[Showcase] Dashboard phân tích phản hồi khách hàng bằng LLM
Chia sẻ dự án nội bộ mình vừa hoàn thành: dashboard tự động phân loại và tóm tắt phản hồi khách hàng mỗi tuần. BỐI CẢNH Công ty mình nhận khoảng 1.500 phản hồi mỗi tuần từ nhiều kênh: đánh giá trên app, form khảo sát, inbox fanpage, email hỗ trợ. Trước đây team sản phẩm mất gần một ngày để đọc và tổng hợp thủ công, nhiều phản hồi bị bỏ sót. HỆ THỐNG LÀM GÌ 1. Gom phản hồi từ các kênh về một bảng Postgres (chạy mỗi giờ). 2. LLM phân loại từng phản hồi: khen / phàn nàn / góp ý tính năng / câu hỏi, kèm mức độ cảm xúc và tính năng liên quan. 3. Mỗi tuần, gom các phản hồi cùng chủ đề và nhờ LLM viết tóm tắt: vấn đề gì, bao nhiêu người nhắc tới, trích 2–3 câu tiêu biểu. 4. Metabase vẽ biểu đồ xu hướng theo tuần, lọc theo kênh và tính năng. STACK Python, Postgres, Metabase, LLM qua API. Chi phí API khoảng 15 USD/tháng. KẾT QUẢ - Thời gian đọc phản hồi của team sản phẩm giảm từ 1 ngày xuống còn khoảng 30 phút mỗi tuần. - Phát hiện sớm một lỗi thanh toán nhờ số phàn nàn tăng đột biến trong 2 ngày. ĐANG BĂN KHOĂN Mình chưa có cách đo độ chính xác của phần phân loại một cách bài bản. Có bạn nào làm tương tự chia sẻ cách đánh giá với?