Khi làm content marketing, mình hay làm social listening bằng cách vào các Facebook Group để đọc từng bài viết, comment xem khách hàng đang quan tâm về chủ đề gì, gặp khó khăn ở đâu và có những câu hỏi nào chưa được giải đáp.
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.
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!
Cảm ơn cả nhà đã đọc bài. Chúc mọi người một tuần mới thật nhiều năng lượng!