Sentiment analysis đọc cảm xúc khách hàng từ hội thoại và phân loại thành tích cực, trung lập, tiêu cực hoặc mức độ bực. Nhờ đó đội CSKH ưu tiên xử lý khách gấp, đo mức hài lòng tự động theo thời gian thực. Zenify ghi nhận AI xử lý chính xác 98,4%.
TL;DR
- Sentiment analysis đọc cảm xúc khách từ nội dung.
- Phân loại: tích cực, trung lập, tiêu cực.
- Khách bực → ưu tiên xử lý ngay.
- Đo xu hướng cảm xúc theo tuần/tháng.
- Cảnh báo sớm khách chuẩn bị bỏ đi.
Sentiment analysis là gì?
Sentiment analysis (phân tích cảm xúc) là kỹ thuật AI nhận diện thái độ của khách:
Mức | Ví dụ nội dung
Tích cực | "Shop phục vụ tốt quá!"
Trung lập | "Cho em hỏi giá..."
Tiêu cực nhẹ | "Giao lâu quá, sốt ruột"
Tiêu cực mạnh | "Chán, lừa đảo, trả lời kiểu gì vậy!"
Vì sao cần sentiment analysis?
1. Ưu tiên khách bực
Khách bực phải được xử lý trước và bởi người giỏi (xem AI Routing).
Không để khách bực chờ hàng giờ.
2. Phát hiện sớm khách muốn bỏ
Cảm xúc tụt dần = nguy cơ rời bỏ.
AI cảnh báo để chăm sóc kịp (xem AI chăm sóc lại).
3. Đo hài lòng tự động
Không cần khảo sát, AI đọc từ hội thoại thật.
Xu hướng cảm xúc theo tuần, theo kênh, theo nhân viên.
4. Sớm phát hiện vấn đề
Nhiều khách cùng tiêu cực về 1 chủ đề = vấn đề hệ thống.
Xử lý gốc trước khi ồn ào (xem Phản hồi tiêu cực).
Sentiment analysis hoạt động thế nào?
Bước | Mô tả
1. Nhận hội thoại | Chat, comment, cuộc gọi (qua văn bản)
2. AI đọc ngữ cảnh | Hiểu giọng điệu, từ ngữ, tình huống
3. Phân loại cảm xúc | Gán mức độ tích cực/tiêu cực
4. Đưa vào luồng | Ưu tiên, cảnh báo, đo lường
5. Báo cáo | Xu hướng, chủ đề nóng, nhân viên nào hay gặp
Cách dùng sentiment analysis hiệu quả
Cấu hình ngưỡng cảnh báo: mức tiêu cực nào cần ưu tiên ngay.
Gắn với luồng xử lý: khách bực → chuyển nhân viên giỏi.
Xem xu hướng, không chỉ đơn lẻ: theo dõi tuần/tháng.
Kết hợp ngữ cảnh: cảm xúc tiêu cực vì khách sai cũng cần xử lý khéo.
So sánh theo nhân viên: tìm nhân viên cần hỗ trợ kỹ năng (xem Auto QA).