Leanbase Compass là nền tảng AI phân tích hội thoại và phản hồi khách hàng từ nhiều nguồn như ticket support, review, chat nội bộ,… để chuyển hóa thành insight có thể hành động, giúp PM, CS, và team sản phẩm đưa ra quyết định đúng, nhanh và có cơ sở.
Hệ thống hoạt động dựa trên kiến trúc mô hình lai (Hybrid AI Architecture) — sử dụng kết hợp các mô hình ngôn ngữ lớn (LLMs) từ OpenAI và Google AI, được tối ưu theo từng luồng phân tích riêng biệt nhằm phân tích và chuyển hóa các đoạn hội thoại, feedback, review… thành insight thật, rõ ràng dành cho team sản phẩm và team chăm sóc khách hàng.
Nguyên lý hoạt động cơ bản:
1. Sử dụng đa mô hình AI cho từng luồng xử lý (Hybrid Architecture)
Mỗi luồng xử lý trong Leanbase Compass như tự động phân loại insight, phân tích trạng thái cảm xúc, trích xuất chủ đề thông minh, tóm tắt vấn đề ngắn gọn, súc tích, và đề xuất phương án thông minh đều được tối ưu hóa bằng một mô hình AI chuyên biệt phù hợp với nhiệm vụ đó. Hệ thống kết hợp linh hoạt giữa các mô hình như GPT (OpenAI) cho ngữ nghĩa sâu và Gemini (Google AI) cho trích xuất thông tin chính xác. Nhờ sử dụng kiến trúc AI lai (hybrid), LeanbaseCompass có thể xử lý từng phần công việc với độ chính xác và hiệu suất cao nhất kể cả khi dữ liệu đầu vào lớn.
2. Huấn luyện & fine-tune bằng dữ liệu hội thoại thực tế
Mô hình AI được fine-tune (điều chỉnh) bằng hàng dữ liệu của hàng triệu đoạn hội thoại, feedback và ticket thực tế từ nhiều hệ thống: Zendesk, Intercom, Freskdesk, Crisp v.v.
Mục tiêu của quá trình này là:
Đưa ra được insights tối ưu và chính xác nhất
Phân loại chính xác insights theo từng loại type (Vấn đề, Yêu cầu tính năng, Lời khen, Góp ý, Gợi ý, Cần hỗ trợ).
Đưa ra nhận định thực tiễn nhất có thể hành động được với chi tiết các bước cần làm (ví dụ: “nên cải thiện onboarding flow”).
Gắn đúng ngữ cảnh cho insights (module danh mục, sản phẩm)
Mô tả insights tự nhiên, rõ nghĩa hơn
Gắn chính xác các dữ liệu hội thoại với insights tương ứng
Trích xuất nội dung cốt lõi (key message)
3. Phân tích theo tầng (Layered Understanding)
Dữ liệu khi được gửi vào hệ thống sẽ đi qua nhiều tầng xử lý liên tục, mỗi tầng đảm nhiệm một nhiệm vụ chuyên biệt để đảm bảo ngữ cảnh được hiểu đúng, insight được bóc tách chính xác, và kết quả mang tính hành động cao:
Tầng 1. Chuẩn hóa ngôn ngữ đầu vào
Chuyển mọi nội dung từ các nguồn khác nhau (đa ngôn ngữ, cách viết không chuẩn, emoji, viết tắt...) về một định dạng ngôn ngữ chuẩn dựa theo cấu hình ngôn ngữ của người dùng để đảm bảo phân tích chính xác hơn ở các bước sau.
Tầng 2. Phân loại và tóm tắt hội thoại (Conversation Classification & Summarization)
Xác định loại hội thoại (hỗ trợ, góp ý, xem xét, nội bộ...).
Tóm tắt ngắn gọn giúp người dùng nắm nhanh nội dung chính, không cần đọc toàn bộ đoạn dài.
Tự động loại trừ các hội thoại bị phân loại là spam nhằm tránh tạo ra các insight không hợp lệ.
Tầng 3. Trích xuất và chuyển đổi thành insight (Insight Extraction)
Áp dụng mô hình AI để bóc tách các câu mang giá trị từ hội thoại, chuyển thành dạng insight có thể theo dõi và quản lý.
Insight được tách độc lập khỏi phần "nhiễu" hoặc nội dung thừa.
Tầng 4. Phân loại insight theo mục đích sử dụng
Mỗi insight được AI gán loại cụ thể như:
Vấn đề (Issue)
Yêu cầu tính năng (Feature Request)
Gợi ý (Suggestion)
Lời khen (Praise)
Yêu cầu hỗ trợ (Support Request)
Góp ý (Feedback)
Câu hỏi chung (Question)
Insights thừa (Spam&Off-Topic)
Phân loại giúp các team ưu tiên xử lý và theo dõi theo từng mục tiêu sản phẩm và loại bỏ các insights thừa, không phù hợp
Tầng 5. Phân tích cảm xúc (Sentiment Detection)
Dự đoán mức độ cảm xúc của người gửi và tổng thể insights (tích cực / trung lập / tiêu cực) để đánh giá mức độ ảnh hưởng và khẩn cấp của insight.
Tầng 6. Gắn nhãn tự động theo ngữ cảnh (Auto-tagging by Module/Topic)
Hệ thống phân tích và tự động gán tag theo sản phẩm, module tính năng liên quan, hoặc nhóm các vấn đề chung dựa vào nội dung insight và metadata.
Giúp nhóm các insigh giống nhau, lọc nhanh theo sản phẩm hoặc module phụ trách
Tầng 7. Phân tích xu hướng (Trend Detection)
Thống kê số lượng insight theo từng ngày, từng module, từng loại để phát hiện:
Mối quan tâm đang tăng nhanh
Các vấn đề lặp lại
Thời điểm cần can thiệp
Từ đó hỗ trợ ra quyết định nhanh và theo dõi hiệu quả sau khi triển khai thay đổi.
Giúp nhóm các insigh giống nhau, lọc nhanh theo sản phẩm hoặc module phụ trách
4. Chuẩn hoá dữ liệu từ chuyên gia (Expert Validation & Contextual Evaluation)
Đây chính là một trong những yếu tố tạo nên lợi thế cạnh tranh cốt lõi của Leanbase Compass – khả năng kết hợp linh hoạt giữa trí tuệ nhân tạo và tri thức con người.
Sau khi hệ thống AI tạo ra kết quả sơ bộ, các chuyên gia có chuyên môn như Product Manager, Business Analyst, hay Customer Success sẽ thực hiện đánh giá chất lượng đầu ra của AI dựa trên ba tiêu chí trọng yếu:
Contextual Accuracy – Kết quả có phản ánh đúng bối cảnh sử dụng thực tế và ngữ cảnh sản phẩm không?
Actionability – Insight có đủ rõ ràng, thực tế và mang tính hành động để đưa vào quy trình ra quyết định sản phẩm không?
Interpretability – Mô hình AI có hiểu đúng ý định người dùng và diễn đạt rõ ràng hay cần được điều chỉnh?
Thông qua quá trình này, dữ liệu được chuẩn hóa ở cấp độ sâu hơn – không chỉ sạch mà còn đúng với mục tiêu sản phẩm và thực tiễn sử dụng.
5. Đánh giá kết quả và tối ưu mô hình (Feedback Capture & Model Optimization)
Mọi chỉnh sửa, xác nhận hoặc từ chối từ chuyên gia sẽ được hệ thống ghi nhận và tích hợp vào pipeline huấn luyện lại mô hình (fine-tuning pipeline), giúp mô hình cải thiện dần theo thời gian thực.
Nâng cao độ chính xác của mô hình theo thời gian khiến mô hình của bạn không bao giờ bị lỗi thời
Giảm sai lệch trong các trường hợp có tính ngữ cảnh cao hoặc phức tạp, có nhiều tiếng lóng, khó phân tích ngữ cảnh
Việc hiệu chỉnh và tối ưu liên tục sẽ giúp mô hình được tối ưu hiệu suất một cách cao nhất:
Tăng hiệu suất thích ứng (Adaptive Learning) – Mô hình luôn được cập nhật để bắt kịp thay đổi trong ngữ cảnh, ngôn ngữ và hành vi người dùng.
Giảm sai lệch ngữ cảnh (Contextual Robustness) – Giảm đáng kể sai lệch khi xử lý các trường hợp phức tạp, nhiều tiếng lóng, hoặc không rõ ràng về mục đích.
Tối ưu hiệu suất (Performance Maximization) – Việc tinh chỉnh liên tục giúp hệ thống vận hành với hiệu suất và độ chính xác tối ưu.
Từ đó tác động trực tiếp đến chất lượng insight, giúp hệ thống có thể:
Loại bỏ Insight nhiễu (Insight Curation): Lọc ra các insight thực sự giá trị từ dữ liệu đầu vào lớn, loại bỏ nhiễu và sai lệch.
Giảm thiểu sai lệch (Error Correction): Giảm thiểu tác động của việc AI hiểu sai ngữ cảnh hoặc diễn giải sai mục đích người dùng.
6. Quản lý luồng xử lý linh hoạt theo nhu cầu (Customizable Processing Flows)
Leanbase Compass cho phép người dùng toàn quyền kiểm soát luồng xử lý dữ liệu theo từng kênh (channel) và mục đích sử dụng cụ thể – nhằm tối ưu chi phí AI và tránh xử lý dữ liệu dư thừa không cần thiết, cụ thể:
Đảm bảo chỉ những dữ liệu có giá trị sử dụng thực tế mới được đưa vào pipeline AI.
Giảm thiểu thời gian chờ xử lý và hạn chế việc tiêu tốn tài nguyên AI cho các luồng không thiết yếu.
Tăng tốc độ phản hồi tại các điểm cần thiết nhất, đồng thời giảm chi phí cho các channel phụ trợ.
Người dùng có thể lựa chọn các chế độ xử lý sau:
Instant (Ngay lập tức)
Quy trình: Mỗi cuộc hội thoại sẽ được xử lý ngay lập tức khi hệ thống ghi nhận, giúp phát hiện sớm các vấn đề quan trọng.
Ứng dụng: Phù hợp với các channel quan trọng như support, review hoặc ticket yêu cầu phản hồi tức thời.
Daily (Xử lý vào cuối ngày)
Quy trình: Hệ thống sẽ gom tất cả hội thoại trong ngày và xử lý tập trung 1 lần vào cuối ngày (hoặc khung giờ được cấu hình). Cơ chế này giúp tiết kiệm chi phí, phù hợp với xử lý dữ liệu hàng loạt (batch processing, vẫn đảm bảo đủ độ chi tiết.
Ứng dụng: Phù hợp với các kênh có khối lượng lớn nhưng không cần phản hồi tức thì như: email feedback, user survey, review.
3. Single-update (Chỉ xử lý một lần duy nhất)
Quy trình: Chỉ tiến hành xử lý một lần duy nhất, khi hệ thống nhận thấy hội thoại đã hoàn tất (trạng thái "solved", "resolved", hoặc "done"). Không xử lý lại sau đó. Cơ chế này giúp tránh phân tích sớm gây hiểu sai ngữ cảnh, tối ưu nhất về chi phí AI credits.
Ứng dụng: Phù hợp với các ticket hoặc thread kéo dài, nơi chỉ cần phân tích sau khi toàn bộ thông tin đã rõ ràng.
7. Tạo giải pháp hữu ích (Actionable Solution Generation)
Sau khi hệ thống phát hiện insight và phân loại vấn đề, Leanbase Compass sẽ tiến hành gợi ý giải pháp thực tiễn dựa trên:
Dữ liệu chuẩn từ chuyên gia: Bao gồm kho kiến thức (knowledge base) và case study được xây dựng bởi PM, BA, CS giàu kinh nghiệm thực chiến.
Template hành động tiêu chuẩn hóa: Format giải pháp được thiết kế sẵn để dễ chuyển đổi thành task cụ thể, phù hợp với mọi loại insight.
Quy trình này giúp tổ chức có thể:
Tăng tốc độ phản ứng: Người dùng có thể nhanh chóng convert insight thành task mà không cần mất thời gian phân tích lại.
Giảm chi phí tư duy lặp lại (cognitive cost): Loại bỏ bước suy luận lại từ đầu bằng cách đưa ra gợi ý cụ thể và có ngữ cảnh.
Chuẩn hóa luồng xử lý: Giải pháp đầu ra luôn nhất quán theo từng loại vấn đề, tránh phụ thuộc quá nhiều vào cảm tính từng cá nhân
Leanbase Compass không đơn thuần là một công cụ AI tổng hợp phản hồi – đó là một hệ thống phân tích nhiều tầng (layered intelligence system) được thiết kế với triết lý “AI là người phụ tá, con người là trọng tâm ra quyết định.” Leanbase Compass không chỉ cung cấp insight chung chung như các phần mềm đã xuất hiện trên thị trường — nó cung cấp insight có thể hành động ngay lập tức, được kiểm duyệt bởi con người, được hỗ trợ bởi AI, và được tối ưu để giúp các đội ngũ ra quyết định chính xác, nhanh chóng, và có cơ sở dữ liệu rõ ràn
Từ việc xử lý ngôn ngữ đa kênh, phân tích ngữ cảnh sâu, nhận diện cảm xúc, đến gợi ý giải pháp cụ thể, mỗi bước trong hệ thống đều được xây dựng bằng sự kết hợp giữa các mô hình AI tối ưu cho từng nhiệm vụ (hybrid models giữa OpenAI và Google AI) cùng với phản hồi liên tục từ người dùng thực tế.
Điểm tạo nên sự khác biệt cốt lõi của Leanbase Compass:
Luồng kiểm chứng chuyên gia (Expert-in-the-loop) giúp mô hình ngày càng chính xác hơn, phù hợp với từng bối cảnh doanh nghiệp.
Khả năng kiểm soát linh hoạt quy trình xử lý dữ liệu (instant, daily, single-update), giúp tối ưu chi phí AI mà vẫn đảm bảo giá trị.
Khả năng sinh giải pháp, chuẩn hóa theo từng loại insight và nhu cầu của các team khác nhau (Product, CS, Design…), giúp rút ngắn khoảng cách từ phản hồi đến hành động cụ thể.
Vòng phản hồi khép kín (closed feedback loop) giúp hệ thống không ngừng cải tiến, học từ sai lệch và thích nghi với từng thị trường.
Hãy bắt đầu tối ưu insights của bạn ngay ngày hôm nay. Thử nghiệm ngay Leanbase Compass