Mở đầu Khi mới mở quán cà phê tại một khu phố sầm uất, chủ quán nhận thấy lượng khách quay lại không ổn định. Nguyên nhân chính là phản hồi khách hàng đến từ nhiều kênh: bình luận Google, tin nhắn Zalo, ghi chú trên hóa đơn, thậm chí là lời nói trực tiếp khi thanh toán. Việc thu thập, phân loại và hiểu được cảm xúc thực sự của khách hàng trở nên quá tải cho đội ngũ nhỏ. Bước 1: Xác định vấn đề cốt lõi - Dữ liệu phi cấu trúc, rải rác trên nhiều nền tảng. - Không có quy trình chuẩn để đánh giá mức độ hài lòng. - Thiếu thông tin kịp thời để điều chỉnh menu, dịch vụ hay không gian. Bước 2: Thiết kế MVP phân tích cảm xúc 1. Thu thập dữ liệu: sử dụng API công khai của Google Reviews, webhook Zalo OA và nhập thủ công từ ghi chú hóa đơn vào một bảng tính chung. 2. Tiền xử lý: làm sạch văn bản, loại bỏ biểu tượng, chuẩn hóa tiếng Việt (chuyển đổi teencode, viết tắt). 3. Mô hình AI: fine‑tune một mô hình ngôn ngữ nhẹ (ví dụ PhoBERT) trên tập dữ liệu gán nhãn cảm xúc (tích cực, trung tính, tiêu cực). 4. Giao diện: dashboard đơn giản hiển thị tỷ lệ cảm xúc theo ngày, theo món đồ uống, theo khung giờ. 5. Cảnh báo: thiết lập ngưỡng (ví dụ tỷ lệ tiêu cực > 20% trong 24h) gửi thông báo Telegram cho chủ quán. Bước 3: Triển khai và lặp lại - Tuần đầu: chạy thử trên 200 bình luận, độ chính xác ~78%. - Thu thập phản hồi từ nhân viên barista để bổ sung từ khóa chuyên ngành ("đậm", "nhạt", "ngọt"). - Cập nhật mô hình hàng tuần, độ chính xác tăng lên 90% sau một tháng. Kết quả thực tế - Phát hiện sớm món "Cold Brew" bị khiếu nại về độ ngọt không đồng đều → điều chỉnh công thức. - Nhận diện khung giờ cao điểm có nhiều phản hồi về chờ đợi lâu → tăng ca làm việc. - Tăng tỷ lệ khách quay lại 12% trong ba tháng nhờ hành động kịp thời. Lời khuyên áp dụng ngay - Bắt đầu từ một nguồn dữ liệu duy nhất (Google Reviews) để giảm độ phức tạp. - Sử dụng công cụ no‑code (Zapier, Make) kết nối API mà không cần lập trình sâu. - Gán nhãn cảm xúc thủ công cho 100‑200 mẫu đầu tiên; đây là dữ liệu vàng cho fine‑tune. - Thiết lập dashboard trực quan, tránh báo cáo Excel cồng kềnh. - Đặt lịch review hàng tuần với đội ngũ để chuyển insight thành hành động cụ thể. Kết luận Một MVP phân tích cảm xúc bằng AI không đòi hỏi đội ngũ dữ liệu lớn hay ngân sách khủng. Với quy trình rõ ràng, công cụ sẵn có và sự cam kết lặp lại, ngay cả một quán cà phê nhỏ cũng có thể biến phản hồi rải rác thành lợi thế cạnh tranh bền vững.