Mỗi sáng, đội hỗ trợ của bạn mở hàng đợi và thấy hàng chục tin nhắn chẳng liên quan gì đến việc giúp đỡ khách hàng. Một lời chào hàng lạnh từ ai đó đã quét form liên hệ của bạn. Một email lừa đảo được ngụy trang thành vấn đề tài khoản. Một thông báo tự động bằng cách nào đó đã tạo thành một vé. Một tin nhắn trông như thể ai đó vừa đặt tay lên bàn phím. Các vấn đề thực sự của khách hàng đang bị chôn vùi ở đâu đó trong đống hỗn độn, nhưng việc tìm ra chúng cần có thời gian, thời gian đáng lẽ nên dành để giải quyết vấn đề, không phải để phân loại rác.
Đây là thực tế của hầu hết các đội hỗ trợ, và khối lượng chỉ ngày càng tăng. Theo nghiên cứu từ nhiều nhà cung cấp AI, từ 15% đến hơn 40% các vé hỗ trợ đến có thể là thư rác, không liên quan hoặc không thể xử lý. Khi mỗi phút của nhân viên đều có giá trị, loại tiếng ồn đó thực sự đắt đỏ.
Một bộ lọc thư rác và không liên quan AI thay đổi hoàn toàn phương trình này. Thay vì dựa vào nhân viên để phân loại thủ công đống rác, AI đọc mọi vé đến, đánh giá nội dung của nó và đưa ra quyết định nhị phân: liên quan hoặc không liên quan. Chỉ những thứ thực sự quan trọng mới được thông qua. Mọi thứ khác được gắn thẻ, phân luồng hoặc loại bỏ trước khi chạm tay đến con người.
Bộ lọc thư rác và không liên quan AI là gì?
Một bộ lọc thư rác và không liên quan AI là một hệ thống phân loại sử dụng xử lý ngôn ngữ tự nhiên (NLP) và học máy để phân tích các vé hỗ trợ đến và xác định xem chúng có đại diện cho các yêu cầu hợp lệ của khách hàng hay không. Không giống như các bộ lọc thư rác truyền thống dựa vào danh sách từ khóa tĩnh, bộ lọc hỗ trợ AI đánh giá toàn bộ ngữ cảnh của mỗi tin nhắn, cấu trúc, ý định, mẫu người gửi và ý nghĩa ngữ nghĩa của nó, để đưa ra nhận định chính xác hơn.
Đầu ra được cố tình đơn giản: TRUE (liên quan) hoặc FALSE (không liên quan). Kết quả nhị phân này ăn khớp trực tiếp vào các quy trình tự động hóa. Một vé được gắn cờ là FALSE có thể được tự động đóng, gắn thẻ để xem xét, chuyển đến hàng đợi thư rác riêng hoặc loại trừ khỏi báo cáo tiêu chuẩn. Mục tiêu rất đơn giản: đảm bảo rằng chỉ những vé cần sự chú ý của con người mới đến được tay con người.
Bộ lọc thư rác và không liên quan AI của LiveAgent áp dụng cách tiếp cận này và tích hợp nó ngay trong tổng đài . Nó xử lý dữ liệu vé thô, bao gồm tiêu đề tin nhắn, cấu trúc HTML và nội dung thân tin nhắn, dựa trên bối cảnh kinh doanh bạn đã xác định. Bạn quyết định “liên quan” có nghĩa là gì đối với đội của mình và AI áp dụng định nghĩa đó một cách nhất quán cho mọi bài gửi.
Tại sao các bộ lọc dựa trên từ khóa một mình là không đủ
Trong nhiều năm, cách tiếp cận tiêu chuẩn để giữ thư rác ra khỏi hàng đợi hỗ trợ là một danh sách đen từ khóa. Nếu một tin nhắn chứa “dịch vụ SEO,” “tạo khách hàng tiềm năng,” hoặc “demo nhanh,” nó sẽ bị gắn cờ. Cách tiếp cận này bắt được một số rác, nhưng nó cũng tạo ra hai vấn đề nghiêm trọng.
Đầu tiên, nó mong manh. Những kẻ gửi thư rác và các nền tảng tiếp cận lạnh liên tục thay đổi ngôn ngữ của họ. Một lời chào bắt đầu bằng “Tôi để ý thấy trang web của bạn” hôm nay có thể mở đầu bằng “Yêu thích bài blog gần đây của bạn” vào ngày mai. Duy trì một danh sách từ khóa theo kịp các biến thể này là một trò chơi đập chuột mà không ai thắng.
Thứ hai, và quan trọng hơn, bộ lọc từ khóa bắt cả khách hàng hợp lệ. Một người dùng thực sự có thể viết: “Tôi đã xem video demo của bạn và tôi không thể làm cho tích hợp hoạt động.” Một quy tắc từ khóa thấy “demo” và gắn cờ vé là thư rác. Khách hàng đó giờ có trải nghiệm tồi tệ và đội của bạn đã mất cơ hội giúp đỡ.
Lọc hỗ trợ AI tránh được cả hai cái bẫy. Nó đọc ý định, không chỉ từ ngữ. Sự khác biệt giữa cách tiếp cận dựa trên quy tắc và cách tiếp cận dựa trên AI là sự khác biệt giữa khớp từ khóa và hiểu ý nghĩa. Một lời chào hàng lạnh và một yêu cầu hợp tác chân chính có thể có chung từ vựng nhưng hoàn toàn khác biệt về ngữ cảnh. AI nắm bắt được sự khác biệt đó.
Sẵn sàng đưa doanh nghiệp lên tầm cao mới?
Dùng thử LiveAgent miễn phí và tự mình trải nghiệm.
Cách bộ lọc thư rác AI thực sự hoạt động
Quy trình cơ bản phức tạp hơn một bước quét từ khóa đơn giản. Khi một vé đến, AI chạy qua nhiều lớp phân tích trước khi trả về kết quả phân loại.
Phân tích dữ liệu và trích xuất đặc trưng
Bước đầu tiên là phân tích mọi thứ có sẵn về tin nhắn. Điều này bao gồm dòng tiêu đề, nội dung thân tin nhắn, siêu dữ liệu người gửi (tên miền email, uy tín IP, tần suất gửi), cấu trúc HTML (thư rác thường chứa pixel theo dõi nhúng hoặc định dạng bất thường) và bất kỳ tệp đính kèm nào. AI trích xuất các đặc trưng từ tất cả các tín hiệu này thay vì chỉ dựa vào văn bản.
Đánh giá nhận biết ngữ cảnh
Khi các đặc trưng đã được trích xuất, AI đánh giá chúng dựa trên bối cảnh kinh doanh bạn đã xác định. Đây là nơi tùy chỉnh có giá trị. Một công ty phần mềm có thể coi báo cáo lỗi từ người không phải khách hàng là không liên quan, trong khi một doanh nghiệp thương mại điện tử có thể coi bất kỳ tin nhắn nào có chứa mã đơn hàng là tự động liên quan. Bạn xác định ranh giới và AI áp dụng chúng.
Phân loại ý định
AI phân loại ý định của vé: đây có phải là yêu cầu hỗ trợ, lời chào hàng, nỗ lực lừa đảo, đơn xin việc, thông báo tự động hay tin nhắn vô nghĩa? Sự phân loại này vượt xa một nhị phân thư rác/không thư rác đơn giản. Nó xác định loại không liên quan, điều này quan trọng cho các quyết định phân luồng. Một lời chào hàng lạnh về dịch vụ SEO và một email lừa đảo nhắm vào đội của bạn đều không liên quan, nhưng chúng có thể yêu cầu xử lý khác nhau.
Chấm điểm độ tin cậy và hành động
Bước cuối cùng là gán điểm độ tin cậy cho phân loại và kích hoạt hành động thích hợp. Thư rác có độ tin cậy cao sẽ được tự động đóng hoặc cách ly. Các tin nhắn mơ hồ, những tin nhắn nằm trong khoảng độ tin cậy 60-85%, được chuyển đến hàng đợi xem xét nơi con người có thể đưa ra quyết định cuối cùng. Cách tiếp cận phân tầng này ngăn AI âm thầm loại bỏ một yêu cầu hợp lệ của khách hàng. Nếu AI không chắc chắn, nó sẽ yêu cầu trợ giúp.
Các loại vé không liên quan AI có thể phát hiện
Dựa trên phân tích phản hồi từ các nhà cung cấp trên các mô hình AI lớn, các danh mục phổ biến nhất của vé không liên quan mà AI có thể phát hiện đáng tin cậy bao gồm:
| Danh mục | Ví dụ | Hành động được đề xuất |
|---|---|---|
| Chào hàng lạnh | “Chúng tôi có thể cải thiện thứ hạng SEO của bạn. Hãy lên lịch cuộc gọi 15 phút.” | Gắn thẻ là thư rác, tự động đóng |
| Lừa đảo & phần mềm độc hại | Tin nhắn có liên kết đáng ngờ, tên miền người gửi bất thường hoặc yêu cầu thông tin đăng nhập | Cách ly ngay lập tức |
| Thông báo tự động | Trả lời vắng mặt, xác nhận giao hàng, cảnh báo hệ thống | Lọc ra, không tạo vé |
| Đơn xin việc | “Tôi muốn ứng tuyển vị trí kỹ sư phần mềm của bạn” gửi đến support@ | Gắn thẻ và chuyển hướng |
| Tin nhắn vô nghĩa / thử nghiệm | Chuỗi ký tự ngẫu nhiên, bài gửi trống, “kiểm tra kiểm tra kiểm tra” | Tự động đóng |
| Vé trùng lặp | Cùng người dùng gửi cùng vấn đề nhiều lần trong vòng vài phút | Hợp nhất hoặc đóng các vé trùng lặp |
| Ngoài chủ đề / ngoài phạm vi | Câu hỏi về sản phẩm hoặc dịch vụ mà công ty bạn không cung cấp | Gắn thẻ và đóng kèm chuyển hướng |
Hiểu biết chính xuyên suốt tất cả các nhà cung cấp AI là phân loại dựa trên ý định vượt trội hơn lọc dựa trên từ khóa cho mọi danh mục. Một tin nhắn có nội dung “Tôi rất muốn thảo luận về cách nền tảng của chúng tôi có thể bổ sung cho quy trình hỗ trợ của bạn” không chứa từ khóa thư rác rõ ràng nào, nhưng ý định, tiếp cận bán hàng không được yêu cầu, là không thể nhầm lẫn đối với một AI đọc để hiểu ý nghĩa.
Đăng ký nhận bản tin
Mẹo hay và ưu đãi mới nhất gửi thẳng đến hộp thư của bạn.
Thiết lập phát hiện thư rác tự động mà không làm mất khách hàng thực sự
Nỗi sợ phổ biến nhất mà các nhóm có khi triển khai bộ lọc thư rác AI là kết quả dương tính giả: một khách hàng thực sự có yêu cầu hợp lệ bị gắn cờ là thư rác và không bao giờ nhận được phản hồi. Nỗi sợ này là có cơ sở. Một kết quả dương tính giả không chỉ là một vé bị bỏ lỡ. Đó là một mối quan hệ khách hàng bị tổn hại.
Dưới đây là một khung triển khai đã được kiểm chứng giúp giảm thiểu rủi ro này ở mọi bước.
Bắt đầu ở chế độ mô phỏng
Trước khi AI chạm vào bất kỳ vé trực tiếp nào, hãy chạy nó trên dữ liệu lịch sử của bạn. Đưa cho nó các vé của ba tháng qua và xem nó sẽ phân loại từng vé như thế nào. Mô phỏng này cho bạn cái nhìn ngay lập tức về cả độ chính xác của AI và các trường hợp ngoại lệ. Bạn sẽ thấy loại tin nhắn nào gây nhầm lẫn cho bộ phân loại và có thể điều chỉnh định nghĩa của mình trước khi bất cứ điều gì đi vào hoạt động thực tế.
Gắn thẻ trước, tự động đóng sau
Khi đi vào hoạt động thực tế, hãy bắt đầu một cách thận trọng. Cấu hình AI để gắn thẻ các vé nghi ngờ là thư rác thay vì tự động đóng chúng. Nhân viên của bạn sẽ thấy thẻ spam_review trên các vé bị gắn cờ và có thể nhanh chóng xác minh hoặc ghi đè phân loại. Giai đoạn có con người trong vòng lặp này xây dựng niềm tin vào hệ thống trong khi đảm bảo không có kết quả dương tính giả nào lọt qua.
Đặt ngưỡng độ tin cậy
Không phải tất cả các phân loại AI đều chắc chắn như nhau. Thực hiện cách tiếp cận phân tầng:
- Độ tin cậy cao (≥90%): Tự động đóng hoặc chuyển đến hàng đợi thư rác
- Độ tin cậy trung bình (60-89%): Chuyển đến hàng đợi xem xét để nhân viên xác minh
- Độ tin cậy thấp (<60%): Coi là hợp lệ và phân luồng bình thường
Mô hình này đảm bảo rằng AI chỉ hành động tự động khi nó rất chắc chắn. Mọi thứ khác đều có sự kiểm tra của con người.
Xây dựng vòng lặp phản hồi
Mọi sự ghi đè của nhân viên, đánh dấu một vé thư rác là hợp lệ hoặc ngược lại, nên được đưa trở lại hệ thống. Theo thời gian, AI học hỏi từ những sửa chữa này và cải thiện độ chính xác của nó trên các mẫu vé cụ thể của bạn.
Xác định rõ ràng các trường hợp ngoại lệ
Viết ra các quy tắc bằng ngôn ngữ tự nhiên. Ví dụ: “Không bao giờ đóng một vé đề cập đến hoàn tiền, vấn đề tài khoản hoặc mã đơn hàng. Coi các lời đề nghị hợp tác không được yêu cầu là thư rác, nhưng luôn gắn cờ để xem xét nếu người gửi đến từ tên miền khách hàng hiện tại.” Những rào chắn này ngăn AI phạm phải những sai lầm thảm khốc.
Với một bộ lọc thư rác và không liên quan AI hỗ trợ logic kinh doanh có thể tùy chỉnh, bạn có thể mã hóa các quy tắc này trực tiếp vào quy trình phát hiện. Bộ lọc không áp dụng một định nghĩa thư rác chung cho tất cả. Nó áp dụng định nghĩa của bạn.
Ngoài thư rác: Phân luồng và phân loại vé AI
Lọc thư rác là lớp đầu tiên của quản lý vé hỗ trợ AI. Lớp tiếp theo là những gì xảy ra với các vé thực sự được thông qua. Nếu 30% hàng đợi đến của bạn là rác, loại bỏ nó là một chiến thắng. Nhưng còn 70% còn lại, các vé hợp lệ vẫn cần được đọc, phân loại, ưu tiên và phân luồng thì sao?
Đây là nơi phân luồng và phân loại vé AI xuất hiện. Trong khi bộ lọc thư rác trả lời câu hỏi nhị phân “liên quan hay không?”, tác nhân phân luồng trả lời “loại liên quan nào?” Nó đọc mỗi vé mới, xác định loại vấn đề cơ bản và gán thẻ danh mục thích hợp, báo cáo lỗi, câu hỏi thanh toán, yêu cầu tính năng, vấn đề tài khoản, hủy dịch vụ hoặc yêu cầu chung, trước khi nhân viên mở vé.
Tác động cộng dồn. Khi lọc thư rác và phân loại hoạt động cùng nhau, hàng đợi của nhân viên biến từ một đống tin nhắn hỗn độn không phân biệt thành một luồng công việc có thể hành động, sạch sẽ, được phân loại sẵn. Họ biết mỗi vé nói về gì trước khi nhấp vào nó. Họ có thể gộp các vé tương tự lại với nhau. Họ không tốn chút năng lượng tinh thần nào cho việc phân luồng. Họ chỉ giải quyết vấn đề.
Kết hợp với xác thực vé và tự động trả lời AI , tự động hóa càng sâu hơn. Các vé vừa liên quan vừa đơn giản, ví dụ khách hàng hỏi một câu đã được trả lời trong cơ sở kiến thức của bạn, có thể nhận được một phản hồi do AI tạo ra ngay lập tức và chính xác. Khách hàng nhận được giải pháp trong vài giây. Nhân viên không bao giờ thấy vé. Bộ lọc thư rác, tác nhân phân luồng và trình tự động trả lời tạo thành một đường ống xử lý toàn bộ quy trình tiếp nhận một cách tự động.
Bộ lọc thư rác và không liên quan AI của LiveAgent phù hợp với một ngăn xếp tự động hóa hoàn chỉnh như thế nào
Các tính năng hỗ trợ AI của LiveAgent được xây dựng dựa trên kiến trúc mô-đun. Mỗi tác nhân AI xử lý một chức năng cụ thể và bạn xâu chuỗi chúng lại với nhau thành các quy trình phù hợp với quy trình hỗ trợ của bạn. Bộ lọc thư rác và không liên quan AI là cổng đầu tiên trong chuỗi đó.
Bộ lọc được hỗ trợ bởi FlowHunt , nền tảng AI được phát triển bởi cùng công ty đứng sau LiveAgent. Sự tích hợp này có nghĩa là dữ liệu vé của bạn không rời khỏi hệ sinh thái. Nó được xử lý trong cùng cơ sở hạ tầng cung cấp năng lượng cho chính tổng đài của bạn. Đối với các nhóm xử lý thông tin nhạy cảm của khách hàng, tính cục bộ dữ liệu này rất quan trọng.
Quy trình thường trông như thế này:
- Vé đến: qua email, form liên hệ, trò chuyện trực tiếp hoặc mạng xã hội
- Bộ lọc thư rác và không liên quan AI : đánh giá vé và trả về TRUE hoặc FALSE
- Nếu FALSE: vé được tự động gắn thẻ, chuyển đến hàng đợi thư rác hoặc đóng dựa trên các quy tắc của bạn. Không có nhân viên nào được thông báo.
- Nếu TRUE: vé được chuyển đến tác nhân phân luồng và phân loại AI, tác nhân này gán thẻ danh mục
- Các vé đã được phân loại được phân luồng qua phân phối vé tự động đến đúng bộ phận hoặc nhân viên
- Đối với các yêu cầu đơn giản, trình tự động trả lời AI có thể tạo và gửi phản hồi tức thì dựa trên kiến thức
Mỗi bước là tùy chọn và có thể cấu hình. Bạn có thể chỉ sử dụng bộ lọc thư rác nếu đó là những gì bạn cần. Bạn có thể thêm phân loại sau. Bạn có thể thêm tự động trả lời chỉ cho các loại vé cụ thể. Tính mô-đun có nghĩa là bạn không bao giờ phải tự động hóa nhiều hơn mức bạn cảm thấy thoải mái.
Chi phí thực sự của việc không lọc
Đáng để định lượng chi phí thực sự của tiếng ồn vé không được lọc. Nghiên cứu từ nhiều nhà cung cấp AI và nền tảng hỗ trợ chỉ ra những con số nhất quán:
- Thời gian phân luồng mỗi vé: Nhân viên mất 30-60 giây mỗi vé cho việc phân loại và phân luồng thủ công
- Chi phí chuyển đổi ngữ cảnh: Mỗi sự gián đoạn từ một vé thư rác làm gián đoạn sự tập trung của nhân viên vào vấn đề thực sự của khách hàng, thêm chi phí nhận thức ẩn
- Rủi ro dương tính giả của lọc thủ công: Nhân viên mệt mỏi hoặc vội vàng mắc sai lầm, phân loại sai một vé thực sự là thư rác hoặc ngược lại
- Tinh thần nhân viên: Phân loại rác rưởi làm giảm tinh thần. Nó tương đương với việc dọn dẹp thư mục thư rác trong hỗ trợ, cần thiết nhưng gây kiệt sức
Đối với một nhóm xử lý 200 vé mỗi ngày với tỷ lệ không liên quan 25%, đó là 50 vé mỗi ngày cần phân luồng thủ công chỉ để loại bỏ. Ở mức 45 giây mỗi vé, đó là gần 40 phút thời gian nhân viên mỗi ngày, hơn 3 giờ mỗi tuần, dành cho công việc không tạo ra giá trị nào. Trong một năm, đó là khoảng 160 giờ, tương đương bốn tuần làm việc toàn thời gian của nhân viên, bị tiêu tốn bởi thư rác.
Một bộ lọc thư rác và không liên quan AI thu hồi lại toàn bộ thời gian đó. Các vé được lọc trước khi chúng vào hàng đợi. Nhân viên không bao giờ thấy chúng. 160 giờ đó quay trở lại để giải quyết các vấn đề thực sự của khách hàng.
Kết luận
Vấn đề tiếng ồn vé hỗ trợ sẽ không biến mất. Khi các form liên hệ trở nên dễ tìm và dễ quét hơn, khi các công cụ tiếp cận lạnh trở nên tinh vi hơn và khi kỳ vọng của khách hàng về thời gian phản hồi nhanh tiếp tục tăng lên, khoảng cách giữa “mọi thứ đến” và “những gì thực sự quan trọng” sẽ chỉ ngày càng rộng ra.
Phân loại AI thu hẹp khoảng cách đó. Nó không chỉ lọc thư rác. Nó phân biệt giữa một lời chào hàng lạnh và một yêu cầu hợp tác chân chính, giữa một thông báo tự động và một cảnh báo thực sự của khách hàng, giữa tin nhắn vô nghĩa và một người dùng thất vọng cần được giúp đỡ. Nó áp dụng phán đoán nhất quán ở quy mô lớn, không mệt mỏi, không thiên vị và không bao giờ vô tình phớt lờ một khách hàng cần sự trợ giúp.
Lộ trình triển khai rất rõ ràng: mô phỏng trước, gắn thẻ trước khi đóng, đặt ngưỡng độ tin cậy, xây dựng vòng lặp phản hồi và xác định các trường hợp ngoại lệ của bạn. Bắt đầu với bộ lọc thư rác, sau đó thêm phân luồng và phân loại, và tự động trả lời khi sự tự tin của bạn tăng lên. Kết quả là một hàng đợi hỗ trợ chỉ chứa những gì nó nên chứa: những khách hàng thực sự với những vấn đề thực sự, đang chờ sự giúp đỡ thực sự.
