Blueprint: phân loại lead đa kênh bằng n8n, NocoDB và AI agent có duyệt thủ công

Khi lead đến từ nhiều kênh, vấn đề lớn nhất không phải là thiếu dữ liệu mà là dữ liệu không được xử lý thống nhất. Một khách có thể nhắn Messenger, điền form website rồi tiếp tục hỏi trên Zalo; nếu mỗi kênh nằm một nơi, sales khó biết ai cần gọi trước, marketing khó đo nguồn hiệu quả, còn AI dễ đưa ra quyết định thiếu ngữ cảnh.

Bài viết này trình bày một blueprint có thể triển khai từng bước cho doanh nghiệp Việt Nam: nhận lead từ website, Messenger, Zalo hoặc landing page bằng n8n; lưu dữ liệu có cấu trúc trong NocoDB; dùng AI agent để gợi ý nhóm lead và bước tiếp theo; sau đó đưa bản ghi vào hàng chờ duyệt thủ công trước khi giao cho sales hoặc kích hoạt chatbot. Mục tiêu không phải thay thế hoàn toàn nhân viên, mà là giảm việc đọc, copy và phân loại lặp lại nhưng vẫn giữ quyền kiểm soát.

1. Vì sao phân loại lead đa kênh cần một lớp trung gian?

Ở quy mô nhỏ, đội sales có thể mở từng inbox và một file Excel. Khi số lượng tăng, mô hình này nhanh chóng tạo ra bốn lỗi: lead trùng, trạng thái không đồng nhất, thiếu lịch sử hội thoại và không có bằng chứng vì sao một lead được ưu tiên. Một lead “muốn biết giá” có thể bị xếp ngang với người đã hỏi lịch tư vấn, trong khi hai người có khả năng mua rất khác nhau.

Lớp trung gian giúp tách ba việc:

• Thu nhận: lấy payload từ form, chatbot, Messenger, Zalo hoặc webhook.
• Chuẩn hóa: đổi tên trường, chuẩn hóa số điện thoại, gắn nguồn, chống trùng và lưu phiên bản dữ liệu gốc.
• Ra quyết định có kiểm soát: AI đề xuất nhãn, điểm ưu tiên và lý do; con người duyệt trước hành động có ảnh hưởng đến khách hàng.

NocoDB phù hợp làm lớp dữ liệu vì cung cấp giao diện bảng dễ dùng, API cho n8n và khả năng tách các bảng lead, hội thoại, sự kiện, nhiệm vụ và log duyệt. Doanh nghiệp vẫn tự host được trên máy chủ riêng, nhưng cần coi việc backup, cập nhật và phân quyền là một phần của vận hành.

2. Kiến trúc tổng thể của blueprint

Luồng tham khảo gồm bảy khối:

1. Website form, landing page, Smax.AI, Messenger hoặc Zalo gửi sự kiện mới.
2. n8n nhận webhook và lưu raw_payload để có thể kiểm tra lại khi lỗi.
3. n8n chuẩn hóa tên, số điện thoại, email, nguồn và thời điểm.
4. NocoDB kiểm tra bản ghi trùng, sau đó tạo hoặc cập nhật lead.
5. AI agent đọc dữ liệu tối thiểu cần thiết và trả về JSON theo schema cố định.
6. NocoDB đưa kết quả vào trạng thái pending_review, không tự gửi tin ngay.
7. Nhân viên duyệt trên giao diện bảng hoặc một màn hình nội bộ; n8n mới giao sales, gắn tag Smax.AI hoặc gửi thông báo.

Điểm quan trọng là AI không được gọi API tùy ý trong bước phân loại. Nó chỉ trả về đề xuất có cấu trúc. Các hành động như gửi tin, đổi trạng thái hay giao nhân viên phải do workflow n8n kiểm tra điều kiện rồi thực hiện.

3. Thiết kế bảng NocoDB để không biến thành một file spreadsheet lớn

Bảng leads

Các trường cơ bản gồm lead_id, full_name, phone_normalized, email, source_channel, campaign_id, product_interest, lead_status, priority_score, ai_label, ai_reason, assigned_sale, review_status, created_at và updated_at. Nên giữ thêm source_record_id để truy ngược về form hoặc nền tảng gốc.

Bảng conversations và lead_events

Một lead có thể có nhiều cuộc hội thoại. Không nên ghi đè toàn bộ nội dung vào một ô duy nhất. Bảng hội thoại lưu kênh, đoạn tóm tắt, thời gian và mã phiên; bảng sự kiện lưu các mốc như nhận form, AI phân loại, nhân viên duyệt, đã gọi, đặt lịch hoặc chuyển chuyên viên. Cấu trúc này giúp dashboard đo được thời gian phản hồi và lý do rơi rụng.

Bảng review_queue

Bảng này lưu đề xuất của AI, phiên bản prompt hoặc schema, người duyệt, thời gian duyệt và lý do sửa. Khi AI đề xuất “hot” nhưng nhân viên đổi thành “cần xác minh”, dữ liệu đó là nguồn để cải thiện rule, không nên xóa đi.

4. Workflow n8n từ lead mới đến kết quả AI

Workflow đầu tiên nên ưu tiên tính ổn định hơn là nhiều node. Một trình tự thực tế:

1. Webhook/trigger: nhận dữ liệu và tạo mã idempotency từ source_channel cùng source_record_id.
2. Code hoặc Set node: chuẩn hóa khoảng trắng, số điện thoại về định dạng thống nhất và map các câu hỏi form vào trường nội bộ.
3. NocoDB lookup: tìm theo mã nguồn; nếu không có thì tìm thêm theo số điện thoại đã chuẩn hóa. Không tạo bản ghi mới khi đã có khách cũ.
4. Upsert: tạo lead hoặc cập nhật thêm nguồn, sự kiện và đoạn hội thoại.
5. AI classification: gửi dữ liệu tối thiểu, che bớt thông tin không cần thiết và yêu cầu JSON.
6. Validate JSON: nếu thiếu trường hoặc điểm ngoài thang cho phép, chuyển sang needs_manual_review thay vì đoán.
7. Ghi review queue: lưu nhãn, điểm, lý do và đề xuất hành động.

Workflow nên có nhánh lỗi riêng: ghi sync_logs, lưu payload, gửi cảnh báo Telegram cho người vận hành và cho phép retry. Không nên dùng một lần chạy lại toàn bộ workflow nếu thao tác gửi tin có thể bị lặp.

5. AI agent nên phân loại những gì?

Đừng bắt đầu bằng một prompt yêu cầu AI “đánh giá khách hàng”. Hãy định nghĩa nhãn có thể kiểm tra. Ví dụ:

• intent: hỏi giá, cần demo, hỗ trợ kỹ thuật, bảo hành, tuyển dụng hoặc chưa rõ.
• urgency: low, normal, high dựa trên thời hạn và ngôn ngữ khách dùng.
• fit: phù hợp, cần xác minh hoặc không phù hợp với sản phẩm.
• next_action: gọi trong 15 phút, gửi tài liệu, hỏi thêm nhu cầu, chuyển CSKH hoặc chờ phản hồi.
• confidence: mức tin cậy từ 0 đến 1.

AI phải trả về cả reason ngắn gọn, dựa trên dữ liệu đã đọc. Nếu không đủ thông tin, câu trả lời hợp lệ là needs_more_data. Đây là guardrail quan trọng cho các ngành có giá trị đơn hàng cao, tư vấn y tế, giáo dục hoặc dịch vụ cần kiểm tra điều kiện.

Không nên gửi toàn bộ lịch sử hội thoại không giới hạn. n8n có thể lấy vài tin gần nhất, tóm tắt phiên trước và trường sản phẩm quan tâm. Điều này giảm chi phí, giảm nguy cơ lộ dữ liệu và làm kết quả ổn định hơn.

6. Quy trình duyệt thủ công trước khi giao sales

Với lead mới, AI chỉ nên đề xuất. Nhân viên duyệt có thể chọn một trong ba kết quả: chấp nhận, sửa nhãn hoặc từ chối. Mỗi quyết định tạo một event mới, không ghi đè đề xuất ban đầu. Khi được duyệt, n8n kiểm tra:

• Lead có số điện thoại hoặc kênh liên hệ hợp lệ chưa?
• Lead có đang bị giao cho sales khác không?
• Đề xuất có confidence dưới ngưỡng phải gọi người kiểm tra không?
• Hành động tiếp theo có cần sự đồng ý của khách không?

Chỉ khi các điều kiện đạt, workflow mới gắn tag trong Smax.AI, tạo task gọi lại, gửi cảnh báo Telegram hoặc chuyển cuộc hội thoại đến chuyên viên. Nếu doanh nghiệp chưa có giao diện duyệt riêng, NocoDB view với các nút trạng thái đã đủ để thử nghiệm.

7. Kết hợp Smax.AI, website, Messenger và Zalo

Website hoặc LadiPage có thể gửi form vào n8n; sau khi lead được duyệt, n8n trả về mã lead và kích hoạt kịch bản Smax.AI. Smax.AI có thể tiếp tục hỏi một câu còn thiếu, gắn tag theo nhóm nhu cầu hoặc chuyển người thật khi khách yêu cầu.

Với Messenger, nên lưu cả mã hội thoại và mã người dùng theo chính sách dữ liệu của nền tảng. n8n dùng mã đó để nối hội thoại vào lead, nhưng không nên coi tên hiển thị là khóa duy nhất. Với Zalo, cần phân biệt luồng được phép của tài khoản/doanh nghiệp và quy định nền tảng; không biến quy trình tự động thành gửi hàng loạt không có sự đồng ý.

WordPress có thể đóng vai trò kênh nội dung và form; dữ liệu lead nên đi vào NocoDB qua API, không nhúng thông tin nhạy cảm vào bài viết. Nếu có WooCommerce hoặc POS Cake, event mua hàng có thể cập nhật lại lead để đội sales và CSKH nhìn được toàn bộ hành trình.

8. Tài nguyên self-host tham khảo

Đây là ước lượng để bắt đầu, không phải cấu hình bắt buộc. n8n và NocoDB có thể chạy trên một VPS 2 vCPU, 4 GB RAM cho lưu lượng nhỏ nếu workflow nhẹ, có backup và không chạy nhiều model cục bộ. Khi có nhiều webhook đồng thời, lịch sử hội thoại dài hoặc database lớn, nên tách database, tăng RAM và thiết lập hàng đợi. AI model có thể gọi qua API riêng; nếu muốn chạy model tại chỗ, cần tính thêm GPU, VRAM, log và thời gian bảo trì.

9. Use case cho doanh nghiệp Việt Nam

• Trung tâm đào tạo: AI phân biệt người hỏi học phí, lịch khai giảng và nhu cầu tư vấn; nhân viên duyệt trước khi gọi.
• Shop online: nối comment/inbox, form website và đơn hàng để phân biệt khách mới, khách mua lại và yêu cầu bảo hành.
• Spa/phòng khám: ưu tiên lead muốn đặt lịch, nhưng bắt buộc nhân viên kiểm tra trước các thông tin nhạy cảm.
• Agency automation: dùng một schema chung cho nhiều khách hàng, còn nhãn và rule được cấu hình theo từng ngành.

10. Ưu điểm, hạn chế và cách triển khai an toàn

Hạn chế là cần thiết kế schema, chống trùng, phân quyền và xử lý lỗi ngay từ đầu. AI có thể hiểu sai ý định, đặc biệt với tin nhắn ngắn hoặc tiếng lóng. Dữ liệu từ nhiều kênh cũng có thể thiếu đồng ý, thiếu mã định danh hoặc không đồng nhất. Vì vậy, hãy chạy chế độ “shadow” trong một đến hai tuần: AI phân loại nhưng chưa tự gửi tin; so sánh kết quả với nhân viên, đo tỷ lệ sửa nhãn và chỉ mở tự động hóa cho các trường hợp confidence cao.

Checklist trước khi đưa vào vận hành

1. Định nghĩa nhãn và tiêu chí ưu tiên bằng ví dụ thật.
2. Test chống trùng với cùng một khách đi qua nhiều kênh.
3. Kiểm tra JSON và nhánh lỗi khi AI/API timeout.
4. Lưu audit log cho mọi lần duyệt và thay đổi trạng thái.
5. Phân quyền NocoDB theo vai trò, backup và thử khôi phục.
6. Đo SLA gọi lại, tỷ lệ sửa nhãn và tỷ lệ đặt lịch thay vì chỉ đếm số lead.

FAQ

Có bắt buộc phải dùng AI agent không?

Không. Nếu quy tắc rõ ràng, n8n có thể dùng rule trước. AI hữu ích khi dữ liệu là hội thoại tự nhiên và cần tóm tắt, nhưng rule và người duyệt vẫn nên giữ quyền quyết định ở các bước quan trọng.

NocoDB có thay thế CRM đầy đủ không?

NocoDB phù hợp làm mini CRM và data layer cho doanh nghiệp nhỏ hoặc giai đoạn thử nghiệm. Khi cần dự báo doanh thu, phân quyền phức tạp, lịch sử chăm sóc lớn hoặc báo cáo chuyên sâu, có thể kết nối nó với CRM chuyên dụng thay vì ép một bảng thành mọi thứ.

Doanh nghiệp có thể tự host toàn bộ không?

Có thể tự host n8n, NocoDB và một số thành phần AI, nhưng vẫn cần kiểm tra license, yêu cầu phần cứng, backup, bảo mật và điều khoản của các kênh như Messenger, Zalo. Tự host là quyết định vận hành, không chỉ là cài Docker.

Kết luận

Blueprint phân loại lead đa kênh nên bắt đầu từ dữ liệu có cấu trúc và một hàng chờ duyệt rõ ràng. n8n đảm nhiệm kết nối và retry, NocoDB làm lớp dữ liệu dễ quan sát, còn AI agent hỗ trợ đọc, tóm tắt và gợi ý nhãn. Khi nhân viên vẫn duyệt trước các hành động quan trọng, doanh nghiệp có thể tăng tốc xử lý mà không biến automation thành một hộp đen.

Nếu bạn muốn triển khai hệ thống AI automation, chatbot hoặc công cụ AI self-hosted tương tự cho doanh nghiệp, hãy liên hệ Quân Chatbot để được tư vấn giải pháp phù hợp.