Vấn đề: phân loại tùy hứng thì không so sánh được
Nếu tuần này AI gọi theme là "Hiệu năng", tuần sau gọi "Tốc độ", tuần sau nữa "App chậm", bạn không thể theo dõi xu hướng. Sentiment cũng vậy: "tạm ổn nhưng hay lỗi" là tích cực hay tiêu cực? Nếu không có định nghĩa nhất quán, mỗi lần chạy ra một kiểu. Bài này dạy cách phân loại có khung (taxonomy) cố định để kết quả ổn định và so sánh được theo thời gian.
Nguyên tắc: định nghĩa taxonomy TRƯỚC
Đừng để AI tự bịa danh mục mỗi lần. Bạn đưa cho AI một danh sách theme cố định (10-15 theme) + quy tắc sentiment rõ ràng. AI chỉ được xếp vào danh sách đó, hoặc "Khác" nếu không khớp — rồi bạn xem "Khác" để bổ sung theme mới.
Ví dụ taxonomy cho một app SaaS:
- Hiệu năng / Tốc độ
- Lỗi & Ổn định (bug, crash)
- Onboarding / Dễ dùng
- Giá & Gói cước
- Tính năng thiếu
- Chất lượng Support
- Tích hợp / API
- Tin cậy dữ liệu / Bảo mật
Quy tắc sentiment rõ ràng
- Tiêu cực: có phàn nàn, thất vọng, ý định rời bỏ, hoặc nêu vấn đề chưa giải quyết.
- Tích cực: khen, hài lòng rõ, ý định giới thiệu.
- Trung tính: nêu sự việc, câu hỏi, đề xuất không kèm cảm xúc mạnh.
- Câu hỗn hợp ("thích lắm nhưng hay crash") → gán sentiment theo mệnh đề hành động chính (ở đây là crash → tiêu cực), và ghi chú hỗn hợp.
Các bước làm
- Chốt danh sách 10-15 theme + quy tắc sentiment (lưu lại tái dùng).
- Đưa taxonomy vào prompt, yêu cầu AI CHỈ dùng theme trong danh sách.
- Yêu cầu mỗi dòng: theme chính, sentiment, độ tự tin, trích dẫn.
- Lọc các dòng "Khác" và độ tự tin thấp để tự đọc tay.
- Cập nhật taxonomy nếu "Khác" xuất hiện chủ đề mới đủ lớn.
Prompt mẫu phân loại theo taxonomy cố định
Bạn là trợ lý phân loại VoC. CHỈ được dùng các THEME sau, không tạo theme mới:
[Hiệu năng, Lỗi & Ổn định, Onboarding, Giá & Gói cước, Tính năng thiếu,
Support, Tích hợp/API, Bảo mật, Khác]
Quy tắc sentiment:
- Tiêu cực: phàn nàn/thất vọng/ý định rời bỏ.
- Tích cực: khen/hài lòng/muốn giới thiệu.
- Trung tính: nêu việc/hỏi/đề xuất không cảm xúc mạnh.
- Câu hỗn hợp: gán theo mệnh đề chính, ghi "hon_hop": true.
Với MỖI phản hồi, trả JSON:
{id, theme, sentiment, do_tu_tin: 0-1, trich_dan_nguyen_van, hon_hop}
- do_tu_tin < 0.6 nếu mơ hồ. KHÔNG bịa trích dẫn — phải copy đúng từ input.
Dữ liệu (mỗi dòng có id):
[dán dữ liệu đã chuẩn hóa]
Template: Bảng taxonomy tái dùng
THEME cố định (v1 - ngày ___):
1. ______ | Mô tả/ví dụ từ khóa: ______
2. ______ | ______
...
Quy tắc sentiment: [dán 3 dòng ở trên]
Ngưỡng đọc tay: do_tu_tin < 0.6 HOẶC theme = 'Khác'
Lần cập nhật gần nhất: ______
Ví dụ cụ thể
Chạy 250 dòng qua prompt trên, bạn nhận JSON có do_tu_tin. Bạn lọc 18 dòng dưới 0.6, đọc tay trong 5 phút, sửa 4 dòng AI xếp nhầm, và phát hiện 6 dòng "Khác" đều nói về một tính năng xuất báo cáo — đủ lớn để thêm theme "Xuất/Báo cáo" vào taxonomy v2.
Sai lầm thường gặp
- Để AI tự sinh theme mỗi lần — không so sánh được: mất khả năng theo dõi xu hướng. Cố định taxonomy.
- Bỏ qua độ tự tin: AI xếp sai vẫn nói chắc nịch. Bắt AI báo
do_tu_tinvà tự kiểm phần thấp. - Ảo giác trích dẫn: AI ghép câu không có thật để "minh họa" theme. Yêu cầu copy nguyên văn kèm id để truy ngược.
- Đếm sentiment như sự thật tuyệt đối: sentiment máy sai 10-20% là bình thường; dùng làm xu hướng, đừng làm KPI cứng.
- Phụ thuộc quá mức, mất sắc thái: mỉa mai ("tuyệt vời, lại mất dữ liệu") thường bị AI gán tích cực. Đọc tay các review dài để bắt sắc thái.