AI giúp phân loại khiếu nại khách hàng nhanh và đều tay: đọc từng khiếu nại, gắn một nhãn chính theo bộ danh mục cố định, ghi kèm câu trích dẫn, để cuối tuần bạn đếm được loại lỗi nào đang lặp lại. Phần quan trọng hơn vẫn là của người: chọn loại lỗi để đào tới nguyên nhân gốc, sửa quy trình, rồi theo dõi xem số khiếu nại loại đó có giảm thật hay không.
Bài này dành cho chủ doanh nghiệp dịch vụ, trưởng bộ phận chăm sóc khách hàng và người phụ trách chất lượng ở công ty nhỏ, nơi khiếu nại đến từ đủ kênh và thường được xử lý xong là quên. Phần khảo sát mức độ hài lòng và đánh giá công khai của khách thuộc trang AI Đánh Giá; ở đây chỉ bàn khiếu nại đã đến tay công ty.
Khiếu nại xử lý xong rồi quên: vì sao lỗi cứ quay lại
Ở công ty nhỏ, khiếu nại thường được xử lý theo từng ca: khách gọi phàn nàn giao thiếu hàng, nhân viên xin lỗi, giao bù, xong. Tuần sau một khách khác gặp đúng chuyện đó, nhân viên khác lại xin lỗi và giao bù. Mỗi lần đều xử lý tốt, nhưng không ai thấy đây là cùng một lỗi lặp lại, vì thông tin nằm rải rác trong sổ ghi chép, nhóm tin nhắn nội bộ, hộp thư, và trí nhớ của từng người.
Kết quả là công ty trả chi phí cho cùng một lỗi nhiều lần: tiền giao bù, thời gian nhân viên, và quan trọng nhất là khách không quay lại. Muốn thoát vòng này cần hai thứ: gom khiếu nại về một chỗ, và phân loại chúng theo một cách thống nhất để đếm được.
Phân loại thủ công thì ai cũng biết cách, nhưng ít ai làm đều đặn vì tốn thời gian và mỗi người phân một kiểu. AI phù hợp với đúng khâu này: đọc văn bản tự do của khách, gắn nhãn theo danh sách có sẵn, và làm giống nhau từ khiếu nại thứ nhất đến khiếu nại thứ một trăm.
Gom khiếu nại từ mọi kênh về một sổ chung
Trước khi nói chuyện AI, cần có chỗ để khiếu nại đổ về. Với công ty nhỏ, một bảng tính chung hoặc một biểu mẫu điền nhanh là đủ, miễn là mọi kênh đều ghi vào cùng một nơi. Những cột tối thiểu nên có:
- Ngày nhận và kênh nhận: điện thoại, tin nhắn, email, bình luận, trực tiếp tại quầy, qua bộ phận giao hàng.
- Nội dung khiếu nại bằng lời của khách, càng sát nguyên văn càng tốt, đã bỏ tên và số điện thoại; mã khách hoặc mã đơn để tra lại khi cần.
- Người tiếp nhận và cách đã xử lý ngay lúc đó, ví dụ xin lỗi, giao bù, hoàn tiền, hẹn kiểm tra.
- Trạng thái: đang xử lý, đã xong, khách chưa hài lòng.
- Cột nhãn để trống, do bước phân loại điền sau.
Điều kiện để sổ này có dữ liệu là ghi phải nhanh. Nếu nhân viên mất năm phút cho mỗi dòng, họ sẽ chỉ ghi những vụ lớn. Một mẹo hữu ích: cho phép nhân viên ghi nội dung thật ngắn hoặc dán nguyên tin nhắn của khách, còn việc viết lại cho gọn và gắn nhãn để AI làm ở bước sau.
Khiếu nại nói trực tiếp ở quầy là loại hay bị bỏ nhất. Chủ cửa hàng có thể đặt thói quen cuối ca: người đứng quầy kể nhanh những lời phàn nàn trong ngày, người trực ghi một dòng cho mỗi chuyện. Không cần đầy đủ, chỉ cần đều.
Dựng bộ nhãn khiếu nại: ít, rõ, không chồng nhau
Bộ nhãn là nền móng. Nhãn mơ hồ thì AI gắn lung tung, đếm ra cũng vô nghĩa. Một bộ khởi đầu cho doanh nghiệp bán hàng có giao nhận có thể như sau.
| Nhãn chính | Khi nào dùng | Không dùng khi |
|---|---|---|
| Sản phẩm lỗi | Hàng hỏng, thiếu chi tiết, không hoạt động khi nhận | Hàng đúng nhưng khách không thích |
| Giao sai | Sai mẫu, sai màu, sai số lượng, sai địa chỉ | Giao đúng nhưng trễ |
| Giao trễ | Quá thời gian đã hẹn với khách | Khách tự dời lịch |
| Thông tin sai | Nhân viên hoặc trang bán hàng nói khác thực tế về giá, khuyến mãi, tính năng, bảo hành | Khách hiểu nhầm dù thông tin đúng |
| Thái độ phục vụ | Khách phàn nàn về cách nói, cách cư xử của nhân viên | Khách chỉ không hài lòng với kết quả |
| Thanh toán, hoàn tiền | Trừ tiền sai, hoàn tiền chậm, hoá đơn sai | Khách hỏi cách thanh toán |
| Khác | Không khớp nhãn nào ở trên | Có nhãn phù hợp |
Cột "không dùng khi" giúp AI và người phân biệt các nhãn gần nhau. Nếu nhãn "Khác" chiếm phần lớn sau vài tuần, đọc lại những khiếu nại trong đó để tách ra nhãn mới, đừng để nó thành thùng rác.
Câu lệnh gắn nhãn và những điều phải ép AI làm
Câu lệnh gắn nhãn nên chặt, vì mục tiêu là nhất quán. Mẫu có thể dùng sau khi đã che tên, số điện thoại, địa chỉ của khách:
- "Bạn là người phân loại khiếu nại cho một công ty bán đồ gia dụng có giao hàng. Dưới đây là danh sách nhãn kèm định nghĩa và trường hợp không dùng."
- "Với mỗi khiếu nại, chọn đúng một nhãn chính, tối đa một nhãn phụ, trích nguyên văn câu của khách làm căn cứ, và ghi Không rõ nếu khiếu nại không đủ thông tin."
- "Không tự suy ra nguyên nhân bên trong công ty. Chỉ phân loại điều khách nói."
- "Trả kết quả thành bảng gồm mã khiếu nại, nhãn chính, nhãn phụ, câu trích, mức độ khách bức xúc theo ba mức thấp, vừa, cao."
Câu "không tự suy ra nguyên nhân" rất quan trọng. Nếu không dặn, AI hay viết thêm những nhận định như "có thể do kho đóng gói ẩu", nghe hợp lý nhưng không có căn cứ, và người đọc dễ tin. Nguyên nhân phải do người tìm, bằng cách hỏi đúng bộ phận.
Mỗi tuần, chọn ngẫu nhiên vài khiếu nại để người phân loại lại và so với nhãn AI gắn. Nếu lệch nhiều ở một cặp nhãn, sửa định nghĩa của cặp đó.
Từ con số đến nguyên nhân gốc
Có nhãn rồi, việc tiếp theo là đếm và đào. Một vòng làm việc mỗi tháng có thể gồm:
- Đếm số khiếu nại theo nhãn trong tháng, so với tháng trước. Sắp xếp từ nhiều đến ít để thấy vài nhãn chiếm phần lớn.
- Chọn một nhãn để đào sâu, ưu tiên nhãn vừa nhiều vừa gây thiệt hại lớn, chứ không chỉ nhãn nhiều nhất.
- Đọc toàn bộ khiếu nại của nhãn đó, nhờ AI gom thành các nhóm con theo tình huống, ví dụ giao sai màu, giao sai số lượng, giao sai địa chỉ.
- Với nhóm con lớn nhất, họp ngắn với bộ phận liên quan và hỏi liên tiếp "vì sao" cho tới khi chạm một điều có thể sửa trong quy trình.
- Chọn một thay đổi cụ thể, ghi ai làm, bắt đầu từ ngày nào.
- Theo dõi số khiếu nại của nhóm con đó trong một đến hai tháng sau thay đổi.
Ví dụ giả định: một cửa hàng đồ gia dụng thấy "giao sai" tăng, gom lại thì phần lớn là sai màu. Hỏi kho thì hoá ra hai màu của cùng một mẫu nằm chung một kệ, mã chỉ khác một ký tự cuối. Sửa bằng cách tách kệ và in màu lên nhãn kệ, không cần nhắc nhở ai.
Những sai lầm làm hỏng việc phân loại
Đổi bộ nhãn liên tục. Mỗi tháng thêm bớt nhãn thì không so được tháng này với tháng trước. Nên giữ bộ nhãn ổn định ít nhất một quý, chỉ tách nhãn "Khác" khi thật cần.
Chỉ ghi khiếu nại có giấy tờ. Khiếu nại qua điện thoại, qua bình luận, nói trực tiếp ở quầy thường không được ghi. Nếu chỉ đếm khiếu nại qua email, bức tranh lệch hẳn. Cần một chỗ ghi đơn giản cho mọi kênh, kể cả một dòng trong bảng tính.
Dùng số khiếu nại để phạt bộ phận. Khi bộ phận bị phạt theo số khiếu nại, khiếu nại sẽ bị giấu hoặc ghi sang nhãn khác. Số liệu dùng để tìm lỗi quy trình, không để đổ lỗi.
Gắn nhiều nhãn chính cho một khiếu nại. Một khách vừa nhận hàng trễ vừa bị nhân viên nói khó nghe sẽ muốn được ghi cả hai, nhưng nếu khiếu nại nào cũng mang ba bốn nhãn chính thì phép đếm cuối tháng bị thổi phồng và không còn so được. Quy ước một nhãn chính là điều khách bức xúc nhất, nhãn phụ chỉ dùng khi thật sự có chuyện thứ hai.
Tin vào mức độ bức xúc AI chấm. AI đánh giá mức độ bức xúc qua chữ, nhưng có khách viết nhẹ nhàng mà đã quyết không quay lại, có khách viết gay gắt nhưng chỉ cần một lời giải thích. Coi đó là gợi ý để ưu tiên đọc, không phải thước đo.
Đóng vòng với khách và với nhân viên
Khiếu nại được phân loại và sửa tận gốc sẽ có giá trị hơn nhiều nếu khách biết. Với khách đã phàn nàn về đúng lỗi vừa sửa, một tin nhắn ngắn báo rằng cửa hàng đã thay đổi cách làm nhờ góp ý của họ thường được đón nhận tốt hơn một mã giảm giá. Khi soạn tin này, có thể nhờ AI viết nháp, nhưng nội dung phải đúng sự thật, không hứa thêm điều gì.
Với nhân viên tuyến đầu, nên chia sẻ hằng tháng ba thông tin: loại khiếu nại nào đang nhiều, công ty đã sửa gì, và cách trả lời khách trong lúc chờ sửa. Người nghe điện thoại là người chịu sức ép của lỗi lặp lại nhiều nhất; thấy lỗi được sửa thật sẽ giúp họ tin vào hệ thống ghi khiếu nại và ghi đầy đủ hơn.
Về dữ liệu, khiếu nại thường chứa thông tin cá nhân và đôi khi cả tình huống riêng tư của khách. Chỉ người cần thiết được xem bản gốc, bản đưa cho AI phải được che, và nên có thời hạn lưu trữ rõ ràng theo quy định hiện hành.
Câu hỏi thường gặp
Công ty nhỏ có cần phần mềm quản lý khiếu nại riêng không?
Chưa cần ngay. Một bảng tính có cột ngày, kênh, nội dung đã che dữ liệu, nhãn, người xử lý, kết quả là đủ để bắt đầu. Khi số khiếu nại lớn và nhiều người cùng xử lý, mới cần cân nhắc công cụ chuyên dụng.
Nên có bao nhiêu nhãn khiếu nại?
Khoảng sáu đến mười nhãn chính là vừa với công ty nhỏ. Ít quá thì không chỉ ra được vấn đề, nhiều quá thì người và AI dễ gắn lẫn. Có thể thêm nhãn phụ khi một nhãn chính quá đông và cần tách tình huống.
AI có tự tìm được nguyên nhân gốc của khiếu nại không?
Không nên giao việc đó cho AI. Máy chỉ đọc được điều khách viết, không biết chuyện trong kho, trong xưởng hay ở bộ phận giao hàng. AI giúp gom nhóm và gợi câu hỏi; nguyên nhân phải do người hỏi trực tiếp bộ phận liên quan.
Làm sao biết AI gắn nhãn có đúng không?
Mỗi tuần chọn ngẫu nhiên một ít khiếu nại để người gắn lại độc lập rồi so với AI. Nếu lệch nhiều ở một cặp nhãn, viết lại định nghĩa và trường hợp không dùng cho cặp đó, rồi kiểm lại tuần sau.
Khiếu nại qua bình luận công khai có nên đưa vào không?
Nên đưa vào cùng bảng nếu đó là khiếu nại về sản phẩm hoặc dịch vụ thật, ghi rõ kênh. Việc theo dõi và phản hồi đánh giá công khai nói chung là một mảng riêng; ở đây chỉ dùng nội dung khiếu nại để tìm lỗi.
Bao lâu thì thấy số khiếu nại giảm sau khi sửa quy trình?
Tuỳ loại lỗi và lượng đơn. Với lỗi kho hoặc giao hàng, thường cần theo dõi một đến hai tháng mới thấy xu hướng rõ. Nên so cùng nhóm con trước và sau thay đổi, không chỉ nhìn tổng số khiếu nại.