Giới thiệu Trong bối cảnh marketing số, việc nắm bắt cảm xúc khách hàng trên các kênh xã hội giúp đội ngũ điều chỉnh thông điệp kịp thời. Tuy nhiên, team marketing nhỏ thường thiếu nhân sự và công cụ để theo dõi hàng nghìn bình luận, bài viết mỗi ngày. Bối cảnh thực tế Công ty A (đội ngũ 4 người) quản lý fanpage Facebook, Instagram và TikTok cho 3 thương hiệu. Mỗi tuần họ phải đọc thủ công khoảng 2.000 tương tác để phân loại tích cực, tiêu cực, trung lập. Quá trình này tốn 12‑15 giờ và dễ bỏ sót xu hướng mới. Giải pháp AI 1. Thu thập dữ liệu: Sử dụng API của Meta và TikTok để kéo bình luận, mention, hashtag liên quan vào Google Sheets mỗi 4 giờ. 2. Tiền xử lý: Loại bỏ spam, link, emoji không mang ý nghĩa bằng regex đơn giản. 3. Mô hình cảm xúc: Triển khai mô hình PhoBERT‑base fine‑tuned trên tập dữ liệu tiếng Việt (VnSentiment) thông qua Hugging Face Inference API. Chi phí chỉ $0.001/1.000 token. 4. Tự động gán nhãn: Script Python chạy trên GitHub Actions đẩy kết quả (positive/negative/neutral + confidence) trở lại Sheet. 5. Bảng điều khiển: Looker Studio đọc Sheet, hiển thị biểu đồ xu hướng theo ngày, theo kênh, theo từ khóa nóng. Quy trình vận hành - 06:00: Cron job kéo dữ liệu mới. - 06:15: Mô hình dự đoán và ghi nhãn. - 06:30: Dashboard cập nhật, team nhận thông báo Slack nếu tỷ lệ tiêu cực > 15%. - Hàng tuần: Meeting 15 phút xem báo cáo, điều chỉnh content calendar. Kết quả sau 8 tuần - Giảm 85% thời gian đọc bình luận thủ công (từ 13h xuống 2h/tuần). - Phát hiện sớm 3 vụ khủng hoảng nhỏ (tỷ lệ tiêu cực tăng đột biến) và xử lý trong vòng 2 giờ. - Tăng engagement trung bình 12% nhờ nội dung phản hồi đúng cảm xúc. Lời khuyên áp dụng - Bắt đầu với tập dữ liệu nhỏ (500‑1.000 mẫu) để fine‑tune, tránh overfitting. - Luôn giữ một lớp xác thực thủ công 5% mẫu ngẫu nhiên mỗi tuần để đo độ chính xác mô hình. - Tận dụng GitHub Actions hoặc Cloud Scheduler để không cần duy trì server riêng. - Kết hợp từ khóa nóng (trending hashtag) vào prompt của LLM để tạo gợi ý content tự động. - Đơn giản hóa dashboard: chỉ 3 chỉ số cốt lõi (tỷ lệ tích cực, tiêu cực, số lượng mention) để team không bị quá tải thông tin.