Vì sao "rác vào thì rác ra"
Chất lượng phân tích AI phụ thuộc trực tiếp vào chất lượng dữ liệu đầu vào. Nếu bạn dán một mớ phản hồi lẫn lộn ngôn ngữ, dính chữ ký email, kèm log kỹ thuật và thông tin cá nhân, AI sẽ tốn "sức" xử lý nhiễu và dễ gom cụm sai. Bài này dạy bạn bước chuẩn bị mà 90% PO bỏ qua — và đó là lý do kết quả họ nhận về thiếu tin cậy.
Bốn việc cần làm sạch
- Che thông tin cá nhân (PII): tên, email, SĐT, số đơn hàng, địa chỉ. Đây vừa là yêu cầu bảo mật, vừa giúp AI tập trung vào nội dung.
- Bỏ nhiễu: chữ ký email, "Sent from my iPhone", link, mã lỗi kỹ thuật dài, emoji lặp.
- Chuẩn hóa cấu trúc: mỗi phản hồi một dòng, kèm metadata tối thiểu (nguồn, ngày, điểm sao/NPS nếu có).
- Gắn ID: đánh số mỗi phản hồi (F001, F002...) để về sau AI trích dẫn theo ID, dễ truy vết bằng chứng.
Ví dụ cụ thể
Phản hồi thô:
> "Chào shop, mình là Nguyễn Văn A (0909xxxxxx), đơn #INV-88213. App cứ báo lỗi ERR_TIMEOUT khi mình thanh toán bằng Momo, thử 5 lần đều fail. Bực quá! Sent from my iPhone."
Sau khi làm sạch:
> F042 | store | 2026-06-10 | 2 sao | "App báo lỗi khi thanh toán bằng Momo, thử 5 lần đều fail."
Nội dung cốt lõi được giữ, PII và nhiễu bị loại, có ID và metadata để phân tích.
Prompt làm sạch hàng loạt
Bạn là bộ lọc tiền xử lý dữ liệu phản hồi khách hàng.
Với mỗi phản hồi dưới đây, hãy:
1. XÓA mọi thông tin cá nhân (tên riêng, email, SĐT, số đơn, địa chỉ) — thay bằng [PII].
2. XÓA chữ ký, lời chào xã giao, link, mã lỗi kỹ thuật thô.
3. GIỮ nguyên ý nghĩa và cảm xúc gốc, KHÔNG diễn giải lại hay thêm ý.
4. Xuất ra định dạng: <ID> | <nguồn> | <nội dung đã làm sạch>
Nếu một phản hồi không còn nội dung ý nghĩa sau khi lọc, đánh dấu [BỎ].
Dữ liệu:
<dán phản hồi kèm ID, nguồn>
Các bước triển khai
- Gộp phản hồi từ các nguồn vào một bảng tính, mỗi dòng một mẩu.
- Thêm cột ID, nguồn, ngày, điểm số (nếu có).
- Chạy prompt làm sạch theo lô 50–100 dòng để giữ độ chính xác.
- Rà soát cột kết quả: kiểm tra AI có vô tình xóa nội dung quan trọng không.
- Lưu bản sạch thành "dataset chuẩn" — đây là đầu vào cho mọi bước phân tích sau.
- Giữ bản gốc riêng để đối chiếu khi cần bằng chứng nguyên văn.
Checklist làm sạch (dán cạnh màn hình)
- [ ] Đã che toàn bộ tên/email/SĐT/số đơn?
- [ ] Đã bỏ chữ ký, lời chào, link, mã lỗi thô?
- [ ] Mỗi phản hồi có ID duy nhất?
- [ ] Có metadata: nguồn + ngày + điểm số?
- [ ] Giữ nguyên ngữ nghĩa gốc, không diễn giải thêm?
- [ ] Lưu bản gốc riêng để truy vết?
Sai lầm thường gặp
- Để AI làm sạch xong không kiểm tra (ảo giác): đôi khi AI "tóm tắt lại" thay vì chỉ lọc, làm mất sắc thái. Yêu cầu rõ "giữ nguyên ý, không diễn giải" và rà soát mẫu.
- Quên che PII trước khi lên công cụ công cộng (rò rỉ dữ liệu): nếu công cụ AI không thuộc hệ thống nội bộ, việc dán dữ liệu chứa SĐT khách là vi phạm quyền riêng tư. Che PII TRƯỚC, hoặc dùng công cụ được công ty phê duyệt.
- Làm sạch quá tay: xóa cả cảm xúc ("bực quá", "thất vọng") khiến bước phân loại cảm xúc sau này mất dữ liệu. Chỉ bỏ nhiễu, giữ cảm xúc.
- Không giữ bản gốc: khi stakeholder chất vấn, bạn cần trích dẫn nguyên văn. Mất bản gốc = mất bằng chứng.
Kết bài
Dữ liệu sạch, có ID, có metadata là nền móng để bước gom cụm ở Bài 3 cho ra kết quả đáng tin và truy vết được. Đừng bao giờ bỏ qua bước này chỉ vì "muốn nhanh" — nó tiết kiệm cho bạn hàng giờ sửa sai về sau.