--- title: "Chatbot AI cho shop: làm được gì, không làm được gì và chi phí vận hành tính thế nào" url: https://phatdev.net/vi/blog/ai-chatbot-for-shop lang: vi updated: 2026-10-21 alternate: en: https://phatdev.net/en/blog/ai-chatbot-for-shop markdown: https://phatdev.net/vi/blog/ai-chatbot-for-shop.md --- # Chatbot AI cho shop: làm được gì, không làm được gì và chi phí vận hành tính thế nào > Chatbot trả lời khách lúc nửa đêm nghe hấp dẫn, nhưng nó chỉ biết những gì bạn đưa nó đọc. Bài này nói rõ việc nào nên giao, dữ liệu cần chuẩn bị, cách tính chi phí và cách hạn chế trả lời sai. Chuyên mục: AI | Đăng: 2026-10-21 | Cấp độ: Cơ bản | 6 phút đọc Tags: chatbot, ai, ecommerce, hallucination, cost Chín giờ tối, một khách nhắn vào fanpage của shop: "Cái máy xay này bảo hành mấy tháng, có đổi trả không?". Chủ shop đang ăn cơm, nhân viên đã về. Sáng hôm sau khách đã mua chỗ khác. Chuyện này lặp lại mỗi tuần, và đó là lúc nhiều chủ shop nghĩ tới chatbot AI. Mình làm web và phần mềm theo yêu cầu, nên hay được hỏi chatbot AI có làm được việc đó không, tốn bao nhiêu, có nguy hiểm không. Bài này trả lời thẳng, theo thứ tự mà một chủ shop cần biết trước khi quyết định. ## Chatbot AI làm tốt việc gì Hình dung chatbot như một nhân viên mới rất chăm, đọc rất nhanh, trực cả đêm, nhưng chỉ biết những gì bạn đưa cho nó đọc. Nó làm tốt những việc có đáp án nằm sẵn trong tài liệu của shop. Ví dụ: giờ mở cửa, chính sách bảo hành và đổi trả, phí giao hàng theo khu vực, cách chọn size, sản phẩm nào còn hàng, đơn đã gửi chưa. Với những câu này, khách hỏi mười cách khác nhau thì chatbot vẫn hiểu, vì nó đọc hiểu câu chữ chứ không bắt khách bấm theo kịch bản cố định. Nó cũng làm tốt việc gom thông tin trước khi chuyển cho người. Khách muốn đặt hàng số lượng lớn, chatbot hỏi sẵn tên, số điện thoại, nhu cầu, rồi gửi cho bạn một tin gọn. Bạn mở máy buổi sáng là biết ai cần gọi lại. ## Chatbot không làm được gì Nó không thay được người ở những chỗ cần quyết định. Giảm giá ngoài bảng giá, xử lý khiếu nại, đồng ý đổi trả ngoài chính sách, an ủi khách đang bực: những việc này phải có người. Nó cũng không "biết" những thứ bạn chưa đưa. Nếu tài liệu không nói shop có giao hàng quốc tế hay không, chatbot sẽ không biết, và điều đáng lo là nó có thể đoán cho nghe hợp lý. Phần rủi ro bên dưới nói kỹ hơn. Và nó không tự sửa dữ liệu của shop nếu bạn không nối nó vào hệ thống. Chatbot chỉ trả lời từ tài liệu là loại đơn giản nhất. Muốn nó tra đơn hàng hay kiểm tồn kho thật, cần nối vào web hoặc phần mềm bán hàng, và phải giới hạn nó chỉ được đọc, không được sửa. ![Sơ đồ khách nhắn tin, chatbot đọc kho tài liệu của shop để trả lời, và câu khó được chuyển sang người](https://phatdev.net/uploads/blog/ai-chatbot-for-shop/flow-1920.webp) ## Cần chuẩn bị dữ liệu gì Đây là phần quyết định chatbot hay hay dở, và thường tốn công hơn cả việc lập trình. Bạn cần gom lại: - chính sách bảo hành, đổi trả, giao hàng, thanh toán, viết thành văn bản rõ ràng - danh sách sản phẩm với mô tả, giá, tình trạng hàng - 30 đến 50 câu khách hay hỏi nhất kèm câu trả lời đúng theo cách shop vẫn nói - những câu chatbot không được trả lời, ví dụ giá riêng cho đại lý, tình trạng đơn của người khác Mẹo nhỏ: mở lịch sử tin nhắn của shop và chép những câu khách hỏi thật. Cách này luôn hay hơn là ngồi tưởng tượng khách sẽ hỏi gì. Tài liệu phải đúng và mới. Chatbot trả lời theo giá cũ vì tài liệu cũ thì lỗi nằm ở shop, không phải ở AI. Nên có một người chịu trách nhiệm cập nhật tài liệu mỗi khi đổi chính sách hay bảng giá. ## Chi phí vận hành tính thế nào ![Đồng hồ đo có vạch hạn mức bên cạnh dòng tin nhắn](https://phatdev.net/uploads/blog/ai-chatbot-for-shop/limit-1920.webp) Có hai khoản, tính khác nhau. Khoản thứ nhất là phí làm một lần: thiết kế cuộc trò chuyện, nạp tài liệu, nối vào web hoặc kênh nhắn tin, thử nghiệm và chỉnh. Khoản này tuỳ độ phức tạp, mình báo giá theo từng dự án. Khoản thứ hai là phí dùng AI, tính theo lượng chữ mà AI đọc và viết, nên gần như tỷ lệ với số tin nhắn của khách. Nhà cung cấp AI công bố bảng giá công khai (ví dụ [bảng giá của Anthropic](https://www.anthropic.com/pricing)) và giá có thể thay đổi, nên mình không ghi số cụ thể ở đây. Điều bạn cần nhớ là cách tính: ít khách nhắn thì tốn ít, mùa cao điểm thì tốn nhiều hơn. Để khỏi giật mình khi nhận hoá đơn, mình luôn đặt **hạn mức**: tối đa bao nhiêu tin mỗi ngày, mỗi tin tối đa bao nhiêu chữ, và khi chạm hạn mức thì chatbot báo khách để lại số điện thoại thay vì ngừng im lặng. Có thể xem chi phí theo tuần trong tháng đầu, rồi chỉnh hạn mức cho hợp. Ngoài ra còn các khoản nhỏ như máy chủ chạy chatbot và thời gian cập nhật tài liệu. Hỏi rõ từ đầu để biết ai lo khoản nào. ## Rủi ro trả lời sai và cách hạn chế Chatbot AI đôi khi nói chắc chắn một điều sai. Giới chuyên môn gọi là "bịa" (hallucination): nó ghép chữ nghe hợp lý chứ không kiểm sự thật. Với shop, hậu quả là hứa bảo hành 24 tháng trong khi shop chỉ bảo hành 12 tháng. Khách giữ ảnh chụp màn hình thì bạn khó cãi. Cách hạn chế mình thường làm, từ dễ tới khó: Thứ nhất, bắt chatbot chỉ trả lời từ tài liệu đã nạp, và nói rõ "mình chưa có thông tin này, để mình chuyển bạn cho nhân viên" khi không tìm thấy. Tài liệu hướng dẫn của Anthropic về giảm bịa cũng nêu cách này: cho phép mô hình nói "tôi không biết" và yêu cầu nó dẫn chứng từ tài liệu ([Reduce hallucinations](https://docs.claude.com/en/docs/test-and-evaluate/strengthen-guardrails/reduce-hallucinations)). Thứ hai, những chủ đề nhạy cảm như giá, hoàn tiền, sức khoẻ, pháp lý thì không cho chatbot tự trả lời, chỉ chuyển người. Thứ ba, ghi lại toàn bộ cuộc trò chuyện để bạn đọc lại hằng tuần. Trong tuần đầu thường thấy ngay chỗ nó trả lời lệch, rồi bổ sung tài liệu. Thứ tư, luôn có nút "gặp nhân viên" dễ thấy. Khách bực mà không tìm được người thật sẽ bực hơn nhiều. Còn một rủi ro nữa là bảo mật. Người xấu có thể cố nhắn những câu để lừa chatbot làm sai chỉ dẫn, hoặc lộ thông tin nội bộ. Nên đừng đưa vào tài liệu của chatbot những thứ bạn không muốn khách thấy, như giá nhập hay thông tin khách khác. Nhóm OWASP có danh sách các rủi ro phổ biến của ứng dụng dùng mô hình ngôn ngữ ([OWASP Top 10 for LLM Applications](https://genai.owasp.org/llm-top-10/)) để dev tham khảo. ## Cho bạn nào viết code Nếu bạn là dev, phần cốt lõi là một lời nhắc hệ thống (system prompt) ngắn và chặt, cộng bước tìm đoạn tài liệu liên quan rồi đưa vào cùng câu hỏi. Ba ý nên có trong lời nhắc: chỉ dùng thông tin trong phần tài liệu được cung cấp, nếu không có thì nói không biết và đề nghị chuyển người, không bao giờ hứa giá hay thời hạn ngoài tài liệu. Mình đã viết riêng về cách viết lời nhắc cho chắc ở bài [Viết yêu cầu cho AI sao cho nó làm đúng và không bịa](https://phatdev.net/vi/blog/prompt-engineering-for-developers). ## Nên làm gì tiếp theo Đừng bắt đầu bằng chatbot. Bắt đầu bằng một file tài liệu: chép 30 câu khách hỏi nhiều nhất cùng câu trả lời chuẩn. Chỉ riêng việc này đã giúp nhân viên trả lời nhanh và thống nhất hơn, kể cả khi bạn chưa làm chatbot. Khi tài liệu đã ổn, chatbot chỉ là bước cuối, và bạn sẽ biết rõ mình cần nó làm gì. Nếu bạn muốn nhờ làm chatbot cho shop, cứ nhắn mình qua phatdev.net, kèm vài câu khách hay hỏi. Mình sẽ nói thẳng việc nào chatbot làm được, việc nào nên để người. ## Nguồn tham khảo - [OWASP Top 10 for LLM Applications](https://genai.owasp.org/llm-top-10/) - [Anthropic - Reduce hallucinations](https://docs.claude.com/en/docs/test-and-evaluate/strengthen-guardrails/reduce-hallucinations) - [Anthropic - Pricing](https://www.anthropic.com/pricing) ## Bài liên quan - [Viết yêu cầu cho AI sao cho nó làm đúng và không bịa](https://phatdev.net/vi/blog/prompt-engineering-for-developers.md) - [Dùng Claude API trong sản phẩm của bạn: gọi hàm, hiện chữ dần và tiết kiệm tiền](https://phatdev.net/vi/blog/claude-api-tool-use-streaming-caching.md) - [Những vấn đề hay gặp khi dùng AI viết code và cách tránh](https://phatdev.net/vi/blog/ai-coding-common-problems.md)