A/B Testing: Tối ưu hóa tỷ lệ chuyển đổi kịch bản Chatbot

Thay vì phỏng đoán kịch bản nào sẽ thu hút khách hàng hơn, A/B Testing cho phép bạn thử nghiệm nhiều phiên bản kịch bản khác nhau trên cùng một nhóm khách hàng. Bằng cách chia khách hàng thành các nhóm ngẫu nhiên, bạn sẽ đo lường được chính xác phiên bản nào mang lại tỷ lệ chuyển đổi (conversion rate) cao nhất để áp dụng cho toàn bộ chiến dịch.

---

1. Khi nào bạn cần sử dụng A/B Testing?

Đừng triển khai A/B Testing một cách ngẫu nhiên. Hãy sử dụng tính năng này khi bạn gặp các "điểm nghẽn" sau trong hành trình khách hàng:

• Tỷ lệ rớt khách cao ở bước chào hỏi: Khách hàng thường im lặng hoặc thoát chat ngay sau tin nhắn đầu tiên → Thử nghiệm lời chào thân thiện vs. lời chào đi thẳng vào ưu đãi.
• Tỷ lệ để lại thông tin (Lead) thấp: Khách hàng quan tâm sản phẩm nhưng không để lại SĐT/Email → Thử nghiệm thay đổi lời kêu gọi hành động (CTA) hoặc thay đổi quà tặng.
• Muốn tối ưu hóa phễu bán hàng: Bạn không biết nên hỏi nhu cầu khách hàng trước hay giới thiệu sản phẩm trước → Thử nghiệm thay đổi thứ tự các bước trong kịch bản.
• Tránh gây nhàm chán cho khách hàng thân thiết: Khách hàng quay lại nhiều lần và đã thuộc lòng kịch bản → Sử dụng tùy chọn "Luôn Random" để làm mới trải nghiệm.

---

2. Hướng dẫn cài đặt chi tiết

Để triển khai A/B Testing, bạn thực hiện theo 3 bước sau:

Bước 1: Tạo các nhánh kịch bản Thẻ A/B Testing yêu cầu bạn phải có ít nhất 2 nhánh (phiên bản kịch bản) để so sánh. Bạn có thể chọn Thêm nhánh để tạo thêm nhiều kịch bản ngẫu nhiên khác nhau.

Hướng dẫn thêm nhánh A/B Testing

Bước 2: Cài đặt tỷ lệ điều hướng Thiết lập tỷ lệ % khách hàng sẽ đi vào mỗi nhánh.

• Ví dụ: Nếu cài đặt Nhánh A 50% và Nhánh B 50%, hệ thống sẽ chia đều lượng khách hàng cho cả hai kịch bản để đảm bảo tính khách quan khi đo lường.

Bước 3: Tùy chọn "Luôn Random" Tại phần cài đặt, bạn cân nhắc lựa chọn tính năng Luôn Random:

• Khi KHÔNG chọn: Một khách hàng khi đã vào Nhánh A thì những lần quay lại sau họ vẫn sẽ ở Nhánh A. Điều này đảm bảo tính nhất quán trong trải nghiệm của khách hàng.
• Khi CHỌN Luôn Random: Mỗi lần khách hàng tương tác, chatbot sẽ chạy ngẫu nhiên một kịch bản theo tỷ lệ đã cài đặt.
  • Lưu ý: Chỉ nên dùng khi nội dung giữa các nhánh không quá mâu thuẫn nhau để tránh gây nhầm lẫn cho khách hàng.

Cài đặt Luôn Random

---

3. Ví dụ thực tế Use case

Case 1: Tối ưu hóa thu thập số điện thoại (Lead Generation)

Bài toán: Bạn muốn biết nội dung nào khiến khách hàng dễ để lại SĐT hơn.

• Nhánh A (Tiếp cận nhẹ nhàng): "Chào bạn, mình có thể hỗ trợ gì cho bạn không ạ? Nếu bạn cần tư vấn sâu hơn, hãy để lại SĐT nhé!"
• Nhánh B (Tiếp cận bằng lợi ích): "Chào bạn! Tặng bạn mã giảm giá 10% cho đơn hàng đầu tiên. Hãy để lại SĐT để mình gửi mã ngay cho bạn nhé!" Kết quả: Sau 1 tuần, Nhánh B có tỷ lệ để lại SĐT cao hơn 30% → Hành động: Xóa Nhánh A, áp dụng nội dung Nhánh B cho 100% khách hàng.

Case 2: Tối ưu hóa phễu tư vấn (Sales Funnel)

Bài toán: Bạn phân vân giữa việc "Hỏi nhu cầu trước" hay "Giới thiệu sản phẩm trước".

• Nhánh A (Hỏi trước): Hỏi về ngân sách và nhu cầu → Gợi ý sản phẩm phù hợp.
• Nhánh B (Show hàng trước): Gửi album sản phẩm hot nhất → Hỏi nhu cầu để tư vấn sâu. Kết quả: Nhánh A có tỷ lệ chốt đơn cao hơn vì khách hàng cảm thấy được tư vấn đúng nhu cầu hơn là bị "spam" sản phẩm.

---

4. Đo lường và Ra quyết định

Để xác định kịch bản "chiến thắng", bạn không nên dựa vào cảm tính mà hãy phân tích dữ liệu thực tế tại tài liệu: Phiên & Insight Hội thoại (/vi/phien-insight-hoi-thoai).

Các chỉ số cần theo dõi:

1. Tỷ lệ thoát (Drop-off rate): Nhánh nào có tỷ lệ khách hàng dừng tương tác thấp hơn?
2. Tỷ lệ phản hồi: Nhánh nào khiến khách hàng trả lời nhiều hơn?
3. Tỷ lệ chuyển đổi: Nhánh nào dẫn đến hành động cuối cùng (để lại SĐT, đặt hàng) nhiều hơn?

💡 Mẹo nhỏ cho bạn:

• Để tạo ra các biến thể nội dung hấp dẫn cho các nhánh A/B, bạn có thể sử dụng tính năng GenAI (/vi/genai) để viết lại lời chào theo nhiều phong cách khác nhau.
• Nếu bạn đang chạy kịch bản bám đuổi, hãy kết hợp A/B Testing với tài liệu Tạo & Kết nối bám đuổi (/vi/tao-ket-noi-bam-duoi) để tìm ra thời điểm nhắc nhở khách hàng hiệu quả nhất.