Tiết Kiệm Thời Gian Hỗ Trợ với AI trong Hệ Thống Ticket

Trong bài viết này, chúng tôi sẽ chia sẻ cách mà một hệ thống ticket tùy chỉnh giúp tiết kiệm 600 giờ làm việc hỗ trợ nhờ vào việc tích hợp AI. Đây không chỉ là câu chuyện về việc dạy AI trả lời đánh giá một cách thần kỳ, mà là một giải pháp thực tế cho đội ngũ hỗ trợ của chúng tôi.

Tại sao phản hồi lại quan trọng

Phản hồi từ người dùng đóng vai trò như một hình thức tư vấn miễn phí. Các ngành công nghiệp như game, công nghệ thực phẩm, SaaS, thương mại điện tử, và giao hàng phát triển hoặc thất bại dựa trên những gì khách hàng viết trong hộp đánh giá. Những tín hiệu này là cực kỳ quan trọng, cho thấy sản phẩm của bạn có đang phát triển mạnh mẽ hay không.

Theo báo cáo Annual State of Customer Service Report của HubSpot, 75% chuyên gia hỗ trợ đã chứng kiến sự gia tăng lớn nhất về số lượng yêu cầu vào năm 2025.

Khi khối lượng yêu cầu ổn định, không vấn đề gì. Nhưng khi sản phẩm chủ lực ra mắt, hoặc khi một lỗi xuất hiện trong quy trình thanh toán, bạn sẽ nhận được nhiều phản hồi hơn khả năng xử lý của đội ngũ hỗ trợ.

Mỗi khách hàng, dù hài lòng hay không, đều mong đợi một phản hồi. Im lặng có thể gây tổn thất lớn cho doanh nghiệp:

• 75% khách hàng sẵn sàng trả nhiều hơn cho dịch vụ xuất sắc (Dữ liệu từ Zendesk).
• 43% khách hàng cho rằng một trải nghiệm hỗ trợ tồi tệ sẽ khiến họ không bao giờ mua hàng nữa (Salesforce).
• Những cảm xúc tiêu cực tiềm ẩn 3,7 triệu tỷ USD doanh số toàn cầu mỗi năm (Qualtrics).

Vì vậy, quản lý phản hồi một cách có hệ thống không phải là một điều “nên có”, mà là một yêu cầu tối thiểu để tồn tại.

Hệ thống ticket và bàn trợ giúp được thiết kế để mang lại trật tự cho sự hỗn loạn. Chúng xử lý các yêu cầu, chuyển đổi chúng thành các ticket có cấu trúc, phân công cho con người, theo dõi trạng thái và cung cấp phân tích.

Tuy nhiên, các doanh nghiệp vẫn tự hỏi:

• “Liệu chúng tôi có thể tìm thấy một hệ thống có thể thu thập các đánh giá từ cửa hàng ứng dụng, email, và bất kỳ hình thức nào khác và chuyển đổi chúng thành ticket ngay lập tức không?”
• “Chúng tôi có thực sự cần hai nền tảng khác nhau cho phân tích và ticketing không, hay ai đó có thể kết hợp chúng lại?”
• “Tại sao chúng tôi luôn phải chọn giữa tự động hóa và phân tích khi rõ ràng chúng tôi cần cả hai?”

Đối với khách hàng của chúng tôi, Malpa Games, chúng tôi đã xây dựng một hệ thống thực hiện chính xác những điều đó: tập hợp đánh giá và phân tích trong một nơi. Phiên bản đầu tiên? Đã hữu ích. Sau đó, câu hỏi thú vị đã xuất hiện:

Liệu AI có thể giảm thiểu công việc hỗ trợ lặp đi lặp lại trong khi gia tăng năng suất của đội ngũ không?

Kết quả: có. Rất nhiều.

AI và Hệ Thống Ticket: Từ Xử Lý Đánh Giá đến Phân Tích Sản Phẩm

Hiệu quả hỗ trợ khách hàng thường được đánh giá qua ba chỉ số CX chính:

• CSAT (Customer Satisfaction Score): ưu tiên hàng đầu cho 31% doanh nghiệp.
• Giữ chân khách hàng (hay còn gọi là chỉ số tiền thực tế): cũng là 31%.
• Thời gian phản hồi (không ai thích chờ đợi): 29% (HubSpot).

Trong ngành game, các đánh giá gần như vô tận:

• Một số ngắn gọn “⭐️⭐️⭐️⭐️⭐️ trò chơi tuyệt vời lol”.
• Một số khác là những bài viết dài đầy giận dữ.
• Nhiều đánh giá là những câu hỏi trực tiếp “hãy hỗ trợ tôi với”.

Xử lý điều này bằng tay? Thực sự là một sự lãng phí thời gian. Các doanh nghiệp rất quan tâm đến hai vấn đề chính: tốc độ và tính nhất quán. Nếu bạn chậm, CSAT sẽ giảm. Nếu câu trả lời của bạn không nhất quán, khách hàng sẽ không quay lại. Dù bằng cách nào, bạn cũng sẽ mất đi.

Việc tự động hóa giờ đây là điều bắt buộc. Ngay cả người chơi cũng đồng ý: 46% cho biết họ sẵn lòng sử dụng hỗ trợ từ AI nếu nó chỉ đơn giản là giải quyết vấn đề (Salesforce).

Do đó, Malpa Games đã tích hợp AI vào hệ thống ticket sáng bóng của họ để giải quyết bốn thách thức thực tế:

1. Phát hiện cảm xúc (tiêu cực/tích cực/trung lập). Ưu tiên người dùng tức giận trước. Đóng ticket của những người vui vẻ nhanh chóng.
2. Xác định nguyên nhân gốc của phản hồi xấu (quảng cáo, lỗi, sự cố). Các đội ngũ sản phẩm rất thích điều này - nó giống như QA miễn phí.
3. Tự động gán nhãn đánh giá cho phân tích rõ ràng. Tạm biệt gán nhãn thủ công.
4. Soạn trả lời (hoặc lấy từ mẫu) cho các trường hợp tiêu chuẩn. Con người chỉ can thiệp cho những ticket khó cần sự đồng cảm.

Để kiểm tra điều này, chúng tôi đã kết nối ChatGPT và Gemini bên cạnh nhau. Mục tiêu: so sánh độ chính xác phân loại và “phong cách trả lời” trong thực tế. Một mô hình sẽ cuối cùng chiến thắng, nhưng hiện tại chúng tôi để chúng cạnh tranh nhau.

Hướng Dẫn Tự Động Hóa Ticket với AI

Chúng tôi bắt đầu từ những điều nhỏ bé nhưng có ảnh hưởng. Hiện tại, AI xử lý:

• Ticket rỗng (chỉ có đánh giá sao + metadata).
• Đánh giá tích cực ngắn không có câu hỏi.

Mô hình quét, kiểm tra quy tắc và chọn một phản hồi từ danh mục mẫu tự động của chúng tôi.

Điểm cộng: chúng tôi lưu trữ nhiều mẫu cho mỗi nhóm ticket và chọn ngẫu nhiên - bởi vì không có gì làm cho “tôi là bot” rõ ràng hơn việc sao chép cùng một ghi chú cảm ơn 10.000 lần.

Quy trình ví dụ:

• Người dùng để lại: ⭐️⭐️⭐️⭐️⭐️ Mọi thứ đều tuyệt!

• AI phát hiện: Tiếng Anh, <50 ký tự, đánh giá=5, không có câu hỏi.

• Hệ thống phản hồi (bằng ngôn ngữ của người dùng), chọn một trong số này:

  • “Cảm ơn vì đã đánh giá! Rất vui bạn đang thưởng thức trò chơi 😊”.
  • “Cảm ơn bạn đã đánh giá cao! Hãy thưởng thức nhé!”.
  • “Cảm ơn bạn đã chơi – điều này thực sự thúc đẩy chúng tôi!”.

Ticket đã đóng. Không có con người nào bị tổn thương trong quá trình này. Người chơi nhận được một phản hồi nhanh chóng, thân thiện.

Quy trình:

1. Ticket vào hệ thống. Nếu chỉ có sao, tự động phản hồi + đóng.
2. Nếu có đánh giá tích cực + văn bản → AI tìm ngôn ngữ + ngữ cảnh → cả hai mô hình đề xuất phản hồi.
3. Quản lý hỗ trợ có thể tái tạo/dịch → sao chép → gửi → đóng.

Quy Tắc Tự Động Hóa

Chúng tôi đã không để AI hoạt động tự do. Thay vào đó, chúng tôi đã thiết lập các quy tắc nghiêm ngặt thông qua thư mục tự động phản hồi.

Các quy tắc kiểm soát mọi thứ:

• Theo ngôn ngữ → chỉ phản hồi bằng các ngôn ngữ hỗ trợ.
• Theo độ dài văn bản → ngắn = tự động, dài = con người.
• Theo đánh giá → tích cực = tự động, tiêu cực = con người.

Bạn cũng có thể gán các quy tắc cụ thể cho dự án, vì không có quy tắc nào phù hợp cho tất cả mọi thứ, đặc biệt là trong ticketing.

Kết Quả Tích Hợp

Thống kê năm đầu tiên:

• 10.000 ticket rỗng đã được đóng.
• 8.000 đánh giá ngắn đã được đóng.
• Tổng cộng = 18.000 ticket trong số 47.000 (~40% dòng chảy).

Mỗi ticket đơn giản thường mất 2 phút của một con người (mở → đọc → gán nhãn → phản hồi → gửi). AI đã thực hiện tất cả điều đó 18.000 lần.

Điều này tiết kiệm được 600 giờ - tương đương với 4 tháng làm việc của một quản lý hỗ trợ toàn thời gian. Không tệ cho một trợ lý không cần nghỉ uống cà phê. ☕

Ba Bài Học từ Tự Động Hóa Hỗ Trợ với AI

Malpa Games đã cho chúng tôi thấy:

1. Ngay cả tự động hóa đơn giản cũng quan trọng. Đóng các đánh giá ngắn/rỗng đã tiết kiệm hàng trăm giờ và ổn định thời gian phản hồi.
2. Phân loại = thông tin sản phẩm. Gán nhãn cảm xúc + nguyên nhân gốc giúp sản phẩm ưu tiên sửa lỗi, không chỉ hỗ trợ.
3. AI hỗ trợ, không thay thế. Soạn thảo phản hồi giảm thời gian phản hồi, giúp con người có thời gian xử lý các trường hợp phức tạp một cách đồng cảm.

Kết luận: Tương lai sẽ còn thông minh hơn: dự đoán khối lượng công việc, tự động định tuyến các ticket, tạo ra câu trả lời một cách linh hoạt từ cơ sở dữ liệu hoặc dữ liệu người dùng. Đó chính là lúc AI không chỉ là một bot trợ giúp mà trở thành một vũ khí chiến lược để mở rộng hỗ trợ.