Đo lường và kiểm thử chatbot bán hàng: bộ 50 câu, báo cáo ngày

Chatbot "có vẻ ổn" cho tới khi khách hỏi đúng câu đó

Một shop mỹ phẩm chạy trợ lý AI trên Fanpage được hai tháng. Chủ shop thỉnh thoảng nhắn thử vài câu, thấy trả lời mượt nên yên tâm. Đầu tháng, shop đổi chương trình khuyến mãi và sửa bảng giá. Gần hai tuần sau, một khách chụp màn hình phàn nàn: trợ lý báo giá combo cũ. Không ai biết lỗi bắt đầu từ hôm nào, đã có bao nhiêu khách nhận giá sai. (Tình huống minh hoạ.)

Câu chuyện này không hiếm. AI trả lời theo xác suất, dữ liệu thì thay đổi hằng tuần, nên trợ lý bán hàng cần được đo lường và kiểm thử đều đặn như quản lý một nhân viên Sale. Bài này thuộc chặng 4 – Chốt trong Hệ thống Bán lẻ Facebook 4 Chặng, và là phần "nhìn thấy" của toàn bộ chuỗi Sale Chat: lớp bảo vệ ở Lớp bảo vệ trước khi gửi chặn lỗi từng lượt, còn bài này giúp phát hiện lỗi theo thời gian.

Đo lường chatbot là gì và gồm những phần nào?

Đo lường và kiểm thử chatbot bán hàng là việc dùng bộ câu thử cố định, hội thoại thật và báo cáo hằng ngày để biết trợ lý có nói đúng, có dẫn khách tới chốt, có chuyển việc cho Sale kịp thời hay không, rồi sửa có kiểm soát.

Một vòng đo lường đầy đủ gồm năm phần, chạy lặp lại:

Bảng chỉ số nên theo dõi

Không cần nhiều chỉ số. Cần những chỉ số trả lời được ba câu hỏi: trợ lý nói có đúng không, có bán hàng không, và hệ thống có chạy ổn không.

Chỉ số nào cũng cần một mốc so sánh. Tuần đầu, chỉ ghi lại con số để biết "bình thường" trông thế nào; từ tuần thứ hai mới đặt ngưỡng cảnh báo. Đừng đặt mục tiêu theo con số của doanh nghiệp khác: nguồn khách, sản phẩm và cách đội Sale làm việc khác nhau.

Bộ câu thử: 5 nhân vật × 10 câu, chấm tự động

Bộ câu thử là "bài kiểm tra định kỳ" của trợ lý. Hệ thống của Aduca dùng 50 câu: 5 nhân vật khách, mỗi nhân vật 10 câu, chạy định kỳ ban đêm và chấm tự động theo năm tiêu chí: đúng thông tin, chốt khi có tín hiệu mua, tốc độ, giá ngoài bảng, nêu rào cản. Bảng dưới là gợi ý cách chọn 5 nhân vật cho shop của bạn:

Dựng bộ câu thử trong 5 bước

1. Gom câu hỏi thật: lấy những câu khách hay hỏi nhất trong hộp thư, viết lại để bỏ thông tin cá nhân.
2. Chia theo nhân vật: xếp câu vào 5 nhóm như bảng trên, mỗi nhóm có cả câu dễ và câu khó.
3. Viết đáp án dạng "phải có" và "không được có", không viết nguyên một câu trả lời mẫu. Phần số liệu trỏ về bảng giá, bảng lịch thay vì chép số cứng.
4. Gắn tiêu chí chấm cho từng câu: câu nào kiểm tra đúng thông tin, câu nào kiểm tra chốt, câu nào kiểm tra giá ngoài bảng.
5. Chạy lần đầu và đọc tay toàn bộ kết quả để chỉnh đáp án cho công bằng, rồi mới để máy chấm tự động mỗi đêm.

# Mỗi câu thử là một dòng trong bảng (data table hoặc Google Sheets) – minh hoạ
ma: T07
nhan_vat: Người mới tìm hiểu
cau_khach: "Khóa này học những gì vậy em?"
phai_co: nội dung đúng ghi chú kiến thức; một câu hỏi khai thác nhu cầu
khong_duoc_co: giá không có trong <bảng giá>; câu mời chốt khi chưa có tín hiệu mua
tieu_chi: dung_thong_tin, gia_ngoai_bang, toc_do

ma: T18
nhan_vat: Khách chê giá
cau_khach: "Sao đắt thế, chỗ khác rẻ hơn mà?"
phai_co: nêu giá trị; giá đọc đúng <bảng giá>; hỏi khách đang so với gì
khong_duoc_co: tự giảm giá; chê đơn vị khác
tieu_chi: dung_thong_tin, neu_rao_can, gia_ngoai_bang

ma: T26
nhan_vat: Khách nóng
cau_khach: "Lớp gần nhất ở Hà Nội đăng ký thế nào em?"
phai_co: lịch đúng <bảng lịch>; một câu xin số điện thoại
khong_duoc_co: ngày không có trong bảng lịch; số tài khoản
tieu_chi: dung_thong_tin, chot_khi_co_tin_hieu, toc_do

Trong n8n, tính năng Evaluations làm đúng việc này: bộ câu thử nằm trong data table hoặc Google Sheets, Evaluation Trigger đưa từng dòng qua workflow, kết quả được ghi lại để so. Phần chấm bằng chỉ số có sẵn các chỉ số như Correctness và Helpfulness (AI chấm thang 1–5), String Similarity, Categorization, Tools Used, và cho phép tự tính chỉ số riêng. Theo tài liệu n8n, chấm bằng chỉ số dùng đầy đủ ở gói Pro, Enterprise và bản tự cài Enterprise; gói Community và Starter dùng được cho một workflow. Gói và giới hạn có thể đổi, nên kiểm tra lại khi triển khai.

Nguồn: n8n Docs – Evaluations · n8n Docs – Light evaluations · n8n Docs – Metric-based evaluations · n8n Docs – Data tables

Phiên thử tách khỏi dữ liệu thật

Chạy 50 câu mỗi đêm trên hệ thống thật sẽ sinh ra 50 "khách" giả. Nếu không tách, đội Sale nhận tin báo khách nóng giả, bảng CRM đầy lead ảo, báo cáo cuối ngày sai. Hệ thống của Aduca tách bằng cách cho mọi phiên thử một tiền tố riêng trong mã phiên. Gặp tiền tố đó, hệ thống:

• Không báo Sale, không gửi tin vào nhóm báo khách.
• Không ghi vào CRM và bảng khách hàng.
• Không dùng số điện thoại thật trong câu thử; cần số thì dùng số giả rõ ràng.
• Không xếp lịch bám đuổi, không đưa vào bản tin nuôi dưỡng.

Phiên thử có một giới hạn: câu do người soạn thường "sạch" hơn câu khách thật. Có những lỗi chỉ lộ ra với khách thật, nên phần tiếp theo là bắt buộc.

Đọc hội thoại thật hằng ngày

Không công cụ nào thay được việc một người hiểu sản phẩm đọc lại các cuộc chat trong ngày. Không cần đọc hết: ưu tiên các cuộc có khách nóng, có câu trợ lý chưa trả lời được, có lượt phải viết lại, có khách xin dừng hoặc phàn nàn.

• Trợ lý có trả lời đúng câu khách hỏi, hay trả lời một câu na ná?
• Có câu nào lặp lại, đọc lại giá đã báo, hỏi lại điều khách đã nói?
• Có chuyển cho nhân viên khi không cần, hoặc không chuyển khi cần?
• Khách nhắn dồn, gửi ảnh, gửi tin thoại thì trợ lý có hiểu đúng?
• Giọng văn có giống người thật, hay lộ văn mẫu?
• Có câu nào khách hỏi mà kho kiến thức chưa có?

Mỗi lỗi tìm thấy nên trở thành hai thứ: một sửa đổi (ghi chú kiến thức, kịch bản hoặc lớp bảo vệ) và một câu thử mới trong bộ thử, để lỗi đó không quay lại mà không ai biết.

Nguồn: Bộ Công an – Luật Bảo vệ dữ liệu cá nhân 91/2025/QH15

Báo cáo cuối ngày: đọc trong 5 phút

Báo cáo cuối ngày gom mọi thứ chủ doanh nghiệp cần biết vào một tin. Hệ thống của Aduca báo: số chat, bước bán hàng, độ nóng, lead, khách nóng chưa có số, hẹn gọi lại, câu trợ lý chưa trả lời được, lỗi, khách chờ, tỉ lệ viết lại. Khung báo cáo (số liệu để trống):

BÁO CÁO CUỐI NGÀY · <ngày> · <thương hiệu>
Số cuộc chat: <n>   Lead mới: <n>
Theo bước bán hàng: B1 <n> · B2 <n> · B3 <n> · B4 <n> · B5 <n> · B6 <n>
Độ nóng: nóng <n> · ấm <n> · lạnh <n>
Khách nóng chưa có số: <danh sách ngắn>
Hẹn gọi lại: <danh sách và giờ hẹn>
Câu trợ lý chưa trả lời được: <n>   # bấm để xem từng câu
Lỗi: <n>   Khách chờ: <n>   Tỉ lệ lượt phải viết lại: <%>

Báo cáo thường chạy bằng Schedule Trigger vào một giờ cố định. Lưu ý đặt múi giờ cho workflow, vì nếu không đặt, Schedule Trigger dùng múi giờ của máy chủ n8n. Lỗi workflow nên đi qua một error workflow riêng bắt đầu bằng Error Trigger thay vì chờ tới báo cáo cuối ngày (Giám sát lỗi, sao lưu workflow n8n).

Nguồn: n8n Docs – Schedule Trigger · n8n Docs – Error Trigger

Tự học có người duyệt

Đọc hội thoại mỗi ngày tốn thời gian, nên phần "tự học" giúp lọc trước: AI đọc các hội thoại trong ngày, tìm câu khách hỏi mà kịch bản chưa có, cách trả lời chưa ổn, rồi ghi đề xuất bổ sung kịch bản vào bản nháp. Chủ doanh nghiệp đọc, sửa, duyệt; chỉ phần đã duyệt mới được đưa vào kho kiến thức.

1. AI đọc hội thoại, đánh dấu câu chưa trả lời được, câu bị viết lại, câu khách phàn nàn.
2. AI ghi đề xuất vào một ghi chú nháp: câu khách hỏi, đề xuất cách trả lời, nguồn cần bổ sung.
3. Chủ doanh nghiệp duyệt: giữ, sửa hoặc bỏ. Giá, chính sách, cam kết luôn do người quyết.
4. Phần đã duyệt được chép vào ghi chú kiến thức chính; trợ lý dùng ngay từ lượt sau.
5. Thêm câu thử tương ứng vào bộ thử để đo xem bổ sung có hiệu quả không.

Lý do không để AI tự sửa kho kiến thức: một đề xuất sai sẽ được trợ lý nói với mọi khách sau đó. Người duyệt là chốt chặn ít tốn kém mà hiệu quả. Cách tổ chức thư mục nháp và ghi chú chính trong Second Brain: Chatbot n8n đọc Second Brain.

Sức khoẻ kiến thức: kiểm tra định kỳ

Trợ lý chỉ tốt bằng kho kiến thức nó đọc. Hệ thống của Aduca kiểm tra kho kiến thức định kỳ theo các điểm sau, và báo cho người phụ trách khi có vấn đề:

Aduca áp dụng thế nào: số đo nội bộ

• Bộ thử 50 câu (12/10/2026): trong 50 câu, 47 câu chấm tự động được và cả 47 đều đúng (đo nội bộ).
• Đánh giá khách quan sau 1 ngày chạy (05/10/2026): tổng thể khoảng 7,7/10. Điểm yếu lúc đó: còn chuyển nhân viên thừa, tốc độ phụ thuộc nhà cung cấp AI.
• Mỗi điểm yếu được đưa vào danh sách cải tiến và đo lại bằng bộ thử. Các bài trong chuỗi ghi lại từng cải tiến cùng số đo trước và sau trên bộ 30 câu: nạp kiến thức theo thẻ (Kho kiến thức), tỉ lệ lượt phải viết lại (Lớp bảo vệ).
• Bài học: đáp án bộ thử phải cập nhật cùng dữ liệu, nếu không giám sát báo sai; chỉ test bằng phiên thử thì không thấy một số lỗi, nên vẫn đọc hội thoại thật mỗi ngày.

Khi triển khai cho doanh nghiệp khác, Aduca đặt mục tiêu theo giai đoạn: bộ thử đạt từ 90% đúng trở lên trước khi mở kênh thật; lỗi về kênh được cảnh báo trong 30 phút; hệ thống chạy ổn 2 tuần trước khi bàn giao. Đây là mục tiêu nội bộ khi triển khai, không phải cam kết kết quả kinh doanh.

Bắt đầu đo từ tuần này

• Chọn 3 chỉ số đầu tiên: tỉ lệ đúng thông tin, câu chưa trả lời được, khách nóng chưa được liên hệ.
• Soạn 20 câu thử đầu tiên chia theo 5 nhân vật, viết đáp án dạng "phải có / không được có".
• Đặt tiền tố cho phiên thử, chắc chắn phiên thử không báo Sale và không ghi CRM.
• Bật báo cáo cuối ngày với khung ở trên.
• Dành thời gian đọc hội thoại thật mỗi ngày, ưu tiên cuộc có vấn đề.
• Ghi lại quy trình: đổi giá, đổi lịch thì cập nhật đáp án bộ thử ngay.

Trình tự triển khai đầy đủ ở Lộ trình triển khai Sale Chat cho doanh nghiệp; giám sát kỹ thuật ở Giám sát lỗi, sao lưu workflow n8n.

Muốn Aduca dựng sẵn trợ lý bán hàng kèm bộ thử, báo cáo ngày và giám sát, xem Hệ thống Sale Chat tự động. Muốn tự dựng và tự đo bằng n8n, khóa Aduca AI Business System có module Sale Chat.

Câu hỏi thường gặp

Tài liệu liên quan

• Sale Chat · AI AgentSale Chat Automation là gì? Hệ thống chốt sale qua inbox bằng AISale Chat Automation là gì: hệ thống chatbot bán hàng trả lời, dẫn dắt, chăm sóc khách qua Fanpage, Zalo OA, website; 4 tầng, 6 nguyên tắc vàng, ví dụ Aduca.
• Sale Chat · AI AgentKiến trúc Sale Chat: một lõi, nhiều kênh, nhiều thương hiệuKiến trúc chatbot bán hàng đa kênh: tin chuẩn, 4 tầng, 10 làn hành trình, gom tin nhắn dồn, đọc ảnh, đa thương hiệu bằng bảng cấu hình, chọn công cụ n8n.
• Sale Chat · AI AgentKịch bản chatbot bán hàng: dẫn dắt 6 bước như người thậtKịch bản chatbot bán hàng 6 bước: điều kiện lên bước, khai thác một ý mỗi lượt, tín hiệu mua, công thức trả lời, xử lý từ chối, chuyển người, mẫu để điền.
• Sale Chat · AI AgentKho kiến thức cho chatbot bán hàng: dữ liệu cứng, lời nói mềmCách xây dữ liệu cho chatbot bán hàng: một nguồn sự thật, giá và lịch để cứng, AI chỉ lo lời nói, thẻ kiến thức, tra trước, lối tắt, kèm mẫu ghi chú.

Xem tất cả tài liệu hướng dẫn →

Bước tiếp theo

Nhận báo giá Hệ thống Sale Chat tự động

Aduca dựng trợ lý AI bán hàng cho Fanpage, Zalo OA, website theo đúng sản phẩm, bảng giá và kịch bản của bạn, có báo Sale và chăm sóc khách tự động. Báo giá sau buổi khảo sát, theo số kênh, số sản phẩm và lượng tin nhắn.

Nhận báo giá Hệ thống Sale Chat tự độngXem thư viện tài liệu

Nguồn tham khảo

• n8n Docs – Vì sao cần kiểm thử workflow AI (Evaluations)
• n8n Docs – Light evaluations: chạy bộ câu thử nhanh
• n8n Docs – Metric-based evaluations: chấm điểm bằng chỉ số
• n8n Docs – Data tables
• n8n Docs – Schedule Trigger
• n8n Docs – Error Trigger
• Bộ Công an – Luật Bảo vệ dữ liệu cá nhân số 91/2025/QH15

Lịch sử cập nhật

• 11/11/2026 — Bản đầu.

Miễn trừ trách nhiệm