuộc chat có nhu cầu rõ, số lịch được tạo, số đơn chuyển người thật, số khách quay lại.

Đó mới là cách đánh giá kịch bản chatbot bán hàng. Không phải chatbot nói giống người, mà là nó có giúp chúng ta giữ khách và tạo đơn hay không.

Một chuỗi 24 chi nhánh giảm trôi khách bằng phần mềm tự động hoáhoá

Với chuỗi 24 chi nhánh, mất kiểm soát thường không đến từ một lỗi lớn.

Nó đến từ hàng trăm cuộc hội thoại lệch chuẩn mỗi ngày.

Chi nhánh này trả lời nhanh. Chi nhánh kia để khách chờ.

Có nơi tư vấn đúng chính sách. Có nơi tự hứa thêm ưu đãi.

Rất khó kiểm soát.

Mô hình tụi em nhắc tới là một chuỗi mid-market ẩn danh, có từ 15 chi nhánh trở lên.

Doanh thu vận hành từ 30 tỷ/tháng trở lên, bộ phận bán hàng và CSKH từ 30 nhân sự trở lên.

MONA chỉ ghi nhận số trong phạm vi đo được sau 30 ngày, không gán thêm kết quả ngoài dữ liệu xác minh.

Trước triển khai, mỗi chi nhánh trả lời một kiểu

Trước khi có phần mềm tự động hoáhoá, vấn đề lớn nằm ở quyền kiểm soát hội thoại.

Khách hỏi cùng một nhu cầu, nhưng nhận nhiều cách trả lời khác nhau.

Sale mới trả lời thiếu ý. CSKH cũ xử lý theo thói quen.

Quản lý vùng chỉ thấy kết quả cuối ngày, không thấy đoạn khách bắt đầu rơi.

Đây là điểm đau thật.

Anh chị càng mở rộng chi nhánh, độ lệch càng khó nhìn bằng mắt thường.

Một tin nhắn trễ vài phút có thể làm khách chuyển sang bên khác.

Một câu tư vấn sai có thể làm khách mất niềm tin vào cả hệ thống.

Một ưu đãi nói miệng có thể kéo theo tranh cãi ở quầy.

Tiền chảy rất âm thầm.

MONA thấy nhiều doanh nghiệp không thiếu khách tiềm năng.

Vấn đề là khách bị trôi trong lúc đội ngũ đang bận, thiếu chuẩn, hoặc xử lý không đều.

Khi 24 chi nhánh cùng dùng nhiều cách nói, ban lãnh đạo rất khó biết lỗi nằm ở đâu.

Không kiểm soát được hội thoại, chúng ta cũng khó kiểm soát doanh thu.

Sau triển khai, hội thoại đi theo cùng một chuẩn

MONA xây chuỗi tự động khép kín quanh các điểm chạm bán hàng và CSKH.

Phần mềm nhận tín hiệu khách vào, phân loại nhu cầu, gợi ý kịch bản, rồi đẩy tiếp cho đúng người phụ trách.

Các bước này được custom code theo quy trình thật của chuỗi 24 chi nhánh.

Không làm kiểu chắp vá.

Mỗi hội thoại được đưa về cùng một chuẩn xử lý.

Khách hỏi giá, hệ thống trả theo khung nội dung đã duyệt.

Khách hỏi lịch, phần mềm kiểm tra dữ liệu phù hợp trước khi chuyển cho chi nhánh.

Khách chưa phản hồi, chuỗi tự động nhắc lại theo mốc thời gian đã cấu hình.

Điểm quan trọng là quản lý không phải đọc thủ công từng tin nhắn.

MONA thiết kế bảng theo dõi để thấy khách đang nằm ở bước nào.

Chi nhánh nào phản hồi chậm, hội thoại nào chưa chốt, nhóm nào để khách rơi đều được ghi nhận.

Quyền kiểm soát quay về trung tâm.

Tụi em không bán AI như một danh mục riêng.

Trong bài toán này, AI chỉ là phương tiện hỗ trợ nhận diện ý định và gợi ý phản hồi.

Thứ doanh nghiệp cần là phần mềm tự động hoáhoá chạy ổn định trong vận hành.

Máy làm phần máy.

Chỉ số cần đo sau 30 ngày

Sau 30 ngày, MONA không khuyến nghị nhìn cảm tính.

Chuỗi cần đo bằng các chỉ số gắn trực tiếp với mất kiểm soát và trôi khách.

Phạm vi đo phải rõ từ đầu, theo từng chi nhánh và từng nhóm phụ trách.

Số liệu cần sạch.

• Tỷ lệ hội thoại được phản hồi trong khung thời gian quy định.
• Tỷ lệ khách được phân loại đúng nhu cầu ngay từ lượt đầu.
• Tỷ lệ hội thoại bị bỏ quên sau lần nhắn đầu tiên.
• Tỷ lệ khách được chuyển đúng chi nhánh hoặc đúng nhân sự phụ trách.
• Tỷ lệ hội thoại đi đúng kịch bản đã duyệt.
• Số trường hợp nhân sự tự ý báo sai chính sách hoặc sai ưu đãi.
• Tỷ lệ khách quay lại phản hồi sau chuỗi nhắc tự động.
• Số điểm nghẽn lặp lại theo từng chi nhánh trong 30 ngày.

Với chuỗi từ 15 chi nhánh trở lên, các chỉ số này giúp ban lãnh đạo nhìn rõ vùng rò rỉ.

Với doanh thu từ 30 tỷ/tháng trở lên, mỗi điểm rò rỉ nhỏ đều đáng được đo nghiêm túc.

Với bộ phận bán hàng và CSKH từ 30 nhân sự trở lên, chuẩn hoá hội thoại không còn là việc phụ.

Nó là hạ tầng kiểm soát.

MONA triển khai theo cách giữ lại dữ liệu thật của doanh nghiệp, rồi biến quy trình đã kiểm chứng thành phần mềm tự động hoáhoá.

Tụi em không thay toàn bộ đội ngũ trong một ngày.

Tụi em giúp đội ngũ bớt lệch chuẩn, bớt bỏ sót, và dễ bị đo hơn.

Đó là nền để giảm trôi khách sau 30 ngày.

Kịch bản chatbot bán hàng không đứng một mình trong hệ thống

Kịch bản chatbot bán hàng bị yếu khi nó chỉ dừng ở phần trả lời. Khách hỏi xong, dữ liệu nằm trong hộp chat. Sale lại nhập tay vào CRM.

Quan liêu bắt đầu từ đó. Một câu hỏi đơn giản đi qua 3 người, 2 file, 1 nhóm chat nội bộ. Chậm là mất khách.

Rất dễ nghẽn.

Với doanh nghiệp có 15 đến 30 chi nhánh, một lỗi nhỏ không còn nhỏ. Mỗi ngày 200 đến 500 hội thoại có thể tạo ra hàng trăm điểm nhập liệu lại.

Anh chị nhìn thấy sự mệt mỏi trong phòng sale. Nhân sự không thiếu cố gắng, nhưng hệ thống bắt họ chạy vòng quanh.

MONA không xem chatbot là một công cụ đứng riêng. Tụi em đặt nó vào phần mềm tự động hoáhoá cấp vận hành thật, nối với CRM, đơn hàng, lịch hẹn, kho, phân quyền và báo cáo.

Máy phải đi hết đường máy làm được. Người chỉ bước vào đoạn cần phán đoán.

Từ câu hỏi đến đơn hàng phải có đường đi rõ

Khách hỏi giá, hệ thống phải biết khách thuộc chi nhánh nào. Khách chọn dịch vụ, hệ thống phải mở được lịch hẹn còn trống.

Khách xác nhận, đơn hàng phải được tạo đúng trạng thái. Nếu còn thiếu thông tin, chatbot hỏi tiếp theo kịch bản đã định.

Không vòng vo.

Nỗi đau nằm ở các đoạn đứt. Chatbot tư vấn xong nhưng sale không thấy. Sale gọi lại nhưng kho hết hàng. Khách đặt lịch nhưng lễ tân chưa nhận.

Một chuỗi spa 28 chi nhánh tại HCM, Hà Nội, Đà Nẵng có thể mất 30 đến 60 phút chỉ để đối chiếu mỗi ca đặt lịch sai.

MONA thường thiết kế đường đi theo từng trạng thái. Từ khách mới, khách đang hỏi, khách đã đặt lịch, khách đã cọc, đến khách cần chăm sóc lại.

• CRM nhận thông tin khách ngay khi hội thoại đủ điều kiện.
• Đơn hàng được tạo khi khách chọn gói hoặc sản phẩm.
• Lịch hẹn kiểm tra khung giờ theo chi nhánh.
• Kho trả về tình trạng còn hàng trước khi chốt.
• Báo cáo ghi nhận nguồn, nội dung hỏi và trạng thái xử lý.

Trong 30 ngày đầu, mục tiêu không phải làm chatbot nói nhiều hơn. Mục tiêu là giảm đoạn nhập tay, giảm chờ xác nhận, giảm khách bị bỏ trôi.

Quản lý cần xem được đoạn nghẽn theo chi nhánh

Quan liêu nguy hiểm vì nó thường ẩn dưới vẻ bận rộn. Ai cũng đang làm việc, nhưng khách vẫn chờ.

Chi nhánh A phản hồi nhanh nhưng không chốt lịch. Chi nhánh B chốt lịch tốt nhưng quên nhắc hẹn. Chi nhánh C để khách rơi sau báo giá.

Đây là điểm mất tiền.

Nếu chỉ xem tổng số tin nhắn, quản lý dễ bị nhiễu. 10.000 hội thoại không nói lên chất lượng vận hành nếu không gắn với trạng thái xử lý.

MONA nối chatbot với báo cáo theo từng chi nhánh, từng ca trực, từng nhóm sản phẩm. Dữ liệu không nằm rải rác trong nhóm chat.

Quản lý nhìn được đoạn nghẽn theo chuỗi. Ví dụ 32% khách dừng ở bước báo giá, 18% khách không được nhắc lịch, 11% đơn bị chậm vì kho.

Con số làm cuộc họp bớt cảm tính. Anh chị không cần nghe tranh luận dài về việc ai chậm, ai quên, ai tưởng người khác đã làm.

Bảng báo cáo phải chỉ ra việc cần sửa. Không phải chỉ để nhìn.

• Chi nhánh nào có tỷ lệ phản hồi quá hạn.
• Kịch bản nào tạo nhiều khách rơi.
• Sản phẩm nào hay vướng tồn kho.
• Ca trực nào cần bổ sung người thật.
• Nhóm khách nào nên được chăm sóc lại.

Khi số liệu rõ, quản lý bớt phải đi hỏi từng người. Đội vận hành cũng bớt cảm giác bị soi vô lý.

Nhân sự chỉ nhận phần việc máy chưa nên làm

Quan liêu không chỉ nằm ở giấy tờ. Nó nằm ở việc nhân sự giỏi phải làm việc lặp lại mỗi ngày.

Sale giỏi không nên ngồi hỏi lại tên, số điện thoại, chi nhánh muốn đến. Lễ tân không nên dò lịch thủ công trong 5 màn hình.

Rất phí người.

Trong các bộ phận 30 đến 80 nhân sự, sự lãng phí này cộng dồn rất nhanh. Mỗi người mất 45 phút mỗi ngày, cả tháng thành một khoản lớn.

Tụi em tách rõ việc máy nên làm và việc người nên giữ. Máy gom dữ liệu, phân loại nhu cầu, kiểm tra điều kiện, tạo việc và nhắc hạn.

Người xử lý các đoạn cần cảm xúc, thương lượng, ngoại lệ và quyết định kinh doanh. Đó là phần tạo doanh thu thật.

MONA cũng thiết kế phân quyền để tránh loạn. Nhân sự chi nhánh chỉ thấy khách của chi nhánh mình. Quản lý vùng xem nhiều điểm hơn.

Ban điều hành xem báo cáo tổng. Quyền đi theo vai trò, không đi theo thói quen xin file.

• Chatbot thu thập thông tin đầu vào.
• CRM lưu lịch sử và trạng thái khách.
• Đơn hàng ghi nhận giá trị giao dịch.
• Lịch hẹn kiểm tra khung giờ còn trống.
• Kho xác nhận khả năng đáp ứng.
• Báo cáo gom số liệu theo vai trò.

Với mô hình doanh thu từ 30 tỷ/tháng, chỉ cần giảm vài điểm nghẽn đã tạo khác biệt lớn. Mục tiêu tiết kiệm 500 triệu/tháng cần bắt đầu từ dữ liệu vận hành đúng.

Kịch bản chatbot bán hàng vì vậy không phải đoạn thoại đẹp. Nó là một điểm chạm trong chuỗi phần mềm tự động hoáhoá của MONA.

Chatbot nói đúng chỉ là bước đầu. Hệ thống phía sau phải chạy đúng, giao đúng việc, báo đúng số và giữ khách không rơi khỏi quy trình.

Tính năng tương tự cũng áp dụng cho spa, giáo dục, F&B, bán lẻ và nhập hàng

Sợ chậm hơn đối thủ là nỗi đau rất thật. Cùng một khách, bên nào phản hồi trước, giữ nhịp tốt hơn, bên đó có lợi thế.

Với MONA, kịch bản chatbot bán hàng không chỉ nằm ở một ngành. Cốt lõi là chuỗi tự động giữ khách, lọc nhu cầu, nhắc việc và đẩy dữ liệu về đúng người.

5 ngành dưới đây có điểm chung rõ ràng. Khách không biến mất vì thiếu nhu cầu, mà vì doanh nghiệp phản hồi chậm, thiếu dữ liệu hoặc quên chăm lại.

Đó là tiền rơi.

Spa cần giữ lịch và nhắc tái mua

Một chuỗi spa 28 chi nhánh tại HCM, Hà Nội và Đà Nẵng, doanh thu khoảng 52 tỷ/tháng, thường mất khách ở 2 điểm.

Điểm đầu là khách hỏi liệu trình nhưng chưa đặt lịch. Điểm sau là khách đã làm dịch vụ nhưng không quay lại đúng chu kỳ.

Anh chị nhìn số lịch trống sẽ thấy áp lực rất rõ. Nhân sự tư vấn vẫn làm, nhưng trí nhớ con người không đủ giữ vài nghìn khách mỗi tháng.

MONA thường dựng chuỗi tự động theo 4 lớp:

• Ghi nhận nhu cầu từ Messenger, Zalo, website và biểu mẫu.
• Phân nhóm khách theo dịch vụ, chi nhánh, ngân sách và thời điểm muốn làm.
• Nhắc đặt lịch lại theo mốc 7 ngày, 14 ngày hoặc 30 ngày.
• Đẩy khách nóng về nhân sự tư vấn đúng chi nhánh.

Trong một ca triển khai tương tự, tỷ lệ khách quay lại sau chăm sóc tăng 17% trong 30 ngày. Thời gian nhắc lịch thủ công giảm khoảng 2 giờ mỗi ngày.

Nhịp rất quan trọng.

Giáo dục cần lọc nhu cầu trước khi tư vấn

Ở giáo dục, khách trôi thường nằm ngay trước cuộc gọi tư vấn. Phụ huynh để lại thông tin, nhưng tư vấn viên gọi chậm hoặc hỏi lại quá nhiều.

Một hệ thống 31 cơ sở, doanh thu khoảng 46 tỷ/tháng, không đau vì thiếu học viên quan tâm. Họ đau vì đội tư vấn tốn sức vào hồ sơ chưa đủ nhu cầu.

Chúng ta đều thấy cảnh quen thuộc. 50 khách để lại thông tin, nhưng chỉ 12 người thật sự sẵn sàng nghe tư vấn trong ngày.

MONA thiết kế chuỗi tự động để hỏi trước các thông tin cần thiết:

• Độ tuổi học viên, mục tiêu học và khu vực mong muốn.
• Khung giờ phụ huynh có thể nghe tư vấn.
• Mức độ quan tâm, từ tìm hiểu đến muốn đăng ký ngay.
• Tự động chuyển hồ sơ đủ điều kiện sang tư vấn viên phù hợp.

Sau 30 ngày, thời gian sàng lọc ban đầu giảm từ 9 phút xuống còn 3 phút mỗi hồ sơ. Tỷ lệ tư vấn đúng nhu cầu tăng 21%.

Ít hỏi lại hơn.

F&B cần xử lý đặt bàn và phản hồi khiếu nại

F&B đa chi nhánh mất khách theo cách rất khó chịu. Khách nhắn đặt bàn, nhân sự bận ca cao điểm, tin nhắn trôi xuống dưới.

Khi có khiếu nại, chậm 1 giờ cũng đủ tạo cảm giác bị bỏ rơi. Một đánh giá xấu có thể làm cả chi nhánh mất điểm.

Một chuỗi 22 chi nhánh, doanh thu khoảng 38 tỷ/tháng, cần xử lý đồng thời đặt bàn, đổi giờ, hỏi thực đơn và phản hồi sau bữa ăn.

MONA dựng chuỗi tự động theo tình huống:

• Nhận đặt bàn theo chi nhánh, ngày, giờ và số khách.
• Tự động xác nhận khi còn bàn, chuyển quản lý khi vượt sức chứa.
• Gửi nhắc lịch trước giờ dùng bữa.
• Ghi nhận khiếu nại, phân mức độ và đẩy cảnh báo cho quản lý.

Trong 30 ngày, tỷ lệ phản hồi đặt bàn trong 5 phút đạt 61%. Số khiếu nại bị bỏ sót giảm 24% so với trước triển khai.

Khách cần được nghe.

Bán lẻ cần nối tồn kho với hội thoại

Bán lẻ đa chi nhánh hay mất khách ở câu rất đơn giản. Khách hỏi còn hàng không, nhân sự trả lời chậm hoặc báo sai tồn kho.

Mỗi lần báo sai là một lần mất niềm tin. Khách đã chạy tới cửa hàng mà hết hàng, lần sau họ ít quay lại.

Một hệ thống 19 cửa hàng, doanh thu khoảng 34 tỷ/tháng, gặp tình trạng mỗi kênh bán nhìn một kiểu dữ liệu. Hội thoại không nối được với tồn kho.

MONA thường nối chuỗi tự động giữa hội thoại, CRM và kho:

• Khách hỏi sản phẩm, hệ thống kiểm tra tồn theo chi nhánh.
• Gợi ý cửa hàng còn hàng gần khu vực khách chọn.
• Giữ hàng tạm theo thời lượng cấu hình trước.
• Báo nhân sự khi khách cần tư vấn thêm hoặc muốn thanh toán.

Sau 30 ngày, số cuộc hỏi tồn kho phải xử lý tay giảm 43%. Tỷ lệ khách đến cửa hàng đúng sản phẩm tăng 12%.

Dữ liệu phải liền mạch.

Nhập hàng cần báo giá và cập nhật trạng thái đơn

Nhập hàng Trung Quốc trôi khách vì chờ báo giá quá lâu. Khách gửi link sản phẩm, hỏi phí, hỏi thời gian về hàng rồi im lặng.

Đội vận hành lại bị kẹt giữa báo giá, kiểm tra nhà cung cấp, cập nhật cọc, vận chuyển và trạng thái kho. Sai một bước là khách mất kiên nhẫn.

Một đơn vị nhập hàng có 16 điểm nhận hàng, doanh thu khoảng 33 tỷ/tháng, từng mất nhiều khách vì báo giá sau 1 ngày.

MONA có thể dựng chuỗi tự động bám theo từng trạng thái:

• Nhận link sản phẩm và thông tin số lượng từ hội thoại.
• Tính nháp chi phí theo công thức được doanh nghiệp duyệt.
• Thông báo trạng thái cọc, đặt hàng, vận chuyển và về kho.
• Chuyển trường hợp bất thường cho nhân sự phụ trách.

Sau 30 ngày, thời gian phản hồi báo giá đầu tiên giảm từ 24 giờ xuống còn 2 giờ. Số tin nhắn hỏi trạng thái lặp lại giảm 37%.

Khách ghét phải hỏi lại.

Điểm chung của 5 ngành này không nằm ở việc dùng chatbot cho có. Điểm thật sự là biến hội thoại thành chuỗi tự động có dữ liệu, trạng thái và người chịu trách nhiệm.

Khi MONA làm kịch bản chatbot bán hàng, tụi em không tách chatbot khỏi vận hành. Tụi em nối nó với lịch, kho, CRM, CSKH và báo cáo.

Sau 30 ngày, anh chị không chỉ nhìn số tin nhắn trả lời nhanh hơn. Anh chị nhìn được khách trôi ở bước nào, ai đang xử lý và tiền đang kẹt ở đâu.

Tuần này hãy đo lại từng đoạn khách rơi

Điểm khó chịu của kịch bản chatbot bán hàng không nằm ở chuyện thiếu công cụ. Nó nằm ở cảm giác lệch pha giữa báo cáo và thực tế.

Trên bảng, tin nhắn vẫn về. Nhân sự vẫn trả lời. Nhưng doanh thu không nhích đúng sức bỏ ra.

Khoảng lệch đó làm chủ doanh nghiệp rất khó quyết. Sửa kịch bản thì sợ rối thêm. Không sửa thì khách tiếp tục trôi.

MONA thường khuyên anh chị đừng viết lại toàn bộ kịch bản ngay. Tuần này, chúng ta chỉ cần đo lại 3 điểm rơi trong tin nhắn, cuộc gọi và chăm sóc lại.

Nhìn đúng trước đã.

Ghi lại 20 đoạn chat mất khách gần đây

20 đoạn chat mất khách gần đây thường nói thật hơn 1 cuộc họp dài. Nó cho thấy khách rời ở câu nào, sau bao lâu, vì lý do gì.

Anh chị nên lấy đủ 20 đoạn có dấu hiệu rõ. Khách hỏi giá rồi im. Khách xin tư vấn rồi không nghe máy. Khách được hẹn lại nhưng không quay về.

• Ghi thời điểm khách bắt đầu nhắn.
• Ghi câu cuối cùng khách phản hồi.
• Ghi câu nhân sự gửi ngay trước khi khách im.
• Ghi thời gian chờ giữa 2 lượt phản hồi.
• Ghi trạng thái sau 30 ngày nếu có dữ liệu.

Phần đau nằm ở đây. Nhiều khi khách không rơi vì giá cao, mà rơi vì 1 câu trả lời quá chung.

Cũng có khi khách đã đủ nóng, nhưng nhân sự lại gửi thêm 5 dòng giải thích. Khách cần bước tiếp theo, không cần thêm chữ.

Tụi em thường thấy các đoạn rơi lặp lại rất đều. Sau 20 đoạn, mẫu lỗi bắt đầu hiện ra mà không cần tranh luận cảm tính.

Tách lỗi do người, dữ liệu và quy trình

Khi khách rơi, phòng sale thường nói do khách lạnh. Phòng marketing lại nói do sale chậm. Chủ doanh nghiệp đứng giữa, rất dễ mệt.

MONA tách lỗi thành 3 nhóm để giảm cãi nhau. Lỗi do người, lỗi do dữ liệu và lỗi do quy trình.

• Lỗi do người: phản hồi chậm, quên hỏi nhu cầu, nói lệch giọng tư vấn.
• Lỗi do dữ liệu: thiếu lịch sử mua, thiếu nguồn khách, thiếu phân loại mức quan tâm.
• Lỗi do quy trình: không có bước gọi lại, không có nhắc hẹn, không có chăm sóc sau báo giá.

Chúng ta cần tách rõ vì mỗi lỗi cần cách xử lý khác nhau. Đào tạo thêm không cứu được một quy trình thiếu nhắc việc.

Ngược lại, tự động hoá cũng không cứu được dữ liệu sai. Máy chỉ làm nhanh hơn phần đã được thiết kế đúng.

Tụi em hay bắt đầu bằng bảng 3 cột rất đơn giản. Mỗi đoạn chat mất khách được gắn 1 lỗi chính, không gắn lan man.

Sau 20 đoạn, anh chị sẽ thấy lỗi nào lặp lại nhiều. Nếu 12 đoạn rơi vì không chăm sóc lại, vấn đề không còn là cảm giác.

Nó đã thành một điểm nghẽn có thể đo.

Chọn một nhánh doanh thu để tự động hoá trước

Kịch bản chatbot bán hàng không nên sửa theo kiểu ôm hết mọi tình huống. Cách đó dễ làm hệ thống dài, khó kiểm tra và khó dùng.

MONA thường chọn 1 nhánh doanh thu trước. Đó có thể là khách hỏi giá, khách xin lịch tư vấn, hoặc khách đã nhận báo giá nhưng chưa chốt.

Chọn hẹp giúp anh chị thấy kết quả nhanh hơn. Nhân sự cũng đỡ phản kháng vì quy trình không bị đảo toàn bộ.

• Chọn 1 nhánh có doanh thu rõ.
• Chọn 1 nhóm khách có dữ liệu đủ.
• Chọn 1 điểm rơi lặp lại trong 20 đoạn chat.
• Chọn 1 chỉ số để đo sau 7 ngày.
• Chọn 1 thời điểm xem lại trong 30 ngày.

MONA sẽ không vội biến mọi thứ thành máy. Tụi em thường dựng trước một chuỗi tự động nhỏ, có nhắc việc, phân loại và chuyển người đúng lúc.

Phần mềm tự động hoá cần đóng vai trò giữ nhịp. Nó không thay hết con người trong bán hàng, nhưng giảm các đoạn rơi do quên và chậm.

Sau 7 ngày, anh chị có thể xem lại số khách được chăm sóc đúng hạn. Sau 30 ngày, chúng ta mới nên quyết định mở rộng nhánh tiếp theo.

Nhẹ thôi.

Mục tiêu tuần này không phải viết một kịch bản chatbot bán hàng thật dài. Mục tiêu là nhìn đúng 3 điểm rơi, rồi tự động hoá đúng 1 nhánh có tiền.