Nhưng nếu mỗi lần research đều phải lặp đi lặp lại những hành động như vậy thì vô hình chung mất khá nhiều thời gian. Chưa kể, đọc thủ công còn dễ bỏ sót những vấn đề đáng chú ý hoặc chỉ tập trung vào những bình luận trùng với nhận định sẵn có.

Mình từng thử dùng ChatGPT để tổng hợp insight nhanh hơn, nhưng nếu không cung cấp dữ liệu thực tế, AI rất dễ đưa ra những nhận định chung chung, thiếu căn cứ.

Sau khi tham gia khóa học AI Marketing tại công ty mình, mình đã biết thêm cách kết hợp Apify để thu thập dữ liệu Facebook và Manus AI để phân tích các cuộc thảo luận, từ đó xác định những chủ đề, pain point và nhu cầu nổi bật của khách hàng mà không phải đọc từng comment thủ công.

Subscribe now

Dưới đây là 4 bước mình đã thực hiện. Mọi người có thể thử áp dụng ngay nhé! 👇

1️. Thu thập bài viết trong Facebook Group bằng Apify:

Trước tiên, các bạn vào Facebook Group Scraper trên Apify - một công cụ Data Scraping giúp thu thập nội dung bài viết và những thông tin liên quan từ các Facebook Group mà công cụ có quyền truy cập.

📌 Mình lấy ví dụ với group Marketing Inhouse, một cộng đồng có nhiều marketer chia sẻ kinh nghiệm và đặt câu hỏi về công việc hằng ngày dưới đây

Các thao tác gồm:

→ Truy cập Facebook Group Scraper trên Apify.

→ Dán đường link group vào mục Facebook Group URLs.

→ Thiết lập số lượng bài viết cần lấy. Ở đây mình chọn 20 bài viết để thử nghiệm trước.

→ Chọn thứ tự sắp xếp theo bài viết mới nhất để tập trung vào những chủ đề gần đây.

→ Nhấn Save & Start để bắt đầu thu thập.

Sau khi hệ thống báo trạng thái Succeeded, mình mở bảng kết quả, lựa chọn những trường dữ liệu cần thiết rồi xuất file Excel.

Vậy là mình đã có một bảng dữ liệu chứa nội dung, đường link, thời gian đăng và các thông tin liên quan của những bài viết được thu thập.

Nhưng tại sao mình không phân tích ngay 20 bài viết này mà cần lấy thêm comment? Bởi trong Social Listening, nội dung bài đăng và phần bình luận thường phản ánh hai lớp thông tin khác nhau.

▶️ Bài viết cho thấy cộng đồng đang thảo luận về vấn đề gì. Chẳng hạn, có người đặt câu hỏi về cách đo lường hiệu quả content, lựa chọn công cụ AI hoặc xử lý một vấn đề khi chạy quảng cáo.

▶️ Bình luận giúp hiểu sâu hơn về những vấn đề đó. Người tham gia có thể chia sẻ kinh nghiệm thực tế, những giải pháp từng thử, lý do một cách làm không hiệu quả hoặc những khó khăn mà bài đăng ban đầu chưa đề cập.

Đặc biệt, nếu mục tiêu của mình là nghiên cứu khách hàng để xây dựng content strategy, đây thường là nguồn thông tin có giá trị để hiểu rõ hơn về nhu cầu và ngôn ngữ của từng nhóm đối tượng.

2️. Thu thập comment để hiểu sâu hơn về vấn đề khách hàng:

Sau khi có danh sách bài viết, mình tiếp tục sử dụng Facebook Comments Scraper trên Apify.

Cách thực hiện cũng tương tự:

→ Copy toàn bộ cột URL của các bài viết trong file Excel vừa xuất.

→ Truy cập Facebook Comments Scraper và chọn Add multiple URLs.

→ Dán danh sách đường link vào công cụ.

→ Thiết lập số lượng comment cần thu thập trên mỗi bài viết.

→ Nhấn Save & Start và tải file Excel kết quả về.

Lúc này, mình đã có hai bộ dữ liệu - một file chứa thông tin các bài viết và một file chứa những bình luận thu thập được từ các bài viết đó.

Tuy nhiên, không phải comment nào cũng có giá trị ngang nhau khi nghiên cứu khách hàng.

Lấy ví dụ, giả sử mình muốn tìm hiểu vì sao marketer gặp khó khăn khi ứng dụng AI vào công việc.

Một bình luận chỉ đề cập đến việc “AI viết content chưa tốt” có thể mới phản ánh đánh giá chung về chất lượng đầu ra.

Nhưng nếu có người chia sẻ rằng họ đã thử dùng AI để viết bài nhưng vẫn phải chỉnh sửa nhiều lần vì nội dung không đúng thông tin sản phẩm, mình có thể khai thác sâu hơn về nguyên nhân của vấn đề. Phải chăng trở ngại không đơn thuần nằm ở khả năng viết content của AI, mà còn đến từ việc thiếu dữ liệu sản phẩm, customer insight hoặc quy trình kiểm duyệt nội dung?

👉 Đây chính là phần mình cần đào sâu khi nghiên cứu. Social Listening không chỉ để biết mọi người đang nói gì, mà còn giúp marketer đặt ra những câu hỏi tốt hơn về nguyên nhân phía sau hành vi và nhu cầu của khách hàng.

Tất nhiên, dữ liệu thu thập được còn phụ thuộc vào quyền truy cập và giới hạn của công cụ, nên mình không mặc định rằng file xuất ra đã chứa toàn bộ bình luận trên Facebook.

3️. Dùng Manus AI để phân tích dữ liệu và tìm Customer Insight:

Đây là bước mình thấy thú vị nhất vì có thể giảm đáng kể thời gian đọc, lọc và tổng hợp thông tin thủ công.

Sau khi tải hai file Excel lên Manus AI, mình không chỉ yêu cầu công cụ tóm tắt nội dung, mà giao cho AI một số nhiệm vụ phân tích cụ thể.

▶️ Thống kê các từ khóa xuất hiện nhiều: Manus hỗ trợ xác định những từ khóa và cụm từ thường được cộng đồng sử dụng, đồng thời tổng hợp tần suất xuất hiện. Tuy nhiên, mình không xem từ khóa xuất hiện nhiều nhất là insight quan trọng nhất, bởi tần suất thảo luận còn chịu ảnh hưởng từ chủ đề bài viết, ngữ cảnh và mức độ tương tác.

▶️ Phân nhóm các chủ đề thảo luận (Topic Clustering): Thay vì đọc từng bình luận riêng lẻ, AI có thể hỗ trợ phân loại nội dung theo những nhóm chủ đề có ý nghĩa với mục tiêu nghiên cứu.

Ví dụ, khi phân tích một cộng đồng Marketing, mình có thể yêu cầu Manus phân nhóm những thảo luận liên quan đến Content, Paid Ads, AI Tools, Marketing Analytics hoặc Career Development. Từ đó, mình dễ dàng xem lại từng nhóm thay vì phải tìm kiếm thủ công trong cả file dữ liệu.

▶️ Xác định Pain Point và nhu cầu khách hàng: Đây là phần quan trọng nhất nếu mục tiêu cuối cùng là phát triển content strategy. Mình sẽ yêu cầu Manus không chỉ liệt kê các vấn đề được nhắc đến, mà còn làm rõ:

- Khách hàng đang gặp khó khăn cụ thể nào?

- Những khó khăn đó xuất hiện trong hoàn cảnh nào?

- Họ đã thử giải quyết bằng cách nào và còn vướng mắc ở đâu?

- Đâu là những nhu cầu hoặc câu hỏi chưa được giải đáp rõ ràng?

▶️ Trích xuất bình luận và bằng chứng liên quan:

Cuối cùng, mình yêu cầu Manus tổng hợp những bình luận tiêu biểu kèm đường dẫn bài viết gốc để có thể kiểm tra lại. Điều này đặc biệt quan trọng vì thay vì chỉ nhận một danh sách insight do AI đề xuất, mình còn có cơ sở để đánh giá xem các nhận định đó được rút ra từ những thảo luận nào.

Sau khi phân tích, Manus có thể tạo một báo cáo tổng hợp gồm những chủ đề nổi bật, pain point đáng chú ý và các bình luận hỗ trợ cho từng nhận định.

Nếu muốn trực quan hóa hơn, mình còn có thể yêu cầu Manus dựng dashboard, với biểu đồ phân bổ chủ đề, tần suất thảo luận và những chỉ số phù hợp với dữ liệu thu thập được.

Như vậy, thay vì tự tổng hợp hàng loạt comment trong Excel, mình có thể bắt đầu từ một bản phân tích có cấu trúc và tập trung vào việc diễn giải kết quả.

4️. Kiểm tra lại insight trước khi ứng dụng vào Content Strategy:

Mặc dù AI có thể xử lý khối lượng dữ liệu lớn nhanh hơn, mình vẫn không sử dụng ngay mọi kết luận mà công cụ đưa ra. Bởi AI có thể phân nhóm và phát hiện pattern trong dữ liệu, nhưng một pattern chưa đủ để trở thành customer insight có thể ứng dụng vào chiến lược.

Chẳng hạn, khi Manus chỉ ra một vấn đề nổi bật, mình thường quay lại dữ liệu gốc để kiểm tra ba điều:

➤ Thứ nhất, vấn đề đó có thực sự xuất hiện trong dữ liệu hay không?

Mình đối chiếu các bình luận được trích dẫn, kiểm tra nội dung và ngữ cảnh của cuộc thảo luận để tránh trường hợp AI diễn giải sai hoặc đưa ra kết luận thiếu căn cứ.

➤ Thứ hai, vấn đề đó có liên quan đến nhóm khách hàng mình đang hướng tới không?

Ví dụ, cùng thảo luận về AI Marketing nhưng khó khăn của một Marketing Executive mới đi làm sẽ khác với một Marketing Manager đang quản lý team và chịu trách nhiệm về hiệu suất kinh doanh. Nếu không phân biệt rõ đối tượng, rất dễ tạo ra những content angle quá chung chung, không chạm đúng nhu cầu của bất kỳ nhóm nào.

➤ Thứ ba, từ kết quả phân tích này, mình có thể đưa ra hành động Marketing nào?

Với mình, research chỉ thực sự có giá trị khi giúp trả lời được những câu hỏi như:

- Nên ưu tiên chủ đề nào trong content plan sắp tới?

- Khách hàng đang có hiểu lầm hoặc câu hỏi nào cần được giải đáp?

- Content cần khai thác pain point theo góc nhìn nào để đúng ngữ cảnh?

- Có những giả thuyết insight nào cần nghiên cứu sâu hơn trước khi triển khai campaign?

Đây cũng là lý do mình vẫn giữ bước kiểm tra thủ công, đặc biệt với những nhận định có ảnh hưởng trực tiếp đến chiến lược nội dung.

📍 Một lưu ý nhỏ: Khi sử dụng Data Scraping, mọi người nên ưu tiên dữ liệu được phép truy cập, tuân thủ quy định của nền tảng và tránh thu thập hoặc chia sẻ thông tin cá nhân không cần thiết.

📌 Thay vì bắt đầu Social Listening bằng việc mở từng group và đọc lần lượt từng bình luận, mình đã có một quy trình rõ ràng hơn:

Apify thu thập bài viết → Apify thu thập bình luận → Manus AI phân tích dữ liệu → Marketer kiểm chứng và khai thác insight.

Kết quả không chỉ là hai file Excel chứa dữ liệu thô, mà còn có thể phát triển thành một bản báo cáo Social Listening với các nhóm chủ đề, pain point, trích dẫn nguồn và dashboard trực quan.

Từ đó, marketer có thể ứng dụng cho nhiều công việc khác nhau như Customer Research, Planning,...

Ví dụ sau khi cào đầy đủ data của khách, chúng ta có thể tạo được 1 bảng segment như trên

Điều mình nhận thấy rõ nhất từ cách làm này giá trị lớn nhất của AI nằm ở việc giúp chúng ta giảm thời gian xử lý dữ liệu để dành nhiều thời gian hơn cho việc phân tích và ra quyết định.

Đặc biệt, với những team Marketing ít người nhưng phải liên tục research khách hàng, cập nhật xu hướng và sản xuất content, đây là một cách khá dễ tiếp cận để bắt đầu đưa AI vào quy trình làm việc thực tế mà không cần xây dựng một hệ thống automation phức tạp ngay từ đầu. Nếu bạn muốn học cách xây dựng quy trình AI như trên và ứng dụng các công cụ AI vào các phần khác của Marketing, các bạn hãy tham khảo chương trình AI Marketing tại TM AI.

👉 Khóa học này được thiết kế siêu thực chiến dành riêng cho anh em marketer tụi mình, tập trung vào việc ráp thẳng AI vào các đầu việc thực tế. Cực kỳ thân thiện và dễ áp dụng ngay cả khi bạn không có sẵn nền tảng hay background về công nghệ!

Tham khảo thông tin khóa học

Cảm ơn cả nhà đã đọc bài. Chúc mọi người một tuần mới thật nhiều năng lượng!

Ví dụ khi làm một báo cáo, mình dùng AI để research và tổng hợp thông tin. Xong lại chuyển sang Sheets để xử lý, phân tích dữ liệu. Có kết quả rồi lại mở Docs để tổng hợp và viết báo cáo.

Nghe thì có vẻ AI hỗ trợ được khá nhiều việc, nhưng thực tế mình vẫn là người đứng giữa để vận hành cả quy trình: mở từng công cụ, chuyển dữ liệu từ chỗ này sang chỗ khác, copy-paste kết quả rồi giao yêu cầu cho bước tiếp theo.

Một báo cáo thì chưa thấy vấn đề. Nhưng khi phải xử lý thêm nhiều campaign, channel hay báo cáo cùng lúc, số lần chuyển tab, copy-paste và lặp lại cùng một chuỗi thao tác cũng mất rất nhiều thời gian.

Cho đến khi nghe về cụm từ “AI Workflow”, mình mới bắt đầu nhận ra: vấn đề trong quy trình làm việc của mình là chưa biết cách kết nối các task lại với nhau trong cùng một workflow.

Tức là thay vì phải lần lượt research → chuyển dữ liệu sang Sheets để phân tích → mở Docs để viết báo cáo, liệu mình có thể tự thiết kế một workflow tự động, chỉ cần khởi chạy một lần là toàn bộ quy trình sẽ tự chạy từ đầu đến cuối?.

Hành trình từ Task đến AI Workflow

Thay vì chỉ dùng từng tool để giải quyết từng đầu việc, mình bắt đầu nhìn lại toàn bộ quy trình.

► Bước nào đang lặp lại?

► Bước nào chỉ đơn giản là lấy dữ liệu từ chỗ này chuyển sang chỗ khác?

► Bước nào AI có thể tự xử lý?

► Và quan trọng hơn, bước nào vẫn cần con người kiểm tra hoặc ra quyết định?

Khi những câu hỏi đó được làm rõ, các task riêng lẻ có thể bắt đầu được kết nối thành một AI Workflow. Ví dụ với quy trình sản xuất nội dung, mình sẽ nhờ AI hỗ trợ nhiều nhất trong việc phân tích dữ liệu khách hàng và đánh giá hiệu quả sau mỗi chiến dịch.

Các quy trình như production hay distribution, lại đều có thể dùng các công cụ tự động hóa (agentic workflow), vai mình sẽ là người kiểm soát chất lượng từ insight đến planning giúp cho quy trình hoạt động trơn tru mà không tốn nhiều thời gian vào những công việc thủ công vốn trước đây được hoàn thành khá lâu.

Quy trình tự động hóa viết và đăng bài trên n8n

Như vậy, thay vì phải trực tiếp thực hiện mọi thao tác trung gian, mình có thể tập trung vào những điểm quan trọng hơn như kiểm tra insight, lựa chọn nội dung hay phê duyệt output.

Với mình, đây cũng là khác biệt lớn nhất giữa việc “dùng AI” và “thiết kế cách AI tham gia vào công việc”.

➤ Đọc thêm:

Vậy khi một workflow đã chạy ổn định, làm thế nào để mình có thể nhân cách làm này sang những quy trình khác trong team?

⇒ Đây cũng chính là chủ đề mà bạn sẽ được đào sâu và thực hành khi tham gia trong Webinar “AI Automation: From Task to Workflow” sắp tới của TM AI.

Webinar AI Automation: From Task to Workflow - Đừng chỉ biết viết prompt, hãy tự động hóa cả công việc!

Nếu bạn cũng đang ở giai đoạn dùng khá nhiều công cụ AI nhưng vẫn phải tự mình nối từng bước, webinar này sẽ tập trung vào cách chuyển từ việc sử dụng AI cho từng task sang thiết kế một workflow hoàn chỉnh.

Trong chương trình, bạn sẽ được theo dõi cách một AI Workflow vận hành end-to-end, hiểu cách xác định những bước nên đưa AI vào và từng bước hình dung cách mở rộng từ workflow cá nhân sang hệ thống dành cho team.

Tham khảo thông tin webinar

Đồng hành cùng các bạn sẽ là các diễn giả có nhiều năm kinh nghiệm trong lĩnh vực AI và Data:

• Anh Minh Quang: Có 11 năm điều hành Tomorrow Marketers và 5 năm kinh nghiệm tại Unilever, NielsenIQ, Ogilvy. Anh được đào tạo về Big Data, AI và Machine Learning trong chương trình Thạc sĩ tại NUS, hiện là nghiên cứu sinh Tiến sĩ ngành Information Systems tại Đại học Bắc Kinh.

• Anh Trường Giang: AI Engineer tại Viettel, từng là Senior Modeler tại SHBFinance. Anh tốt nghiệp Tiến sĩ ngành Computational and Quantum Modeling tại NUS, có nhiều năm kinh nghiệm nghiên cứu, giảng dạy và ứng dụng AI trong các bài toán công nghệ, tài chính.

Bạn sẽ nhận được gì khi tham gia event AI Automation: From Task to Workflow?

✅ Xem demo AI Workflow vận hành end-to-end: Theo dõi cách dữ liệu và output được chuyển tiếp giữa các bước trong một workflow thực tế, đồng thời nhận template để tham khảo và tùy chỉnh cho những bài toán tương tự.

✅ Biết cách tự thiết kế AI Workflow cho công việc của mình: Từ xác định bài toán, tìm những bước đang chậm hoặc lặp lại đến lựa chọn cách kết nối AI vào từng phần của quy trình.

✅ Có roadmap triển khai AI trong doanh nghiệp: Hiểu cách bắt đầu từ những use case phù hợp, sau đó từng bước mở rộng thành các workflow và hệ thống AI cho team.

Thông tin sự kiện

📅 Thời gian: 20:00 – 21:00, ngày 08/10/2026
💻 Hình thức: Online
🎫 Phí tham dự: Miễn phí

🎁 Đặc biệt, 05 suất học bổng may mắn sẽ dành cho những người đăng ký tham dự chương trình.

ĐĂNG KÝ THAM GIA WEBINAR MIỄN PHÍ

Chúc các bạn một tuần làm việc đầy năng lượng. Hẹn gặp lại vào tối thứ năm nha!

Bạn có thấy hình bóng của chính mình, hay của nhân sự team mình trong câu chuyện đó không?

Từ khi ChatGPT, Gemini,... xuất hiện, người làm content thường rơi vào hai thái cực. Một nhóm lo AI sẽ thay thế công việc của mình. Nhóm còn lại lại kỳ vọng chỉ cần vài câu lệnh tốt, AI có thể tự gánh toàn bộ quy trình viết.

Nhưng thực tế, AI chỉ thật sự tạo ra giá trị khi chúng ta hiểu đúng cách làm việc với nó. Nếu chỉ ra lệnh ngắn gọn và chờ một bài viết hoàn chỉnh, output rất dễ nhạt, thiếu bối cảnh và thiếu màu sắc thương hiệu.

Để nhìn rõ hơn, ta có thể chia việc ứng dụng AI trong content marketing thành 3 cấp độ: dùng AI để trả lời, dùng AI như cộng sự hằng ngày và xây hệ thống AI tự động hóa. Trong bài viết này, mình sẽ phân tích từng cấp độ để bạn biết mình đang ở đâu và cần nâng cấp như thế nào.

Đọc thêm:

Cấp độ 1: Dùng AI như một cỗ máy trả lời

Cấp độ 1 là nơi mà 90% người dùng AI ngày nay đang bị mắc kẹt. Thử nghĩ lại xem, bạn có đang sử dụng các công cụ như ChatGPT, Claude hay Gemini kiểu khi bạn có một câu hỏi, bạn ném nó vào khung chat, bạn nhận lại một câu trả lời và… giao dịch kết thúc? Điều này khiến AI không khác gì một phiên bản Google thông minh hơn có khả năng tự chắp vá từ ngữ.

Đây là cấp độ nhập môn, nơi mọi người trải nghiệm khoảnh khắc choáng ngợp đầu tiên khi thấy máy móc biết kể chuyện, viết văn. Nhưng khi làm Marketing ở level cao hơn, nó lại là một cái bẫy.

Biểu hiện điển hình của Cấp độ 1:

• “Viết cho tôi 5 tiêu đề Facebook cho sản phẩm kem chống nắng cho da mụn.”

• “Viết một bài chuẩn SEO 1000 chữ về xu hướng Digital Marketing 2024.”

• “Cho tôi 3 ý tưởng kịch bản TikTok cho quán cà phê thú cưng.”

⇒ Đây đều là những yêu cầu thiếu hụt trầm trọng nền tảng thông tin. Người dùng đang giao phó hoàn toàn tư duy cho AI. Việc này tương tự như việc bạn kéo một người lạ trên phố lại và yêu cầu họ viết bài PR cho công ty mình khi họ không biết gì về thương hiệu của bạn. Kết quả sẽ là một tràng nội dung dài nhưng không đúng trọng tâm, lan man, rời rạc (mình sẽ nêu thêm ví dụ ở phía dưới).

Khi thiếu dữ liệu và ngữ cảnh, AI buộc phải dựa vào những thông tin chung chung, an toàn và dễ đoán nhất. Vì vậy, output thường rơi vào kiểu nội dung sáo rỗng, mở đầu bằng các cụm quen thuộc như “trong bối cảnh thị trường hiện nay” hay “nhằm thấu hiểu nhu cầu thiết yếu đó”. Những bài viết này có chữ, nhưng thiếu quan điểm, thiếu insight và khó thuyết phục khách hàng chuyển đổi.

Đọc thêm:

Zoe's DataLens & AI

Series learn AI from 0: AI thực chất chỉ là một “cỗ máy đoán từ”

Dạo gần đây đang làm tài liệu training team nên mình cũng dành kha khá thời gian để đi tổng hợp hệ thống hóa lại đống kiến thức về AI và Data và tình cờ tìm thấy một video khá hay và dễ hiểu về bản c…

Read more

7 months ago · 13 likes · 5 comments · Hoàng Cẩm Tú (Zoe)

Tuy nhiên, Cấp độ 1 vẫn hữu ích với các tác vụ đơn giản như tóm tắt báo cáo, dịch tài liệu, rà lỗi chính tả hoặc giải thích thuật ngữ.

Ví dụ với NotebookLM, dựa vào những dữ liệu cho sẵn, AI có thể viết đầy đủ thông tin dù vưới prompt đơn giản.

Nếu chỉ cần vượt qua trang giấy trắng, Cấp độ 1 là đủ. Nhưng để tạo nội dung có chiều sâu hơn, bạn cần bước sang Cấp độ 2.

Cấp độ 2: Làm việc với AI như một cộng sự

Đây chính là cốt lõi của sự khác biệt, là nơi những tay viết cự phách nhân mười hiệu suất làm việc của họ. Khoảng cách giữa Cấp độ 1 và Cấp độ 2 được định đoạt bởi đúng hai yếu tố: Ngữ cảnh và Vòng lặp.

Ở cấp độ này, AI không còn là cỗ máy nhả chữ tự động. Bạn thăng cấp cho nó trở thành một nhân viên Content trẻ tuổi đầy tiềm năng nhưng cần được đào tạo hội nhập và giao việc một cách bài bản, kỹ lưỡng.

1. Cung cấp ngữ cảnh trước khi yêu cầu AI viết:

Một trong những lỗi phổ biến nhất khi dùng AI là yêu cầu viết ngay từ câu lệnh đầu tiên.

Trong khi đó, với một nhân sự content mới, bạn sẽ không thể chỉ nói “viết giúp chị một bài blog” rồi kỳ vọng họ hiểu ngay cách thương hiệu nói chuyện, nhóm khách hàng đang gặp vấn đề gì, bài viết phục vụ mục tiêu nào và đâu là những điều cần tránh.

AI cũng vậy. Trước khi yêu cầu AI tạo nội dung, marketer nên cung cấp cho nó những thông tin nền tảng.

Ví dụ, thay vì viết: “Viết cho tôi một email chăm sóc khách hàng cho phần mềm quản lý dự án.”

AI sẽ cho ra kết tuy mượt nhưng chung chung, không cụ thể.

Bạn có thể brief rõ hơn:

AI sẽ giúp mình phân tích cách viết tối ưu trước

Sau đó sẽ tạo ra bài viết đánh đúng trọng tâm, insight của khách hàng hơn

⇒ Chỉ riêng bước này đã có thể làm output khác đi rất nhiều. AI không còn phải đoán từ những dữ liệu chung chung, mà bắt đầu viết dựa trên một hệ quy chiếu cụ thể.

Đọc thêm:

Zoe's DataLens & AI

Series learn AI from 0: Input → Black Box → Output - Tư duy “xương sống” giúp bạn làm việc với AI hiệu quả

Bài thứ hai trong series learn AI from 0 sẽ hơi thiên về mindset một chút …

Read more

a year ago · 32 likes · 2 comments · Hoàng Cẩm Tú (Zoe)

2. Làm việc với AI theo vòng lặp, không kỳ vọng “một phát ăn ngay”:

Một kỳ vọng thông thường của người dùng là bản nháp đầu tiên của AI phải đủ tốt để dùng ngay. Thực tế, bản nháp đầu tiên thường chỉ nên được xem là nguyên liệu. Lúc đó, chính chuyên môn của chúng ta trở nên quan trọng hơn khi đánh giá, phản biện và chỉnh hướng cho AI.

Ví dụ, bạn có thể yêu cầu AI tạo 3 hướng outline khác nhau. Sau đó, chọn một hướng tốt nhất, loại bỏ phần thừa, yêu cầu đào sâu vào pain point cụ thể hơn, thêm ví dụ thực tế hơn, hoặc viết lại đoạn mở đầu sao cho bớt chung chung.

Quy trình này có thể diễn ra như một cuộc đối thoại:

• “Góc này đúng nhưng hơi hàn lâm. Hãy viết lại gần với bối cảnh marketer SME hơn.”

• “Đoạn này đang nói quá nhiều về công cụ. Hãy chuyển trọng tâm sang workflow.”

• “Ví dụ này chưa đủ thực tế. Hãy thay bằng tình huống một marketing manager phải duyệt content, check ads và làm report hằng tuần.”

• “Bài đang ổn về ý, nhưng giọng văn còn giống tài liệu hướng dẫn. Hãy viết lại tự nhiên hơn, như một bài blog chuyên môn.”

Khi làm việc theo cách này, chúng ta không chỉ dùng AI để viết nhanh hơn, mà còn để tăng tốc quá trình tư duy, thử nhiều hướng triển khai hơn và có thêm nguyên liệu để ra quyết định nội dung tốt hơn. Từ đó, khẳng định được vai trò không thể bị thay thế trong thời đại AI.

Ở cấp độ 2, kỹ năng quan trọng không chỉ là “biết prompt”. Kỹ năng quan trọng hơn là biết brief, biết nhận xét, biết sửa, biết nhìn ra output nào đủ tốt và output nào chỉ đang nghe có vẻ hợp lý.

Cấp độ 3: Xây hệ thống AI tự động hóa một phần workflow marketing

Nếu cấp độ 2 là làm việc cùng AI trong từng đầu việc, thì cấp độ 3 là đưa AI vào một hệ thống có khả năng tự động xử lý nhiều bước trong workflow.

Đây là lúc AI không chỉ trả lời trong khung chat, mà có thể kết nối với nhiều công cụ khác nhau để thu thập dữ liệu, phân tích, tạo nội dung, gửi thông báo hoặc cập nhật file làm việc.

Ví dụ, với content SEO, một workflow AI có thể được thiết kế để:

• Nhận danh sách từ khóa cần triển khai.

• Tự động phân tích nội dung của các đối thủ đang xếp hạng cao.

• Gợi ý cụm chủ đề và keyword phụ.

• Tạo outline theo format đã chuẩn hóa.

• Viết bản nháp theo brand guideline.

• Lưu nội dung vào Google Docs hoặc CMS để marketer review.

Workflow tự động tạo content và đăng bài trên Facebook (project cuối khóa của học viên khóa AI Marketing tại TM AI)

Hoặc với social listening, hệ thống có thể:

• Theo dõi bình luận và phản hồi trên nhiều kênh.

• Phát hiện những comment có dấu hiệu phàn nàn.

• Phân loại mức độ khẩn cấp.

• Gợi ý hướng phản hồi theo tone of voice thương hiệu.

• Gửi cảnh báo cho team chăm sóc khách hàng.

Ví dụ một workflow data scraping giúp tự động thu thập dữ liệu trên các nền tảng mạng xã hội được dạy trong khóa học AI Marketing

Đây là cấp độ hấp dẫn vì nó giúp marketer tiết kiệm rất nhiều thời gian ở các đầu việc lặp lại. Tuy nhiên, đây cũng là cấp độ dễ bị hiểu sai nhất.

Nhiều người muốn nhảy thẳng lên tự động hóa khi workflow hiện tại còn chưa rõ, brand guideline chưa có, tiêu chuẩn đánh giá nội dung chưa thống nhất và prompt vẫn chưa được kiểm chứng. Khi đó, AI không giúp hệ thống tốt hơn. Nó chỉ khiến những điểm yếu hiện có được nhân rộng nhanh hơn.

Đọc thêm:

Nếu một quy trình viết đang thiếu insight, tự động hóa sẽ tạo ra nhiều bài viết thiếu insight hơn. Nếu brand voice chưa rõ, hệ thống sẽ sản xuất hàng loạt nội dung lệch giọng. Nếu marketer chưa biết đánh giá output ở cấp độ 2, cấp độ 3 rất dễ biến thành một dây chuyền tạo nội dung trung bình với tốc độ cao.

Vì vậy, trước khi nghĩ đến tự động hóa, marketer cần làm chắc cấp độ 2: có ngữ cảnh rõ, có quy trình brief, có tiêu chuẩn đánh giá, có ví dụ mẫu và có cách phản hồi để AI cải thiện qua từng vòng.

Marketer cần làm gì để thoát khỏi Cấp độ 1?

Để từ Cấp độ 1 lên Cấp độ 2, chúng ta cần xây một bộ ngữ cảnh đủ tốt để AI hiểu cách bạn làm nội dung. Bạn có thể bắt đầu bằng các câu hỏi như:

• Thương hiệu của bạn là gì?

• Khách hàng mục tiêu là ai?

• Giọng văn thương hiệu nên như thế nào?

• Nội dung mẫu nào nên được dùng làm chuẩn?

• Những từ hoặc kiểu viết nào cần tránh?

Bạn có thể đưa tài liệu này cho AI, nhưng đừng dừng lại ở bản nháp đầu tiên. Hãy yêu cầu nó phản biện và tiếp tục tinh chỉnh cho đến khi nội dung đạt đúng mục tiêu. Sau đó, bạn có thể lưu kết quả lại thành 1 file skill để input cho AI mỗi lần chat, hoặc có thể tạo một copilot cho từng đầu việc hay update thành một plugin để làm việc với Codex hoặc Claude Cowork (những cái này khá phức tạp nên mình sẽ dành một bài blog riêng trong thời gian tới cho các follower thân iu nhé)

Còn để tiến lên Cấp độ 3, các bạn cần có hình dung rõ ràng về workflow marketing hiện tại của mình. Ví dụ, một quy trình research thường gồm những bước nào? Viết content cần đi qua các bước nào? Làm báo cáo cần lấy dữ liệu, phân tích và trình bày ra sao?

Khi đã nhìn rõ quy trình, bạn mới biết đâu là bước có thể để AI hỗ trợ, đâu là phần nên tự động hóa, và đâu là điểm vẫn cần con người review. Lúc này, các công cụ như n8n, Zapier, OpenClaw hay Claude Code có thể giúp bạn kết nối nhiều bước thành một workflow hoàn chỉnh hơn.

Tuy nhiên, công cụ nào cũng có điểm mạnh và giới hạn riêng. Điều quan trọng vẫn là tư duy phân tích và biết cách thiết kế cách dùng AI phù hợp với bài toán marketing thực tế. Nếu muốn làm chủ cả 3 cấp độ, bạn có thể tham khảo AI Professional Program - chương trình được thiết kế dành cho AI Learners muốn đi từ nền tảng đến ứng dụng thực chiến, với roadmap gồm 3 giai đoạn, được customize theo từng mục tiêu học tập:

➤ Thay vì chỉ học cách “dùng AI”, bạn sẽ được xây nền tảng để hiểu AI vận hành thế nào, thiết kế workflow ra sao và ứng dụng AI vào các bài toán tăng trưởng, vận hành trong doanh nghiệp. Từ đó, bạn có thể chủ động xây dựng các hệ thống AI phù hợp với mục tiêu công việc, tối ưu hiệu suất cá nhân và tạo dựng lợi thế cạnh tranh mạnh mẽ trong kỷ nguyên AI.

Tham khảo khoá học tại đây

Ngoài ra, nếu bạn muốn làm chủ AI trong các tác vụ marketing hằng ngày, có thể tham khảo khóa AI Marketing - Tối đa hóa hiệu quả Marketing với Big Data & AI Agent tại TM AI.

Chương trình tập trung vào cách khai thác AI cho nghiên cứu thị trường, sáng tạo nội dung, phân tích dữ liệu và tối ưu workflow marketing. Nội dung học của các chương trình đều được thiết kế vừa thực tế, vừa chuyên sâu, với sự dẫn dắt của đội ngũ Thạc sĩ NUS cùng các Leader/Manager tại những tập đoàn lớn trong lĩnh vực Marketing và AI.

Tham khảo khoá học tại đây

Tạm kết

AI không tự động biến một người thành một marketer giỏi hơn. Nhưng nó có thể khuếch đại rất mạnh cách người đó tư duy, brief, đánh giá và triển khai nội dung.

Vì vậy, để đi từ một newbie đến khả năng ứng dụng AI bài bản hơn trong công việc, đặc biệt là ở Cấp độ 3, bạn sẽ cần nhiều hơn vài prompt mẫu hay một danh sách tool để tự mò. Điều quan trọng là có một lộ trình học đủ hệ thống, chuyên sâu và thực tế để vừa hiểu nền tảng AI, vừa biết cách đưa AI vào các workflow có thể ứng dụng thật.

Nếu bạn thấy bài viết này hữu ích, đừng quên subscribe “Analytics & AI Strategy” nhé. Hẹn gặp các bạn trong những bài viết sau ^^

Subscribe now

Thực ra, sau thời gian ngụp lặn với các model, mình nhận ra: Bản tính của AI rất “lười”. Nếu câu prompt của bạn có kẽ hở, nó sẽ tự động lấp liếm bằng các template ảnh stock an toàn và công nghiệp nhất có sẵn trong dữ liệu.

Để trị dứt điểm cái “vibe nhựa” này, bạn cần chủ động chặn đứng cơ chế tự suy diễn mặc định của chúng. Cùng mình áp dụng ngay 6 nguyên tắc dưới đây để ép AI nhả ra những bức hình chân thực, có gu và quan trọng nhất là mang đi ráp vào chiến dịch dùng được luôn nhé!

Subscribe now

1. Cấu trúc prompt tối ưu:

Bệnh chung của tụi mình khi làm việc với AI là hay viết kiểu “nghĩ đến đâu, gõ đến đó”. Kết quả là prompt dài lê thê nhưng AI không phân biệt được đâu là trọng tâm, đâu là chi tiết phụ. AI xử lý ngôn ngữ theo luồng (token), nên nếu bạn ném cho nó một mớ bòng bong, nó sẽ bắt sai từ khóa trọng tâm ngay lập tức.

Thay vì vậy, mình khuyên mọi người nên viết theo một flow có logic cố định. Dưới đây là một cấu trúc tuyến tính rất hay từ các anh chị ở OpenAI mà mình đang áp dụng khá thành công:

Bối cảnh → Chủ thể → Chi tiết quan trọng → Ràng buộc → Mục đích sử dụng

Trong đó:

• Bối cảnh (Context): Ảnh đang diễn ra ở môi trường nào? Thời gian nào trong ngày?

• Chủ thể (Subject): Đâu là nhân vật/vật thể trung tâm cần làm nổi bật? (Mô tả kỹ độ tuổi, trang phục, cảm xúc).

• Chi tiết (Details): Các yếu tố bổ trợ giúp chủ thể có chiều sâu và ảnh bớt chung chung.

• Ràng buộc (Constraints): Cho AI biết điều gì tuyệt đối không được làm sai, không được thêm vào hoặc thay đổi.

• Mục đích sử dụng (Usage): Giúp AI điều chỉnh mức độ chỉn chu, bố cục cho đúng nhu cầu thực tế.

Ví dụ khi bạn chỉ đơn thuần yêu cầu tạo một ảnh quảng cáo, AI sẽ chỉ tạo ra những ảnh trông rất “AI” ta thường gặp đầy rẫy trên mạng:

Nhưng khi bạn viết một prompt follow theo công thức, yêu cầu rõ ràng hơn trên như sau:

Ảnh tạo ra được sẽ chính xác, trông tự nhiên hơn và phù hợp để quảng cáo:

📌 Prompting là 1 trong những kỹ năng quan trọng khi dùng AI, đây cũng là một trong những kiến thức nền tảng được dạy cực kỳ chi tiết trong khóa AI Marketing của TM AI mà mình từng học.

Một số kỹ thuật prompting hiệu quả được học trong khóa AI Marketing

Tham khảo khoá học tại đây

2. Cụ thể hóa chất liệu, phong cách và phương thức thị giác:

Rất nhiều người prompt ảnh theo kiểu dùng các tính từ cảm xúc: “đẹp hơn”, “xịn hơn”, “trông sang lên”, “ảo diệu vào”. Nhưng thực sự AI không hiểu cái “sang” của bạn là gì đâu, nó sẽ dịch “đẹp” thành việc đánh bóng mọi bề mặt, đẩy độ bão hòa màu (saturation) lên mức chói lóa, khiến ảnh nhìn rất đồ họa rẻ tiền.

Để ảnh trông thật và có gu hơn, bạn hãy nói rõ với AI bức ảnh đó thuộc phương thức thị giác nào (3D, màu nước,...), chất liệu ra sao. Càng cụ thể về “ngôn ngữ thị giác”, AI càng bớt phải đoán hộ.

• Nếu muốn ảnh chụp thật (Photography): Hãy quên từ “đẹp” đi, mà thay bằng các thuật ngữ nhiếp ảnh như: photorealistic (chân thực), shot on 35mm lens, macro detail, film grain (độ nhiễu hạt của phim ảnh - cái này cực kỳ quan trọng để xóa độ “nhựa” của AI), soft shadow (bóng đổ mềm), candid shot (chụp khoảnh khắc tự nhiên không dàn dựng).

• Nếu muốn ảnh minh họa (Illustration): Hãy chỉ định rõ thể loại nghệ thuật: watercolor (màu nước), 3D render, flat illustration, paper cut (nghệ thuật cắt giấy), editorial collage (cắt dán tạp chí).

• Thêm yếu tố chất liệu (Texture): textured brushstrokes (vệt cọ nổi), matte finish (bề mặt nhám mờ), frosted glass (kính mờ).

Ví dụ 1 prompt mẫu như sau:

Ảnh sản phẩm, các element sẽ rõ ràng và chân thực hơn:

3. Kiểm soát bố cục ngay từ câu lệnh đầu tiên:

Với hình ảnh phục vụ làm content marketing hay chạy ads, bố cục nhiều khi quan trọng không kém gì độ nét của hình ảnh. Một bức hình xuất sắc đến mấy mà không có chỗ nào để đặt text, logo hay nút CTA thì cũng không thể đưa vào thiết kế được.

Đó là lý do mình luôn ưu tiên kiểm soát bố cục ngay từ đầu thay vì đợi AI tạo xong rồi mới lo hì hục ngồi photoshop mở rộng khung hình. Một số cụm từ hay bạn có thể “nhắc bài” cho AI những yếu tố định hướng không gian như:

• Góc máy: Eye-level (ngang tầm mắt), top-down view (chụp từ trên xuống - rất hợp làm ảnh flatlay sản phẩm), close-up (cận cảnh), wide shot (góc rộng).

• Vị trí chủ thể: Off-center (lệch tâm), Rule of thirds (quy tắc 1/3), Symmetrical framing (Đối xứng).

• Khoảng trắng: Negative space (để chừa chỗ cho headline, text, logo, CTA), Clean background (Nền trơn giúp dễ dàng tách nền hoặc ghép text).

• Mật độ hình ảnh: Minimalist (tối giản), Highly detailed (dày chi tiết).

Ví dụ khi viết một prompt đơn giản ta chỉ được một bức ảnh vô hồn, sắp xếp chủ thể lung tung:

Nhưng khi bạn trình bày rõ bố cục hơn, ảnh trả về sẽ vừa có chiều sâu vừa phù hợp với mục đích sử dụng:

4. Khi sửa ảnh: Rõ ràng giữa điều “cần giữ” và điều “được đổi”:

Nguyên tắc này cực kỳ quan trọng khi bạn dùng các tính năng edit ảnh (như Inpainting của Midjourney hay bôi đen sửa ảnh của DALL-E). Có ai từng nhờ AI “sửa lại cái áo nhân vật màu đỏ” xong nó tiện tay đổi luôn mặt nhân vật, làm sập luôn ánh sáng và thay cái background đằng sau chưa? Mình cá là rất nhiều!

Với AI, những gì không nói rõ rất dễ bị hiểu là có thể thay đổi. Vì vậy, khi cần chỉnh sửa, hãy viết thật cụ thể, dứt khoát theo công thức: “Chỉ thay đổi [X], giữ nguyên [Y].”

Ví dụ khi mình muốn bỏ hết phần subtitle nhưng mình chỉ nói bỏ cái khung có subtitle ra thì nó chỉ bỏ đúng cái khung, vẫn giữ phần text:

Ngược lại, khi mình nói bỏ phần nào, thay bằng phần nào, thì AI sẽ tạo ảnh rõ ràng hơn:

5. Cẩn trọng tối đa với chữ trong ảnh:

Chữ viết sai chính tả, giãn cách lỗi hay font lạc quẻ từng là lỗi “kinh điển” tố cáo một bức ảnh là do AI làm. Nhưng hiện tại, các model như ChatGPT Image 2.0 đã có khả năng tạo chữ cực kỳ chuẩn xác. Hoặc model Nano Banana 2 của Gemini cũng đang xử lý phần text cho các headline to, rõ ràng rất mượt (dù với các đoạn text nhỏ, chi tiết thì vẫn hơi “hên xui” một chút).

Dù các tool đã thông minh hơn, nhưng cẩn tắc vô áy náy. Để AI in ra đúng dòng chữ bạn cần mà không tự chế ra một ngôn ngữ mới, mình khuyên mọi người nên nằm lòng 4 nguyên tắc sau:

• Luôn đóng khung nội dung text trong ngoặc kép: Hãy đặt cụm từ bạn muốn trong dấu ngoặc kép để AI hiểu đó là phần chữ cần in ra chính xác tuyệt đối.

Ví dụ: Thêm text “5 NGUYÊN TẮC VIẾT PROMPT TẠO ẢNH”

• Với các từ khó hoặc tên thương hiệu: Hãy viết IN HOA. Nếu tool vẫn cứng đầu viết sai, hãy thử đánh vần (spelling) từng chữ cái một, phân tách bằng dấu gạch ngang.

Ví dụ: “Tomorrow Marketers” hoặc chắc cú hơn thì ghi là T-O-M-O-R-R-O-W M-A-R-K-E-T-E-R-S

• Định hình rõ Typography: Dùng font sans-serif (không chân) hay serif (có chân)? Định dạng bold (in đậm) hay ilatic (in nghiêng)? Màu gì, đặt ở vị trí nào và kích cỡ tương đối ra sao?

• Với những ảnh dày đặc chữ: Đừng cố ép AI làm hết 100%, cách tối ưu nhất là dùng AI để tạo phần visual và background nền (layout) thật xịn. Sau đó, xuất file mang qua Canva, Figma hoặc Photoshop để tự tinh chỉnh typography thủ công (ChatGPT có hỗ trợ xuất trực tiếp qua Canva nha). Vừa sắc nét, chuẩn brand guidelines, lại đỡ mất công ngồi generate đi generate lại chỉ vì sai một dấu phẩy!

Vậy nếu bạn không biết mô tả ảnh thì sao? Hãy nhờ AI phân tích ảnh mẫu trước

Đây là một mẹo nhỏ mình hay dùng khi phải cần tạo quá nhiều ảnh cùng một định dạng, bố cục. Nhất là khi bạn biết mình thích một phong cách visual nào đó nhưng chưa đủ ngôn ngữ để mô tả lại. Cách làm khá đơn giản:

Bước 1: Cho ChatGPT hoặc một công cụ AI khác xem một ảnh mẫu

Bước 2: Nhờ nó phân tích phong cách, bố cục, ánh sáng, chất liệu, màu sắc

Bước 3: Sau đó yêu cầu nó viết ra prompt để tạo một ảnh tương tự nhưng với nội dung khác.

Xong! Việc còn lại của bạn chỉ là copy cái prompt hoàn chỉnh đó và đưa vào tool tạo ảnh.

‼️ Tuy nhiên, nhớ dùng cách này có chọn lọc để hình ảnh của mình vẫn có nét riêng chứ không mang tính “copy paste” hoàn toàn nha (Mình khuyên thật lòng là chỉ nên sử dụng hình ảnh do chính thương hiệu mình tạo ra thôi để tránh vi phạm bản quyền nhé!).

Một vài model tạo ảnh đang được đánh giá tốt, đặc biệt ở khả năng tạo chữ

Nếu mục tiêu là tạo ảnh có text rõ hơn, bố cục tốt hơn và dễ dùng cho công việc marketing, hiện nay có một vài nhóm công cụ được nhiều người dùng đánh giá khá cao:

• ChatGPT Image 2.0 & Nano Banana 2: Hai “ngôi sao” cực mạnh khoản tạo chữ (text) chuẩn xác, đặc biệt là ráp các headline to rõ.

• Ideogram: Lựa chọn chân ái nếu bạn cần làm typography uốn lượn, thiết kế logo hay poster thiên hướng đồ họa.

• Midjourney (v6+): Vẫn giữ ngôi vương về độ chân thực và tính thẩm mỹ, nhưng đòi hỏi kỹ năng viết prompt thông số phải cứng.

• Adobe Firefly 3 / Gemini (Imagen 3): Khá mượt nếu bạn cần tích hợp sâu vào workflow chỉnh sửa (hệ sinh thái Adobe/Google) và ưu tiên tính an toàn bản quyền.

Trong lớp AI Marketing mà mình được học cũng đã giới thiệu cách dùng những công cụ GenAI để tạo ảnh, làm video tiên tiến nhất (như trong hình các bạn có thể tham khảo, các công cụ đều được cập nhật theo model tiên tiến nhất trong thời gian học nha!).

Tạm kết

Suy cho cùng, để một bức ảnh thoát mác “giả trân” và trông “bớt AI” hơn, bạn sở hữu một con model xịn thôi là chưa đủ. Chìa khóa thực sự nằm ở cách tụi mình lên brief phải cực kỳ rõ ràng về bối cảnh, chủ thể, khóa chặt bố cục, định hình chuẩn chất liệu, xử lý khéo léo phần text và dứt khoát với những chi tiết tuyệt đối không được tự ý thay đổi. Khi bạn brief càng nét, AI sẽ càng bớt tự biên tự diễn, và thành phẩm trả về sẽ càng “ăn tiền” để mang đi dùng ngay.

Một số ảnh quảng cáo tạo bởi AI - bài làm học viên khóa AI Marketing

Và tất nhiên, việc tạo visual thực ra cũng chỉ là một mảnh ghép nhỏ trong bức tranh công việc mỗi ngày. Nếu bạn đang muốn đi xa hơn - ứng dụng AI một cách bài bản, trơn tru vào toàn bộ luồng marketing, từ khâu research móc insight, brainstorm ý tưởng, viết content đa kênh cho đến khâu scale-up và tối ưu creative - thì có thể tham khảo thử khóa AI Marketing của Tomorrow Marketers AI nhé.

Khóa học này được thiết kế siêu thực chiến dành riêng cho anh em marketer tụi mình, tập trung vào việc ráp thẳng AI vào các đầu việc thực tế. Cực kỳ thân thiện và dễ áp dụng ngay cả khi bạn không có sẵn nền tảng hay background về công nghệ!

Tham khảo khoá học tại đây

Và đừng quên subscribe kênh để nhận thêm nhiều bài viết hữu ích trong thời gian tới nhé!

Subscribe now

Câu chữ thì lưu loát, lập luận nghe rất logic, số liệu trình bày rất đàng hoàng… nhưng đến lúc kiểm tra lại thì hóa ra có những phần 100% không có thật.

Đó chính là căn bệnh “AI Hallucination” (ảo giác AI). AI rất giỏi trò trộn 7 phần thực với 3 phần hư, đóng gói thành một lập luận siêu logic khiến dân trong nghề nếu không vững data cũng dễ dính “bẫy”.

➤ Đọc thêm: AI thực chất chỉ là một “cỗ máy đoán từ”

Bản chất là do các mô hình này chỉ đang “đoán chữ tiếp theo” dựa trên xác suất, chứ không hề lấy thông tin từ một database có thật nào cả. Do đó, để trị được vấn đề này, thay vì phó mặc cho trí nhớ có phần “ảo ma” của AI, chúng ta nên cấp cho nó một bộ dữ liệu input. Dưới đây là framework mình đang áp dụng để ép AI phải “nói có sách, mách có chứng”:

Bước 1: Sử dụng RAG (Retrieval-Augmented Generation)

Đừng hỏi suông. Trừ khi hỏi ý tưởng sáng tạo, còn với các dữ kiện quan trọng, mình luôn quăng các đống tài liệu, báo cáo vào những công cụ hỗ trợ RAG như NotebookLM. Lúc này, AI buộc phải trích xuất câu trả lời từ đúng tệp PDF/Doc mình cấp và luôn có footnote đàng hoàng để mình click vào kiểm chứng ngay lập tức.

Bước 2: Tối ưu hóa Câu lệnh (Context & Constraint Prompting)

Dù dùng tool nào, anh em nhớ cài cắm mấy “câu thần chú” này vào System Prompt để khóa mỏ AI khi nó định bốc phét:

• “Nếu thông tin không có trong tài liệu tôi cung cấp, bắt buộc trả lời: ‘Tôi không biết’.”

• “Phân định rõ ràng: đâu là dữ liệu thực tế (fact-based) có trong nguồn, đâu là suy luận (inference) của bạn.”

• “Đánh giá mức độ tự tin (Confidence score 0-100%) cho từng luận điểm đưa ra.”

💡 Mẹo khác: Thiết lập quy trình kiểm chứng nhiều tầng

Cái này mình nghĩ nhiều anh chị em cũng sẽ hay sử dụng. Với các task nặng đô như phân tích số liệu hay ra quyết định kinh doanh, mình thường setup thêm các màng lọc sau (anh em rành công nghệ có thể dùng n8n để nối các luồng này tự động hóa):

• Cross-check chéo Model: Quăng cùng 1 prompt cho cả ChatGPT, Claude và Gemini. Nếu 3 ông đưa ra 3 kết quả khác nhau (đặc biệt là về số liệu), đó là cờ đỏ cảnh báo bạn phải tự tay check lại nguồn.

• Setup AI “Kiểm toán viên”: Dùng model A (ví dụ Claude) để tạo bài viết/báo cáo. Sau đó copy thành phẩm ném sang model B (như Gemini chế độ Thinking) kèm prompt: “Vào vai một chuyên gia kiểm duyệt khắt khe (Fact-checker), hãy soi ra mọi lỗ hổng logic, điểm mâu thuẫn và các thông tin thiếu căn cứ trong đoạn văn này.”

Tạm kết

Đừng bao giờ coi những gì AI tạo ra là chân lý tuyệt đối. Hãy coi nó như một trợ lý phân tích siêu tốc nhưng cần được quản lý chặt chẽ. Bên trên là một số mẹo sẽ giúp anh chị em tận dụng được sức mạnh của AI một cách an toàn và minh bạch nhất!

5-minute AI - Đây là series mình chia sẻ những kiến thức AI ngắn gọn, dễ hiểu và có thể ứng dụng ngay trong công việc. Follow để mỗi tuần cùng mình cập nhật, tìm hiểu thêm một chút về AI nha!

➤ Đọc thêm:

Nếu các bạn muốn nâng cấp thêm kỹ năng sử dụng các tool AI như Gemini, ChatGPT hay các tool tạo ảnh, video tiên tiến như Seedance, Image 2.0,... để làm marketing nhanh và hiệu quả hơn, các bạn có thể tham khảo khóa học AI Marketing tại TM AI nhé. Khóa học sẽ dạy bạn cách ứng dụng AI trực tiếp từ nghiên cứu đến sản xuất nội dung, chăm sóc khách hàng.

Tham khảo khoá học tại đây

Ngoài ra, bạn có dùng thêm cách nào để giảm bịa dữ liệu khi dùng AI không?

Và đừng quên subscribe kênh để nhận thêm nhiều bài viết hữu ích trong thời gian tới nhé!

Subscribe now

Dạo này mình thấy mọi người bắt đầu chuyền tai nhau chuyển sang dùng Claude vì nó viết lách mượt hơn và ít bị “ngáo” hơn ChatGPT. Nhưng vẫn có một rào cản lớn khiến mọi người ngại đổi là vì ChatGPT đã quá hiểu dữ liệu, ngữ cảnh về mình rồi. Bao nhiêu thói quen, phong cách viết lách đều nằm bên đó, giờ sang Claude chẳng lẽ lại phải ngồi mô tả lại bản thân từ đầu?

Tin vui là Anthropic vừa tung ra tính năng Memory Import cực hay, giúp bạn di cư bộ nhớ của AI chỉ trong 1-2 phút. Dưới đây là cách mà mình đã làm, các bạn có thể tham khảo nhé 🥸

1️⃣ Bí kíp để lấy được nhiều dữ liệu nhất từ ChatGPT:

Bình thường mọi người hay copy mấy dòng hướng dẫn cá nhân rồi dán qua, nhưng thế thì sơ sài quá, sẽ không giúp AI học được hết về mình đâu. Thay vào đó, anh chị em có thể:

• Vào phần Settings > Capabilities trong Claude để lấy một đoạn mã chuyển bộ nhớ từ AI platform khác (như trong hình đầu).

• Sau đó, dán đoạn mã này vào 1 cuộc trò chuyện mới với ChatGPT, nhớ sử dụng tính năng “Thinking” - điều này cực kỳ quan trọng vì đây là mô hình thực hiện nhiều chu kỳ suy nghĩ hơn. Nó sẽ rà soát kỹ lưỡng toàn bộ lịch sử chat và những mảnh ký ức rời rạc mà các bản “Auto” thường bỏ lỡ, giúp bạn gom được cả những chi tiết nhỏ nhất mà chính bạn cũng không nhớ là mình đã từng dạy cho AI.

• Như vậy, sau khi đã có đoạn code về phong cách làm việc của mình (như hình thứ 2), bạn có thể copy chúng và import sang Claude. Từ đó, Claude sẽ tự học và cập nhật về bạn mà không cần tốn thời gian import nhiều context khác nhau (thông tin tổng hợp như hình cuối)

2️⃣ Cách quản lý thông tin của Claude:

Sau khi bạn dán dữ liệu vào Claude, nó sẽ chia các thông tin của bạn vào từng mục rõ ràng, bạn có thể vào đọc và sửa lại nếu thấy nó hiểu sai.

Đặc biệt, Claude có khả năng “tự cập nhật” mỗi ngày dựa trên những gì bạn chat. Nghĩa là bạn càng dùng, nó càng thông minh và hiểu ý bạn hơn mà bạn không cần phải nhắc lại nhiều lần.

➤ Đọc thêm: Những tính năng của Claude mà mình ước mình biết sớm hơn

3️⃣ (Mẹo nhỏ) Bạn nên chia nhỏ không gian làm việc cho từng dự án:

Nếu mọi người đang làm cho nhiều Brand khác nhau, hãy dùng tính năng Projects. Bạn chỉ cần tạo một dự án riêng (ví dụ: “Dự án Brand A”), dán thông tin của Brand đó vào phần hướng dẫn. Vậy là từ đó về sau, Claude sẽ chỉ dùng đúng phong cách và dữ liệu của Brand đó để tư duy trong dự án này, không bị lẫn lộn với các việc khác.

Tạm kết

Việc đổi công cụ bây giờ không còn là nỗi lo phải “làm lại từ đầu” nữa. Bạn cứ mang hết những gì quý giá nhất từ ChatGPT sang và tận hưởng khả năng viết lách cực “human-like” của Claude thôi!

5-minute AI - Đây là series mình chia sẻ những kiến thức AI ngắn gọn, dễ hiểu và có thể ứng dụng ngay trong công việc. Follow để mỗi tuần cùng mình cập nhật, tìm hiểu thêm một chút về AI nha!

➤ Đọc thêm: Lộ trình học AI từ con số 0 cho marketer (kèm nguồn học tham khảo)

📌 Nếu các bạn muốn nâng cấp thêm kỹ năng sử dụng các tool AI như Gemini, ChatGPT hay các tool tạo ảnh, video tiên tiến như Seedance, Image 2.0,... để làm marketing nhanh và hiệu quả hơn, các bạn có thể tham khảo khóa học AI Marketing tại TM AI nhé. Khóa học sẽ dạy bạn cách ứng dụng AI trực tiếp từ nghiên cứu đến sản xuất nội dung, chăm sóc khách hàng.

Tham khảo khóa học tại đây

Nghe có vẻ là câu chuyện dành cho các công ty lớn với đội ngũ mạnh về công nghệ, nhưng liệu thực tế có phải như vậy? Hay ngay cả doanh nghiệp nhỏ, team marketing tinh gọn hoặc những người đang làm ở vị trí executive cũng đã có thể ứng dụng mô hình này vào công việc hằng ngày?

Trong bài viết này, chúng ta sẽ cùng tìm hiểu Vibe Marketing là gì, vì sao xu hướng này đang nổi lên và ai mới thật sự là người có thể tận dụng nó hiệu quả nhé.

Vậy Vibe Marketing là gì?

“Vibe” ở đây không phải là cảm xúc mà nó đại diện cho một phương thức tương tác mới giữa con người và máy móc, khi ý tưởng (vibe) được chuyển hóa trực tiếp thành sản phẩm (output) mà không cần qua các khâu trung gian rườm rà. Vibe Marketing là sự kết hợp của hai công nghệ:

• Vibe Coding: Sử dụng các công cụ vibe coding – những nền tảng cho phép tạo ra tài sản kỹ thuật số (web, ứng dụng, công cụ) gần như ngay lập tức thông qua các câu lệnh. Bạn không cần ngồi viết từng dòng code; bạn chỉ cần truyền tải “vibe” (ý tưởng và mong muốn), máy móc sẽ hiện thực hóa nó.

• AI Agent & Workflow Platforms: Các hệ thống như Gum Loop, N8N, Manis, Lindy.ai hay String.com. Đây là bộ não đứng sau các chiến dịch, đóng vai trò tự động hóa quá trình ra quyết định và vận hành.

⇒ Khi kết hợp lại, chúng cho phép máy móc sở hữu hoàn toàn lớp thực thi (execution layer) - từ sáng tạo nội dung, sản xuất quảng cáo, tiếp cận khách hàng cho đến nghiên cứu thị trường. Tất cả diễn ra lặp đi lặp lại với chi phí cực thấp nhưng hiệu suất lại đạt mức cực đại.

Cách ứng dụng Automation trong workflow marketing (bài giảng trong khóa AI Marketing)

Quy trình vận hành của Vibe Marketing

Trong khi mô hình cũ tập trung vào chiến dịch có điểm bắt đầu và kết thúc, thì Vibe Marketing tập trung vào một hệ thống vòng lặp vô tận. Một vòng lặp VM tiêu chuẩn bao gồm 5 bước:

• Trích xuất dữ liệu (Pull): Cào dữ liệu từ các luồng thảo luận trên Reddit, Google Sheets, API mạng xã hội hoặc các công cụ phân tích.

• Chuyển đổi (Transform): Đưa dữ liệu thô vào LLM để viết lại, tóm tắt hoặc trích xuất các “hook” (điểm chạm tâm lý) hấp dẫn.

• Phân tích (Analyze): Đánh giá các ý tưởng, xác định lỗ hổng nội dung và ưu tiên những phương án tiềm năng nhất.

• Triển khai (Apply): Biến những hiểu biết đó thành nội dung bài viết, mẫu quảng cáo hoặc email gửi khách hàng.

• Đóng vòng lặp (Close the loop): Thu thập dữ liệu hiệu suất và nạp ngược lại cho các AI Agent để chúng tự động cải thiện ở các phiên bản sau.

Làm thế nào để doanh nghiệp SME có thể tiếp cận với mô hình này?

Trên thực tế, chính SME lại có thể hưởng lợi rất nhiều từ Vibe Marketing, vì họ thường bị giới hạn về nguồn lực và cần một cách vận hành tinh gọn hơn để cạnh tranh. Có ba định hướng mà các SME có thể tập trung:

1. Sản xuất content hàng loạt:

Với Vibe Marketing, bạn có thể quét các thảo luận trên các social platform, website đối thủ hoặc cộng đồng để tìm ra những câu hỏi thật, pain point thật, các góc nhìn đang được tranh luận hoặc những khoảng trống nội dung mà thị trường chưa trả lời tốt.

Workflow tự động tạo content và đăng bài trên Facebook (project cuối khóa của học viên khóa AI Marketing)

Sau đó, AI sẽ hỗ trợ gom nhóm tín hiệu, phát hiện mẫu lặp, tóm tắt insight và đề xuất hướng triển khai. Khi kết hợp thêm phân tích khoảng trống giữa nội dung hiện có trên thị trường với nhu cầu thực của người đọc, doanh nghiệp không chỉ tạo nội dung nhanh hơn mà còn có cơ hội tạo nội dung đúng hơn.

Đọc thêm: Workflow AI giúp mỗi ngày tự động lấy news AI, viết caption và tự post Facebook

2. Thử nghiệm quảng cáo tốc độ cao:

Digital advertising ngày nay là cuộc chơi của tốc độ. Không ít thương hiệu vẫn dành rất nhiều thời gian để chuẩn bị một số lượng nhỏ creative, đặt nhiều kỳ vọng vào từng asset và chỉ sau một thời gian tương đối dài mới bắt đầu có đủ dữ liệu để tối ưu. Cách làm này không sai, nhưng nó ngày càng khó theo kịp môi trường attention ngắn và biến động nhanh như hiện nay.

Với Vibe Marketing, hệ thống có thể thu thập các mẫu quảng cáo đang hoạt động tốt trên thị trường, dùng AI để bóc tách hook, cấu trúc và cơ chế thu hút chú ý, rồi tạo ra hàng loạt biến thể mới theo nhiều góc nhìn khác nhau: thay đổi opening, thay đổi nhân vật, thay đổi ngôn ngữ, thay đổi bối cảnh, thay đổi mức độ bản địa hóa hoặc thậm chí thay đổi sắc thái cảm xúc.

Trong bối cảnh mà creative fatigue (mệt mỏi sáng tạo) đến nhanh, việc có một hệ thống giúp thương hiệu liên tục làm mới, so sánh và học từ phản ứng của thị trường sẽ ngày càng quan trọng hơn việc cố gắng đặt cược tất cả vào một “big idea” duy nhất.

3. Tự động hóa sales, lead generation và customer support:

Ở một hướng khác, với sự hỗ trợ của AI agent, doanh nghiệp có thể tự động hóa một phần các tác vụ như nghiên cứu prospect, gợi ý thông điệp tiếp cận cá nhân hóa, follow-up theo ngữ cảnh, phân loại lead, lưu transcript hoặc phát hiện lại những cơ hội từng bị bỏ lỡ khi điều kiện thị trường thay đổi.

Điều này đặc biệt thuận lợi cho những công ty có đội ngũ sales và chăm sóc khách hàng ít, thời gian bị chia nhỏ cho quá nhiều đầu việc, và không phải lead nào cũng được theo sát đủ tốt.

Xây dựng workflow cho lead magnet: gửi thông báo mỗi khi có người đăng ký, tự động share folder Drive, tự gửi link qua email,... (project cuối khóa của học viên khóa Generative AI)

Dĩ nhiên, không phải điểm chạm nào cũng nên giao toàn bộ cho máy. Nhưng khi các thao tác lặp lại được tự động hóa có kiểm soát, đội ngũ có thể dành nhiều thời gian hơn cho những tình huống quan trọng - nơi sự thấu hiểu, đánh giá tình huống và khả năng chốt quyết định vẫn cần đến con người.

Tạm kết

Vibe Marketing không xuất hiện để thay thế marketer mà ngược lại, nó khiến vai trò của marketer cần phải thay đổi. Trong mô hình cũ, giá trị của marketer chủ yếu nằm ở khả năng trực tiếp triển khai nhiều đầu việc, còn trong mô hình mới, giá trị ấy ngày càng chuyển sang năng lực quản lý hệ thống, nhận diện đúng tín hiệu, thiết kế vòng lặp hiệu quả và đưa ra quyết định ở những điểm AI chưa thể thay thế.

Vì vậy, lợi thế cạnh tranh mới không chỉ là biết dùng tool, mà là biết biến công cụ thành một hệ thống tăng trưởng có thể học hỏi, tối ưu và lặp lại. Nếu bạn muốn ứng dụng AI vào Marketing một cách bài bản và có hệ thống hơn, bạn có thể tham khảo khóa học AI Marketing - Tối đa hóa hiệu quả Marketing với Big Data và AI Agent tại Tomorrow Marketers AI.

Chương trình sẽ giúp bạn biết cách ứng dụng AI trực tiếp vào các quy trình marketing hằng ngày như nghiên cứu thị trường, sản xuất nội dung, lead nurturing,… mà không cần nền tảng kỹ thuật. Từ đó, tăng hiệu suất làm việc và xây dựng lợi thế cạnh tranh trong kỷ nguyên AI.

Tham khảo khoá học tại đây

Cảm ơn bạn đã dành thời gian đọc bài viết! Hy vọng những chia sẻ này sẽ giúp bạn có thêm một góc nhìn rõ ràng về cách vận hành marketing trong kỷ nguyên AI, cũng như cách mỗi marketer có thể chủ động thích nghi và phát triển với công nghệ ngày nay.

AI đã trở thành 1 tiêu chuẩn mới khi tuyển dụng trong chương trình BDF 2026 của VNG

Vì thế, trong bài viết này, mình muốn chia sẻ lộ trình học AI cụ thể mà team mình đã xây dựng và áp dụng để marketer (hoặc dân non-tech) có thể bắt đầu mà không bị ngợp giữa quá nhiều công cụ hay khái niệm. Bên cạnh đó, mình cũng gợi ý thêm một số khóa học phù hợp để những ai muốn học bài bản hơn có thể dễ xác định đúng hướng đi cho bản thân.

Giai đoạn 1: AI Foundation for Marketing

Theo mình, ở giai đoạn đầu, marketer chưa cần bắt đầu với những thứ quá kỹ thuật. Trước khi nghĩ đến automation, AI Agent hay machine learning, chúng ta cần có một nền tảng đủ vững để hiểu AI đang hoạt động như thế nào trong công việc hằng ngày. Đây là giai đoạn giúp làm quen với cách tư duy khi làm việc cùng AI, thay vì chỉ chạy theo xu hướng một cách rời rạc.

Tuần 1: Prompting cho marketer

Đây là phần gần như ai cũng nên học đầu tiên khi bắt đầu lộ trình học AI.

AI chỉ thực sự hữu ích khi người dùng biết đặt câu hỏi đúng và giao việc đủ rõ. Một prompt tốt không đơn thuần là câu lệnh, mà là cách brief công việc cho AI giống như đang làm việc với một cộng sự: càng rõ ràng, đầu ra càng dễ dùng.

Ở tuần đầu tiên, bạn cần hiểu được mối quan hệ giữa input (đầu vào) và output (đầu ra). Nói đơn giản: “đầu vào càng rõ thì đầu ra càng đúng ý”. Từ đó, marketer có thể bắt đầu tiếp cận với các kỹ năng nền tảng khác:

• Viết prompt theo framework để yêu cầu có cấu trúc dễ hiểu hơn.

• Kiểm soát output về độ dài, định dạng, giọng điệu và mục tiêu sử dụng.

• Prompt chaining - chia một yêu cầu lớn thành nhiều bước nhỏ để AI xử lý tuần tự và chính xác hơn.

Một số kỹ thuật viết prompt marketer có thể bắt đầu ứng dụng trong lớp Generative AI tại TM AI

Tuần 2: Ứng dụng AI cho từng use case trong marketing

Sau khi đã quen với prompting, bước tiếp theo là đưa AI vào những đầu việc cụ thể và bắt đầu liên kết với công việc thực tế. Theo mình, bạn có thể ứng dụng ngay với ChatGPT, Gemini hoặc Claude, đây đều là những công cụ có giao diện dễ dùng, có tính cập nhật nhanh khá phù hợp với người mới bắt đầu. Bạn có thể chia theo từng domain marketing để dễ học hơn như:

• Content: viết social post, ad copy, email, SEO outline

• Performance: gợi ý angle testing, audience idea, tối ưu landing page

• CRM: xây nurture flow, viết churn messaging, lên kịch bản chăm sóc khách hàng

Ví dụ về việc ứng dụng ChatGPT/Gemini làm content chạy ads được thực nghiệm trong lớp AI Marketing tại TM AI

Ở giai đoạn này, bạn chưa cần cố học quá rộng. Cách tốt nhất là chọn đúng một vài đầu việc mình đang làm mỗi ngày, rồi thử ứng dụng AI vào đó. Khi đi từ những task quen thuộc, sẽ dễ nhìn ra hơn AI đang giúp tiết kiệm thời gian ở đâu, hỗ trợ tốt ở bước nào và phần nào vẫn cần con người kiểm soát.

Giai đoạn 2: AI for Marketing Automation

Khi đã biết dùng AI cho từng tác vụ riêng lẻ, bước tiếp theo là nghĩ đến chuyện vận hành. Trong lộ trình học AI, đây là lúc marketer không chỉ học cách để “làm nhanh hơn”, mà còn để tối ưu workflow làm việc hơn.

Trọng tâm của giai đoạn này là workflow automation. Một trong những công cụ phù hợp với người mới bắt đầu nhất có lẽ là n8n. AI automation là một yếu tố cực kỳ đáng học vì nó giúp tự động hóa những phần việc lặp lại, giảm phụ thuộc vào thao tác tay và tiết kiệm nhiều thời gian cho các tác vụ vận hành hằng ngày (Thử tưởng tượng lúc nào viết bài bạn cũng cần vào ChatGPT thì build một workflow tự động viết, tự động đăng bài sẽ tiết kiệm thời gian hơi nhiều)

Ví dụ một workflow n8n tự động tạo nội dung và hình ảnh trong lớp Generative AI

Kết quả sau khi chạy workflow

Một số hướng bạn có thể đi như:

• Content automation: tự động tổng hợp trend, đưa dữ liệu vào prompt, tạo draft nội dung và luân chuyển giữa các công cụ

• Reporting automation: tự động kéo dữ liệu, tổng hợp chỉ số, tạo báo cáo định kỳ hoặc cảnh báo khi có biến động

• Research automation: tự động thu thập thông tin từ nhiều nguồn để hỗ trợ market research hoặc competitor tracking

Mình nghĩ đây là giai đoạn trong lộ trình học AI sẽ cần nhiều thời gian vì nhiều marketers hiện nay vẫn đang dùng theo kiểu từng task rời rạc. Khi học được workflow automation, bạn sẽ thấy khả năng tối ưu thực sự của AI, thay vì chỉ là một công cụ dùng khi cần.

Giai đoạn 3: AI Agent for Marketers

Sau automation, một bước nâng cao hơn là AI Agent. Đây là lúc AI không chỉ thực hiện từng tác vụ theo trigger có sẵn, mà bắt đầu xử lý một chuỗi nhiệm vụ theo logic rõ ràng hơn. Ở giai đoạn này marketer nên học từ việc hiểu bản chất AI Agent, sau đó là học cách build agent phục vụ công việc marketing.

Về bản chất, một AI Agent thường có các thành phần cơ bản như:

• Brain (LLM): Chịu trách nhiệm phân tích logic, lập kế hoạch chiến lược và ra quyết định.

• Memory: Khả năng lưu trữ và truy xuất dữ liệu để duy trì tính nhất quán.

• Tools: Khả năng kết nối và vận hành các công cụ ngoại vi (APIs, phần mềm chuyên dụng).

• Planning: Cơ chế tự đánh giá và điều chỉnh lộ trình hành động nhằm đảm bảo đầu ra cuối cùng tiệm cận chính xác nhất với mục tiêu đề ra.

Mô phỏng các thành phần của một AI Agent

Khi hiểu logic đó, bạn có thể bắt đầu xây những agent tối ưu đơn giản như:

• Content Agent: tự research trend, tìm angle, viết draft, chuẩn hóa format bài viết

• Market Research Agent: thu thập thông tin thị trường, đối thủ, phản hồi khách hàng và tổng hợp insight ban đầu

• CRM Agent: phân loại nhóm khách hàng, gợi ý nội dung nuôi dưỡng hoặc kịch bản chăm sóc phù hợp

Giai đoạn 4: AI + Data + Machine Learning for Marketers

Nếu ba giai đoạn đầu tập trung nhiều vào ứng dụng, thì đến giai đoạn này, marketer nên bắt đầu đi sâu hơn vào nền tảng dữ liệu. Đó là bởi bản chất của AI gắn chặt với dữ liệu, càng đi xa với AI, bạn sẽ càng thấy dữ liệu cực quan trọng.

Theo mình, đây là lúc phù hợp để marketer học về data foundation và machine learning cơ bản - không phải để trở thành data scientist đâu, mà để hiểu sâu hơn cách AI tạo ra giá trị và để làm việc tốt hơn với dữ liệu trong marketing.

Ở giai đoạn này, marketer có thể bắt đầu làm quen với cách dữ liệu được thu thập, làm sạch và tổ chức, đồng thời học cách đặt câu hỏi đúng để đọc ra pattern, segment và các signal quan trọng trong hành vi khách hàng. Bên cạnh đó, cũng nên hiểu ở mức cơ bản machine learning đang giải những bài toán nào trong marketing, và AI có thể hỗ trợ ra sao trong dự báo, phân nhóm, chấm điểm hay phát hiện bất thường trong dữ liệu.

Từ đây, marketer có thể bắt đầu tiếp cận những bài toán nâng cao hơn như: customer segmentation, churn prediction, lead scoring, campaign performance forecasting, funnel analysis,...

Nếu muốn đi sâu thêm với lộ trình học AI này, đây cũng là giai đoạn hợp lý để bắt đầu tiếp cận với Python hoặc Google Colab. Không nhất thiết phải học code quá nặng, nhưng việc hiểu cách đọc file dữ liệu, xử lý bảng dữ liệu hay trực quan hóa một mô hình phân tích sẽ giúp marketer nhìn AI và data với góc nhìn rõ ràng hơn.

Tổng quan về lộ trình 4 bước nhập môn AI

Một vài lộ trình học AI phù hợp để bắt đầu:

Nếu muốn học AI một cách bài bản hơn thay vì tự mày mò từng chút, theo mình, việc chọn một khóa học phù hợp ngay từ đầu sẽ giúp tiết kiệm rất nhiều thời gian.

AI Professional Program – Tomorrow Marketers AI:

Đây là lộ trình học AI phù hợp với những người muốn đi từ nền tảng đến ứng dụng thực tiễn một cách có hệ thống.

Chương trình cũng được xây dựng từ kinh nghiệm triển khai thực tế của các Marketing Manager và Leader tại các tập đoàn lớn trong lĩnh vực Marketing và AI, đồng thời kết hợp với nền tảng học thuật từ đội ngũ Thạc sĩ, Tiến sĩ tại Đại học Quốc gia Singapore (NUS). Nhờ vậy, góc nhìn mang lại khá cân bằng giữa tính thực tiễn và chiều sâu chuyên môn.

Tham khảo chi tiết chương trình tại đây

AI Marketing – Tomorrow Marketers AI:

Ngoài ra, TM AI cũng có khóa học AI Marketing dành cho marketer muốn ứng dụng AI trực tiếp vào các quy trình làm việc hằng ngày như nghiên cứu thị trường, sản xuất nội dung hay lead nurturing,... mà không cần nền tảng kỹ thuật. Từ đó, tăng hiệu suất làm việc và xây dựng lợi thế cạnh tranh trong kỷ nguyên AI.

Tham khảo chi tiết chương trình tại đây

6.2. Beginner Artificial Intelligence Courses – Coursera:

Nếu muốn bắt đầu theo hướng phổ cập, dễ tiếp cận và có cấu trúc rõ ràng, các khóa nhập môn trên Coursera cũng là một lựa chọn đáng tham khảo. Đây thường là dạng khóa học phù hợp với người mới, giúp làm quen dần với những khái niệm cơ bản trước khi đi sâu hơn vào ứng dụng.

➤ Bạn có thể tham khảo tại đây.

6.3. AI Fundamentals – DataCamp:

Với những ai muốn tiếp cận AI theo hướng thực hành nhiều hơn, đặc biệt là có liên quan đến data, các khóa nền tảng trên DataCamp có thể là điểm bắt đầu khá phù hợp. Nền tảng này thường dễ học, chia nhỏ nội dung hợp lý và khá tiện cho những người muốn học từng bước.

➤ Bạn có thể tham khảo tại đây.

Tạm kết

Marketers không nhất thiết phải bắt đầu từ những dòng code phức tạp để tiếp cận AI. Điều quan trọng hơn cả vẫn là giữ được mindset đúng, hiểu rõ mình đang cần giải quyết bài toán gì và biết tận dụng AI như một trợ thủ chiến lược trong công việc. Khi được dùng đúng cách, AI không chỉ giúp marketer làm nhanh hơn mà còn hỗ trợ đưa ra quyết định chính xác hơn và dựa trên dữ liệu nhiều hơn.

Hy vọng rằng bài viết này có thể giúp những ai vẫn đang loay hoay với câu hỏi “nên bắt đầu từ đâu” tìm được một định hướng rõ ràng phù hợp để bắt đầu. Vì điều quan trọng để giúp bạn đi nhanh tiến xa chính là một sự khởi đầu chắc chắn!

Nếu như năm 2025, nhiều marketer vẫn còn băn khoăn liệu AI có thực sự cần thiết trong công việc hay không, thì đến năm 2026, bức tranh ngành Marketing đã thay đổi rõ rệt. Theo báo cáo “The State of AI in Marketing 2026” của Jasper , chúng ta đã chính thức bước vào Kỷ nguyên Vận hành (Operational Era) - nơi AI là công cụ cốt lõi định hình cách mọi marketer triển khai công việc mỗi ngày.

Là một người làm Content Marketing, mình nhận ra rằng vấn đề không còn nằm ở việc dùng AI để viết nhanh hơn. Điều đang thay đổi không phải là tốc độ, mà là cách mình tận dụng AI để tối ưu các công việc hàng ngày hiệu quả hơn.

Trong bài viết dưới đây, hãy cùng Insight Ouch! nhìn rõ hơn cách AI đang thay đổi quy trình làm việc marketing như thế nào, và quan trọng hơn, những thay đổi đó có ý nghĩa gì với chính công việc của chúng ta.

AI không còn là lợi thế, mà trở thành “tiêu chuẩn” đối với mọi marketers

Một trong những thay đổi rõ ràng nhất của marketing trong năm 2026 nằm ở mức độ phổ biến của AI.

Theo báo cáo, 91% các tổ chức marketing đã ứng dụng AI, tăng đáng kể so với mức 63% của năm 2025. Sự thay đổi này cho thấy AI không còn là một công cụ mới hay chỉ dừng ở giai đoạn thử nghiệm. Thay vào đó, AI đang dần trở thành một công cụ quan trọng trong công việc hằng ngày của marketers.

Nguồn: Báo cáo “The State of AI in Marketing 2026” (Jasper)

Điều đó cũng đồng nghĩa với một thực tế khá rõ ràng: Nếu bạn vẫn chọn cách làm marketing truyền thống và nói “không” với sự hỗ trợ của AI, bạn đang tự đẩy mình vào nhóm 9% ít ỏi còn lại - nhóm người đang có nguy cơ rất cao bị đào thải trong cuộc đua khốc liệt này.

Là một người làm marketing, con số 91% này đối với mình thực sự là một “lời cảnh báo”. Nhìn vào thực tế hiện tại, AI không còn là thứ “biết thì tốt, không biết cũng chẳng sao”, mà đã trở thành một kỹ năng nền tảng trong công việc. Khi AI dần trở thành tiêu chuẩn chung, việc không sử dụng AI đồng nghĩa với việc bạn đang tự đặt mình vào thế bất lợi.

Nếu trước đây, mình cần liên tục cập nhật kiến thức marketing để không bị lỗi thời, thì hiện tại, điều cần làm là học cách đưa AI vào công việc, không chỉ để làm nhanh hơn, mà để làm tốt hơn và tạo ra kết quả rõ ràng hơn.

Từ việc dùng AI để viết caption đến xây dựng hệ thống sản xuất nội dung

Khi AI đã trở thành tiêu chuẩn, cách marketers sử dụng AI cũng không còn giống như trước.

Ở giai đoạn đầu, AI thường được dùng để hỗ trợ những task nhỏ như brainstorm ý tưởng hoặc viết caption. Thực tế cũng cho thấy 56% marketer cho biết họ thường xuyên sử dụng AI cho việc lên ý tưởng (idea generation). Tuy nhiên, đến năm 2026, vai trò này đã thay đổi. AI không còn dừng lại ở việc hỗ trợ từng task, mà dần trở thành một công cụ giúp sản xuất nội dung ở quy mô lớn.

Thay vì chỉ tạo ra một output duy nhất, nhiều marketer bắt đầu sử dụng AI để tạo ra nhiều định dạng nội dung cùng lúc (multi-asset). Đây là một sự chuyển dịch quan trọng: từ việc “làm nhanh hơn một việc” sang “làm nhiều việc cùng lúc”.

Nguồn: Báo cáo “The State of AI in Marketing 2026” (Jasper)

Ví dụ đối với công việc làm content hàng ngày của mình, sự thay đổi này thể hiện rất rõ. Trước đây, để hoàn thành một bài blog, mình thường mất khá nhiều thời gian cho việc research từ nhiều nguồn, xây dựng outline rồi mới bắt đầu viết. Sau khi hoàn thành, nội dung lại cần được chỉnh sửa và viết lại để phù hợp với từng kênh như Facebook, email hay video. Mỗi kênh gần như là một lần xử lý lại từ đầu.

Thế nhưng quy trình hiện tại đã khác. Từ một nội dung gốc, mình có thể nhanh chóng chuyển đổi thành nhiều phiên bản khác nhau cho nhiều kênh chỉ trong thời gian ngắn. AI không chỉ giúp mình rút ngắn thời gian viết, mà còn giúp mở rộng quy mô sản xuất nội dung một cách hiệu quả hơn.

Vấn đề không nằm ở việc tạo nội dung mà ở việc kiểm soát khi scale

Khi việc tạo nội dung trở nên dễ dàng hơn, câu hỏi không còn là “Làm thế nào để tạo ra nhiều hơn?”, mà là: “Làm thế nào để kiểm soát chất lượng khi sản xuất ở quy mô lớn?”.

Theo báo cáo, có 27% marketer cho rằng legal, compliance và brand governance là rào cản lớn nhất khi dùng AI.

Việc tạo ra nội dung bằng AI hiện tại không còn quá khó. Nhưng khi số lượng nội dung tăng lên, một vài lỗ hổng bắt đầu xuất hiện:

• Nội dung được tạo bằng AI có giữ đúng brand voice không?

• Nội dung giữa các kênh có đảm bảo tính nhất quán không?

• Hay nội dung do AI viết có vi phạm guideline hoặc rủi ro pháp lý không?

Khi chưa có một hệ thống kiểm soát rõ ràng, việc scale nội dung bằng AI có thể nhanh chóng biến thành một “mớ hỗn độn”, nhiều nhưng không chất lượng, nhanh nhưng khó kiểm soát.

Do vậy, vấn đề không còn nằm ở việc bạn có tạo ra nhiều nội dung hơn hay không, mà ở việc bạn có kiểm soát được chất lượng và sự nhất quán khi scale nội dung bằng AI hay không. Bởi Ai cũng có thể dùng AI để tạo nội dung. Nhưng không phải ai cũng biết cách kiểm soát và biến những output đó thành kết quả thực tế.

AI không thay thế bạn nhưng đang thay đổi công việc của bạn

Theo report, 1 trong 3 marketer đã có AI trong JD công việc, và 74% cho biết AI đã ảnh hưởng trực tiếp đến công việc của họ .

Nguồn: Báo cáo “The State of AI in Marketing 2026” (Jasper)

Điều này cho thấy AI không còn là một kỹ năng “phụ trợ”. Nó đang dần trở thành một phần trong năng lực cốt lõi của người làm marketing.

Và khi nhìn kỹ hơn, sự thay đổi này không chỉ dừng ở việc “dùng thêm một công cụ”. Trước đây, phần lớn công việc của marketer xoay quanh execution:

• Viết nội dung

• Chạy quảng cáo

• Tối ưu chiến dịch

Nhưng hiện tại, vai trò đó đang dần dịch chuyển. Marketer bắt đầu phải:

• Thiết kế workflow làm việc với AI

• Xây dựng hệ thống sản xuất nội dung

• Quản lý và kiểm soát output từ AI

• Đảm bảo chất lượng và tính nhất quán của brand

Hình ảnh là một phần slide khóa học AI Professional Program

Tham khảo chi tiết khoá học tại đây

Do vậy, những người chỉ dừng lại ở việc sử dụng AI để làm nhanh hơn từng task sẽ khó duy trì lợi thế. Khi việc tạo content trở nên dễ dàng và phổ biến hơn, tốc độ không còn là yếu tố tạo ra khác biệt như trước.

Trong khi đó, những người hiểu cách xây dựng workflow, thiết kế hệ thống và kiểm soát chất lượng sẽ có lợi thế dài hạn hơn. Chính vì vậy, câu hỏi quan trọng lúc này không còn là: “AI có thay thế marketer không?, mà là: “Công việc của một marketer đang thay đổi như thế nào?”.

Khi việc tạo nội dung hay xử lý dữ liệu dần được AI hỗ trợ, vai trò của marketer không còn dừng ở việc thực thi từng task riêng lẻ. Nói cách khác, bạn không còn chỉ là người làm marketing mà dần trở thành người thiết kế cách marketing vận hành cùng với AI.

Kết luận

Sau khi đọc report này và nhìn lại chính công việc của mình, mình nhận ra một điều khá rõ: AI không phải là thứ đáng lo nhất. Thứ đáng lo hơn là cách mình làm marketing có đang thay đổi kịp hay không.

Bởi vì nếu nhìn lại, phần lớn những gì AI đang làm rất tốt hiện tại đều là những công việc mang tính lặp lại: viết nội dung, tổng hợp thông tin,...

Những việc mà trước đây mình từng nghĩ là “kỹ năng”, thực ra đang dần trở thành “mặc định”. Và khi điều đó xảy ra, lợi thế không còn nằm ở việc làm tốt những task đó nữa mà nằm ở:

• Cách mình khai thác AI để xử lý thông tin và tạo ra insight

• Cách mình kết nối AI vào từng bước trong quy trình làm việc, thay vì dùng rời rạc từng task

• Và quan trọng nhất, cách mình dùng AI để tối ưu campaign và ra quyết định tốt hơn, chứ không chỉ dừng lại ở việc tạo ra thêm nhiều output

Cá nhân mình không nghĩ AI sẽ thay thế marketer, nhưng mình tin rằng AI sẽ khiến những người làm marketing theo cách cũ nhanh chóng bị đào thải.

Nếu bạn đang làm marketing và muốn hiểu rõ cách ứng dụng AI vào công việc một cách bài bản hơn, chương trình AI Professional Program sẽ giúp bạn xây dựng nền tảng đó.

Trong chương trình, bạn sẽ học cách:

• Xây dựng workflow làm việc với AI thay vì chỉ dùng từng tool rời rạc

• Tự động hoá các task lặp lại (ví dụ với n8n) để tiết kiệm thời gian xử lý

• Sử dụng AI để research, tổng hợp và xử lý thông tin phục vụ cho việc lên chiến lược và ra quyết định

Điều khiến mình ấn tượng nhất không chỉ là những công cụ hay xu hướng mới, mà là những key message rất rõ ràng về cách vai trò của Marketer đang dịch chuyển trong kỷ nguyên AI. Sau buổi chia sẻ đó, mình đã ghi lại một vài insight đáng suy nghĩ và muốn chia sẻ lại với mọi người trong bài viết này.

Bối cảnh thị trường: Khi hành vi tiêu dùng của khách hàng và công nghệ thay đổi

Trong vài năm gần đây, AI đã trở thành một công cụ quen thuộc trong Marketing, từ việc hỗ trợ viết nội dung, phân tích dữ liệu cho đến tối ưu chiến dịch. Tuy nhiên, sự thay đổi lớn hơn đang diễn ra ở phía người dùng: AI bắt đầu trở thành một kênh mà khách hàng sử dụng để tìm hiểu và ra quyết định mua sắm.

Một vài con số “biết nói” từ báo cáo của Kantar và HubSpot trong buổi masterclass khiến mình thực sự phải lưu tâm:

• Sự dịch chuyển của người dùng: Hiện đã có 24% người dùng AI bắt đầu sử dụng trợ lý ảo để hỗ trợ mua sắm. Đáng chú ý hơn, tỷ lệ chuyển đổi từ traffic AI đang tăng trưởng liên tục và đã chính thức vượt qua các nguồn traffic truyền thống vào cuối năm 2025.

• Mức độ tin cậy: Không còn là những thử nghiệm vui vẻ, 75% người dùng khẳng định họ tin tưởng và mua hàng dựa trên các đề xuất do AI tạo ra hàng tuần.

• Thực tế tại Việt Nam: Thị trường Việt Nam không hề đứng ngoài cuộc đua này. Số liệu cho thấy có khoảng 57% doanh nghiệp Việt đã ứng dụng AI vào vận hành và 78% trong số đó đánh giá mức độ tích hợp đang ở mức trung bình đến cao.

Những con số này cho thấy một thay đổi quan trọng:

AI đang dần trở thành một điểm chạm mới trong hành trình mua hàng của khách hàng.

Khi người dùng bắt đầu tìm kiếm thông tin, so sánh lựa chọn và hình thành quyết định thông qua AI, cách Marketing tác động đến hành vi mua sắm cũng sẽ thay đổi theo.

Trong bối cảnh đó, sự xuất hiện của AI Agent đang mở ra một giai đoạn mới, nơi AI không chỉ cung cấp thông tin mà còn bắt đầu tham gia sâu hơn vào quá trình ra quyết định của người dùng.

AI Agent - Bước tiến tiếp theo sau Chatbot và GenAI

Nếu giai đoạn 2023–2024 được nhắc đến với Chatbot và GenAI, thì từ 2025–2027, từ khóa quan trọng nhất có thể là AI Agent.

Khác với chatbot truyền thống vốn chỉ dừng lại ở việc trả lời câu hỏi hoặc cung cấp thông tin khi người dùng yêu cầu, AI Agent có khả năng tự thực hiện một chuỗi nhiệm vụ hoàn chỉnh để đạt được một mục tiêu cụ thể. Thay vì chỉ phản hồi từng câu hỏi riêng lẻ, AI Agent có thể tự tìm kiếm thông tin, phân tích dữ liệu, so sánh các lựa chọn và đưa ra đề xuất phù hợp.

Về cơ bản, một AI Agent thường được cấu thành từ ba thành phần chính:

• Brain (Bộ não): Đây là phần chịu trách nhiệm suy luận và ra quyết định. Brain thường được xây dựng dựa trên các mô hình ngôn ngữ lớn như GPT hay Gemini, giúp AI hiểu ngữ cảnh, phân tích yêu cầu và lựa chọn cách xử lý phù hợp.

• Memory (Bộ nhớ): Đây là lớp dữ liệu giúp AI hiểu được bối cảnh cụ thể của doanh nghiệp. Memory có thể bao gồm dữ liệu nội bộ, quy trình vận hành (SOP) hoặc kiến thức về ngành hàng. Nhờ có lớp dữ liệu này, AI Agent có thể đưa ra các đề xuất sát với thực tế thay vì chỉ trả lời theo những thông tin chung chung trên Internet.

• Action (Khả năng thực thi): Điểm khác biệt lớn nhất của AI Agent nằm ở khả năng hành động. Thông qua việc kết nối với các công cụ khác nhau, AI có thể thực hiện các tác vụ thực tế như phân tích dữ liệu, gửi email, tạo nội dung hoặc cập nhật dashboard báo cáo.

Nói cách khác, nếu chatbot chỉ dừng lại ở việc trả lời, thì AI Agent có thể tự suy nghĩ, ghi nhớ và hành động để hoàn thành một nhiệm vụ trọn vẹn.

Những ứng dụng AI Agent thực tế trong các hoạt động marketing

Trong buổi master class, các diễn giả cũng chia sẻ một số ứng dụng thực tế cho thấy AI Agent không chỉ là một khái niệm công nghệ, mà đang bắt đầu được triển khai trực tiếp trong hoạt động Marketing và vận hành doanh nghiệp.

• Chatbot chăm sóc khách hàng:

Trước đây, chatbot chủ yếu hoạt động theo các kịch bản có sẵn, chỉ trả lời những câu hỏi đơn giản như thông tin sản phẩm, chính sách vận chuyển hay tình trạng đơn hàng. Tuy nhiên với AI Agent, hệ thống có thể hiểu ngữ cảnh cuộc trò chuyện sâu hơn và tự xử lý các tình huống phức tạp hơn trong hành trình khách hàng.

Ví dụ, khi khách hàng hỏi về một sản phẩm, AI Agent không chỉ cung cấp thông tin cơ bản mà còn có thể gợi ý sản phẩm phù hợp, so sánh các lựa chọn, tra cứu tồn kho hoặc thậm chí hỗ trợ hoàn tất đơn hàng. Điều này giúp doanh nghiệp biến chatbot từ một công cụ hỗ trợ đơn giản thành một kênh bán hàng và chăm sóc khách hàng hoạt động 24/7.

• Phân tích dữ liệu người dùng

Một trong những ứng dụng quan trọng nhất của AI Agent nằm ở khả năng tự động phân tích dữ liệu để phát hiện insight.

Thay vì marketer phải xuất dữ liệu từ nhiều nền tảng, tổng hợp và phân tích thủ công, AI Agent có thể kết nối với các nguồn dữ liệu như CRM, website analytics hay hệ thống quảng cáo để theo dõi hành vi người dùng theo thời gian thực. Từ đó, hệ thống có thể phát hiện các pattern quan trọng như nhóm khách hàng có khả năng chuyển đổi cao, điểm rơi của hành vi mua hàng hoặc những bước trong funnel đang gây thất thoát khách hàng.

Nhờ vậy, marketer không chỉ có dữ liệu mà còn có những gợi ý hành động cụ thể để tối ưu chiến dịch.

• Sáng tạo nội dung

Thay vì chỉ viết một bài post hay một đoạn quảng cáo theo prompt, AI Agent có thể tự thực hiện cả quy trình sản xuất nội dung, từ nghiên cứu chủ đề, phân tích xu hướng, xây dựng outline cho đến tạo nội dung phù hợp với từng kênh như social media, email hay blog.

Trong một số trường hợp, hệ thống còn có thể theo dõi hiệu quả của từng nội dung sau khi đăng, từ đó tự điều chỉnh cách viết hoặc format nội dung cho những lần xuất bản tiếp theo. Điều này giúp doanh nghiệp xây dựng một quy trình sản xuất nội dung bán tự động với tốc độ và quy mô lớn hơn rất nhiều so với trước đây.

Bạn có thể tìm hiểu kỹ hơn về cách sử dụng AI vào các quy trình marketing với khóa học AI Professional Program tại đây.

Tham khảo chi tiết

• Tối ưu phân bổ ngân sách quảng cáo đa kênh

Trong bối cảnh doanh nghiệp chạy quảng cáo trên nhiều kênh như Google, Meta, TikTok hay các nền tảng e-commerce, việc phân bổ ngân sách hiệu quả thường đòi hỏi marketer phải theo dõi và điều chỉnh liên tục. AI Agent có thể tự động theo dõi hiệu suất của từng kênh, phân tích chỉ số chuyển đổi và đề xuất hoặc thực hiện điều chỉnh ngân sách theo thời gian thực.

Nhờ vậy, doanh nghiệp có thể tối ưu hiệu quả quảng cáo nhanh hơn, giảm sự phụ thuộc vào các thao tác thủ công và tập trung nhiều hơn vào chiến lược tổng thể.

Vậy Marketer cần chuẩn bị gì để luôn “hợp thời” (Stay Relevant)?

Nhiều dự báo cho thấy trong vài năm tới, 30–45% các công việc marketing mang tính lặp lại sẽ được tự động hóa bởi AI. Điều này không có nghĩa là vai trò của marketer sẽ biến mất. Ngược lại, khi AI ngày càng đảm nhiệm các tác vụ vận hành, giá trị của marketer sẽ chuyển dịch sang những năng lực mang tính chiến lược hơn.

Đứng trước sự chuyển dịch đó, dưới đây là những kỹ năng quan trọng mà mình đã take note được trong quá trình lắng nghe chia sẻ từ các diễn giả trong buổi master class:

• Unlearn & Relearn

Trong bối cảnh công nghệ thay đổi liên tục, những kiến thức và cách làm từng hiệu quả trong quá khứ có thể nhanh chóng trở nên lỗi thời. Vì vậy, khả năng sẵn sàng bỏ đi những tư duy cũ và liên tục học hỏi những công cụ, workflow mới sẽ trở thành yếu tố sống còn để marketer không bị tụt lại phía sau.

• Học cách làm việc với dữ liệu

Khi AI ngày càng tham gia vào quá trình ra quyết định, marketer không thể chỉ dựa vào cảm tính khi xây dựng chiến dịch. Việc hiểu và làm việc với dữ liệu sẽ trở thành kỹ năng nền tảng. Điều này không có nghĩa là ai cũng phải trở thành Data Analyst, nhưng marketer cần biết đọc dashboard, hiểu các metrics quan trọng, phân tích hành vi người dùng và sử dụng dữ liệu để đưa ra quyết định marketing.

• Tư duy giải quyết vấn đề (Problem Solving)

AI có thể thực hiện rất nhiều tác vụ, nhưng AI không phải là người đặt ra bài toán. Giá trị thực sự của marketer nằm ở khả năng nhìn ra vấn đề của doanh nghiệp: khách hàng đang gặp trở ngại ở đâu trong funnel, chiến dịch đang thất thoát ở bước nào, hay sản phẩm đang thiếu điều gì để thuyết phục thị trường. Từ đó, marketer mới là người thiết kế giải pháp hoặc workflow để AI hỗ trợ thực thi.

• Kỹ năng cá nhân hóa (Personalization)

Khi nội dung do AI tạo ra ngày càng nhiều, sự khác biệt không còn nằm ở việc “tạo nội dung nhanh hơn”, mà ở khả năng kết nối với con người một cách sâu sắc hơn. Những marketer có khả năng hiểu tâm lý khách hàng, xây dựng thông điệp mang tính cá nhân hóa và tạo ra sự đồng cảm sẽ dễ dàng nổi bật hơn trong một thế giới tràn ngập nội dung do AI tạo ra.

Kết luận

Có một câu nói trong sự kiện mà mình nghĩ sẽ còn được nhắc lại rất nhiều trong thời gian tới: AI sẽ không thay thế marketer. Nhưng marketer biết dùng AI sẽ thay thế những người không biết.

Nghe có thể hơi “dramatic”, nhưng trong bối cảnh hiện tại, đó không chỉ là một câu nói truyền cảm hứng, mà còn là một lời nhắc nhở khá thực tế cho bất kỳ ai muốn đi đường dài với ngành marketing. Cuộc chơi đang dần dịch chuyển sang dữ liệu, công nghệ và khả năng làm việc cùng AI, những marketer không kịp nâng cấp bộ kỹ năng của mình rất dễ bị bỏ lại phía sau.

Vì vậy, nếu bạn muốn học cách ứng dụng AI trực tiếp vào các quy trình marketing hàng ngày, bạn có thể tham khảo khóa học AI Marketing của Tomorrow Marketers AI. Chương trình giúp marketer ứng dụng AI vào các công việc thực tế như nghiên cứu thị trường, sản xuất nội dung hay lead nurturing, từ đó tăng hiệu suất làm việc và xây dựng lợi thế cạnh tranh trong kỷ nguyên AI.

Còn nếu bạn muốn chuẩn bị kiến thức và kỹ năng về AI một cách bài bản và có hệ thống hơn, bạn có thể tham khảo chương trình AI Professional Program. Chương trình được thiết kế như một lộ trình từ con số 0, dành cho những người chưa có nền tảng về AI, giúp bạn hiểu cách AI hoạt động, làm chủ các công cụ và biết cách làm việc hiệu quả với AI trong thực tế.

Là một marketer trong giai đoạn thị trường đang có nhiều sự thay đổi, bạn thường thu thập dữ liệu khách hàng bằng cách nào? Survey, phỏng vấn nhanh, hay vào từng cộng đồng để đọc bài viết và comment rồi tự tổng hợp lại?

Trước đây, mình cũng làm như vậy. Khi cần research cho một khóa học mới, mình sẽ vào các group Facebook, lướt bài, đọc comment và ghi chú lại những gì mình cho là quan trọng. Về lâu, mình dần cảm thấy cách làm này tốn nhiều thời gian, dễ bỏ sót insight và khó hệ thống khi lượng dữ liệu bắt đầu nhiều lên.

Tuy nhiên, gần đây khi tham gia khóa học AI Marketing, mình lại được khai phá ra một cách làm data scraping hoàn toàn mới. Thay vì phải đọc dữ liệu bằng mắt thường, mình có thể xây dựng một workflow trên n8n để tự động thu thập bài viết và comment từ các cộng đồng người tiêu dùng, sau đó chuẩn hoá dữ liệu để phục vụ cho công việc customer research.

Trong bài viết này, mình sẽ chia sẻ chi tiết cách mình đã sử dụng để hiểu khách hàng đang quan tâm và thảo luận gì, cũng như cách mình triển khai workflow scraping đó trong thực tế với case study cho một ngành hàng phổ biến như Skincare Product nhé!

Bước 1: Tổng hợp link các group cần scrape

Việc đầu tiên mình làm là list ra các group cộng đồng và group đối thủ trên Facebook có liên quan đến Skincare, Tips làm đẹp, Review mỹ phẩm,...

Phần chọn group này mình làm hoàn toàn thủ công vì không phải group nào cũng có thảo luận chất lượng nên mình cần chọn đúng nơi có nhiều câu hỏi thật và chia sẻ thật.

Trong bài demo này, mình tạm thời list ra một vài group để test workflow, như trong hình dưới đây.

Ngoài link group, mình còn bổ sung thêm một vài thông tin quan trọng như thời gian bắt đầu scrape, số lượng bài post muốn lấy. Hai thông tin này giúp mình kiểm soát lượng dữ liệu, tránh scrape quá nhiều ngay từ đầu.

Ngoài ra, mình có thêm một cột Scrape (On/Off). Khi mình chuyển trạng thái sang Scrape, workflow sẽ tự động bắt đầu chạy.

Bước 2: Set up Apify để scraping

Sau khi có danh sách group, mình bắt đầu kết nối Apify với n8n để scraping data.

Ở bước này, mình sử dụng một actor của Apify. Trên Apify có khá nhiều actor khác nhau, bạn có thể search, test thử và chọn cái phù hợp (cái nào free thì càng tốt 😄).

Ở đây, mình sẽ dùng Facebook Groups Scaper để scrape các bài post và Facebook Comments Scraper để scrape comment.

Mình kết nối actor này vào node HTTP Request (Social Group Posts và Scrape Comments) trong n8n, gồm hai phần chính:

• Lấy API của actor và gắn vào URL của node

• Sử dụng JSON để yêu cầu actor scrape từ thời điểm nào, scrape bao nhiêu bài post

Sau khi chạy node, kết quả trả về sẽ hiển thị ngay bên phải, bao gồm nội dung bài viết, thời gian đăng và link post.

Bước 3: Set Webhook - Kết nối n8n với Google Sheet

Tiếp theo, mình tạo sẵn một file Google Sheet gồm 3 tab:

• Tab Group là tab để tương tác và cài đặt cho workflow hoạt động.

• Tab Group Post và Comment sẽ là nơi lưu dữ liệu vào, với các cột như hình sau:

- Tab Group Post:

- Tab Comment:

Quay lại n8n, mình sẽ copy Test URL trong node Webhook, sau đó chuyển sang Google Sheet, vào Extensions, chọn Apps Script vào paste URL đã copy vào code “webhookurl =”. Code này sẽ gửi thông tin cần scrape cho Webhook n8n để chạy được Workflow.

Tiếp theo, mình chuyên sang tab Trigger và sửa lại các lựa chọn như hình sau và bấm “Save”.

Từ đây, mỗi lần chỉnh sửa trong tab Group, workflow sẽ tự động chạy.

Bước 4: Thử nghiệm và sử dụng workflow

Sau các bước trên, hệ thống đã gần như hoàn thiện. Mình sẽ cho chạy test thử 1-2 group với số lượng bài viết nhỏ (khoảng 10 bài).

Khi workflow chạy thử, khả năng cao sẽ bị lỗi ở các node Google Sheet do chưa được update. Do đó, chúng ta sẽ vào lại các node Sheet trên n8n, lướt xuống phần Value to Update và lưu lại những gì đã được setup từ trước. Ngoài ra, thay đổi phần Document và Sheet với:

• Document ở đây chính là file Google Sheet mình vừa tạo.

• Sheet ở đây là tab trong file đó (Ví dụ với mục “thêm các bài post vào tab Group Post” thì Sheet sẽ là tab “Group Post”)

Sau khi hoàn tất chỉnh sửa, mình đã có thể bật nút active lên. Khi đó, workflow sẽ vào trạng thái hoạt động. Để sử dụng workflow, mình chỉ cần kích hoạt cột Scrape (On/Off) trên Google Sheet và hệ thống sẽ tự động scrape và trả về các comment trong file Google Sheet.

Tạm kết

Vậy là mình đã hoàn thành xong phần scrape bài post và comment từ Facebook group để phục vụ cho việc research đối tượng khách hàng trong ngành mỹ phẩm làm đẹp. Ở các post tiếp theo, mình sẽ chia sẻ thêm về việc sau khi có data thì phân tích như thế nào, rút insight ra sao.

Bài viết này hơi dài một chút, mong là những chia sẻ của mình sẽ hữu ích với mọi người. Nếu bạn thấy nội dung phù hợp, follow Insight Ouch! để cùng tìm hiểu thêm trong các bài sau nha 😊