Phân tích cảm xúc (sentiment analysis) là cách dùng máy để đoán một đoạn chữ đang khen, chê hay trung tính, và ở mức tinh hơn là khen chê điều gì cụ thể. Với đánh giá của khách hàng, nó trả lời nhanh câu “tháng này khách vui hay bực hơn tháng trước”, nhưng chỉ đúng khi bạn hiểu nó đang đếm cái gì.
Bài này giải thích ba cấp phân tích cảm xúc, vì sao cấp “theo khía cạnh” hữu ích nhất cho cửa hàng nhỏ, cách đọc một con số cảm xúc mà không tự lừa mình, và những kiểu câu mà máy hay đọc ngược. Ví dụ đều là ví dụ giả định.
Từ đếm từ khen chê đến mô hình ngôn ngữ
Những công cụ đời đầu làm việc khá thô: có một danh sách từ tích cực như “ngon”, “nhanh”, “thân thiện” và từ tiêu cực như “dở”, “chậm”, “thái độ”, đếm xem bên nào nhiều hơn. Cách này rẻ nhưng hỏng ngay với câu “không ngon lắm” hay “nhanh đến mức quên bỏ ống hút”. Sau đó là các mô hình học máy được huấn luyện trên nhiều câu đã dán nhãn sẵn, đọc được ngữ cảnh tốt hơn nhưng vẫn cần dữ liệu đúng ngôn ngữ, đúng ngành.
Chatbot dựa trên mô hình ngôn ngữ lớn hiện nay đọc tiếng Việt khá tự nhiên, hiểu phủ định, hiểu câu nhiều vế, và quan trọng nhất là làm theo được hướng dẫn bằng lời của bạn. Nhờ vậy chủ một tiệm nhỏ không cần huấn luyện mô hình riêng; chỉ cần mô tả rõ muốn đo gì. Đổi lại, mô hình có thể trả lời rất tự tin cả khi đoán sai, nên kết quả luôn cần một vòng kiểm bằng mắt người.
Một điểm cần biết thêm: mô hình không “cảm” được gì cả. Nó dự đoán nhãn dựa trên cách các câu tương tự thường được người viết dùng. Vì thế những cách nói rất riêng của một vùng, một nhóm khách hay một ngành hẹp, như cách dân chơi cà phê nói về “gắt”, “chua thanh”, “hậu ngọt”, có thể bị đọc lệch. Khen “đắng gắt” với một quán rang xay là lời khen; với một quán trà sữa có khi là lời chê. Muốn kết quả đúng, câu lệnh phải cho mô hình biết bạn bán gì và khách của bạn thường nói chuyện theo kiểu nào.
Ba cấp phân tích cảm xúc và mỗi cấp trả lời câu hỏi gì
Cùng một review, mỗi cấp cho ra một kết quả khác. Chọn cấp nào tuỳ vào câu hỏi bạn đang muốn trả lời.
| Cấp | Cách làm | Trả lời được | Không trả lời được |
|---|---|---|---|
| Cả review | Gắn một nhãn khen, chê hoặc trung tính cho toàn bộ đoạn | Tỉ lệ khách vui hay bực theo tháng | Khách vui vì gì, bực vì gì |
| Từng câu | Tách review thành câu, gắn nhãn từng câu | Review nào có cả khen lẫn chê | Khen chê đó thuộc khâu nào |
| Theo khía cạnh | Gắn cặp chủ đề kèm sắc thái, ví dụ món ăn khen, chờ đợi chê | Khâu nào được khen, khâu nào bị chê, thay đổi ra sao | Nguyên nhân gốc và mức nghiêm trọng thật |
Với ví dụ giả định review “Bún bò đậm vị, nhưng bàn dính và chị thu ngân hơi cáu”, cấp cả review có thể ra “trung tính” hoặc “chê”, gần như vô dụng. Cấp khía cạnh cho ra ba cặp: món ăn khen, vệ sinh chê, phục vụ chê — đó mới là thông tin chủ quán dùng được.
Vì thế với cửa hàng nhỏ, nên đi thẳng lên cấp khía cạnh. Cách xây bộ chủ đề cho cấp này có bài riêng trong cùng danh mục.
Đọc một con số cảm xúc mà không tự lừa mình
Biết rõ mẫu số. “70% review tích cực” là 70% của review có chữ hay của tất cả review kể cả chỉ có sao? Hai mẫu số cho hai con số khác hẳn. Ghi mẫu số bên cạnh mỗi tỉ lệ.
So với chính mình, không so với ngành. Không có ngưỡng chuẩn nào cho biết bao nhiêu phần trăm khen là “tốt” với một quán phở hay một shop mỹ phẩm. Thứ có ý nghĩa là xu hướng của chính cửa hàng qua các tháng, đo bằng cùng một cách.
Đừng để một tuần ồn ào kéo cả tháng. Một ngày mất điện hay một đơn giao hỏng hàng loạt có thể làm tỉ lệ chê vọt lên. Khi thấy biến động lớn, đọc nguyên văn các review trong khoảng đó trước khi kết luận cửa hàng đi xuống.
Tách “không hài lòng” khỏi “nguy hiểm”. Một review chê nhạt và một review báo bị dị ứng đều là “tiêu cực” trong bảng đếm, nhưng mức độ khác xa. Thêm một cột mức độ hoặc một nhãn riêng cho chuyện an toàn.
Giữ nguyên câu lệnh giữa các tháng. Đổi câu chữ trong câu lệnh, đổi bộ nhãn, đổi công cụ đều có thể làm con số lệch. Nếu buộc phải đổi, chạy lại tháng trước bằng cách mới để so cho công bằng.
Những kiểu câu máy hay đọc ngược
Mô hình ngôn ngữ đọc tốt hơn nhiều so với cách đếm từ, nhưng vẫn có những vùng tối quen thuộc. Khi kiểm tay, hãy dò kỹ các kiểu sau.
- Mỉa mai: “Giao nhanh thật, đặt thứ Hai thứ Sáu mới tới” — chữ khen, ý chê.
- Khen có điều kiện: “Ngon, nếu không tính 40 phút chờ” — câu chính là chê thời gian chờ.
- So sánh với lần trước: “Không còn ngon như hồi mới mở” — không có từ chê nào rõ, nhưng là tín hiệu đáng lo.
- Tiếng lóng, viết tắt và từ địa phương: “ổn áp”, “hết nước chấm”, “dở ẹc”, “ngon bá cháy” — mô hình có thể đọc đúng hoặc không, tuỳ cách viết.
- Biểu tượng cảm xúc trái chiều với chữ: một câu khen kèm biểu tượng cười méo có thể là khen thật hoặc mỉa mai.
- Review kể chuyện dài: phần lớn đoạn văn kể trải nghiệm trung tính, ý chính chỉ nằm ở câu cuối.
Những kiểu này được bàn kỹ hơn, kèm cách viết câu lệnh để giảm nhầm, ở bài về lỗi đọc nhầm của AI trong cùng danh mục.
Điểm cảm xúc và số sao: khi hai thứ lệch nhau
Số sao do khách tự chấm, còn điểm cảm xúc là máy đọc từ chữ. Hai thứ thường đi cùng chiều, nhưng chỗ lệch mới đáng xem. Review năm sao mà nội dung toàn góp ý (“ngon, nhưng lần sau cho ít đá”) cho thấy khách quý quán và muốn quán tốt hơn; review một sao mà chữ lại khen (“nhân viên dễ thương, mỗi tội app lỗi không đặt được”) thường là lỗi kỹ thuật hoặc khách chấm nhầm.
Một cách làm gọn: yêu cầu AI đánh dấu riêng các dòng mà sắc thái chữ ngược với số sao, rồi bạn đọc riêng nhóm này. Nhóm lệch thường nhỏ nhưng chứa nhiều thông tin, vì đó là chỗ khách nói thật nhất mà điểm số không phản ánh. Đừng dùng phát hiện này để xin khách sửa sao; việc trả lời đánh giá và xin đánh giá trung thực có danh mục riêng với nguyên tắc rõ ràng.
Cũng nên nhớ mỗi nền tảng có thói quen chấm sao khác nhau. Trên một số nơi khách quen chấm năm sao cho mọi trải nghiệm không có sự cố, nên bốn sao đã là tín hiệu có gì đó chưa ổn; ở nơi khác khách khó tính hơn. Vì thế so điểm cảm xúc với số sao nên làm trong từng nguồn riêng, không gộp chung mọi nền tảng rồi mới so. Cách tách nguồn và ghép bảng được nói ở bài gom review trong cùng danh mục.
Dùng kết quả cảm xúc vào ba việc cụ thể
Con số cảm xúc chỉ có giá trị khi nó dẫn tới một việc làm. Với cửa hàng nhỏ, có ba cách dùng thực tế, xếp theo mức công sức từ ít đến nhiều.
- Theo dõi sức khoẻ chung theo tháng. Một dòng duy nhất trong sổ: tháng này bao nhiêu review có chữ, bao nhiêu phần khen, bao nhiêu phần chê, chủ đề bị chê nhiều nhất là gì. Đủ để nhận ra chiều đi lên hay đi xuống mà không tốn thời gian.
- Kiểm tra một thay đổi vừa làm. Đổi nhà cung cấp nguyên liệu, đổi giờ mở cửa, thêm nhân viên ca tối: so sắc thái của khía cạnh liên quan trong vài tuần trước và sau. Đây là đối chiếu thô vì còn nhiều yếu tố khác thay đổi cùng lúc, nhưng vẫn hơn đoán mò.
- Chọn review cần đọc kỹ. Dùng nhãn chê, nhãn an toàn và cột lệch giữa chữ với số sao để lọc ra vài chục review cần người đọc nguyên văn và có thể cần trả lời, thay vì đọc lướt hàng trăm review như nhau.
Điều không nên làm là dùng điểm cảm xúc để thưởng phạt từng nhân viên. Review nhắc tên một người có thể do người đó trực ca đông, do món bếp ra chậm hoặc do khách đã bực từ trước; đánh giá nhân viên là việc cần nhiều nguồn và có quy trình riêng, không dựa vào máy đọc chữ khách viết.
Câu lệnh mẫu cho phân tích cảm xúc theo khía cạnh
Ví dụ giả định cho một tiệm spa nhỏ: “Dưới đây là bảng đánh giá của khách đã che tên, mỗi dòng có mã và nội dung. Với mỗi dòng, hãy liệt kê các khía cạnh được nhắc trong danh sách: tay nghề kỹ thuật viên, vệ sinh, không gian, đặt lịch, thời gian chờ, tư vấn, giá. Mỗi khía cạnh ghi sắc thái khen, chê hoặc trung tính và trích nguyên văn đoạn làm căn cứ. Đánh dấu thêm cột lệch nếu sắc thái chung của chữ ngược với số sao. Không suy đoán khía cạnh khách không nhắc. Nếu câu có dấu hiệu mỉa mai, ghi chú nghi mỉa mai.”
Sau khi có bảng, câu hỏi tiếp theo nên là đếm, không phải nhờ AI viết nhận xét chung: “Đếm số lần mỗi khía cạnh được khen và bị chê, trình bày thành bảng, kèm hai câu trích tiêu biểu cho mỗi ô chê.” Một bảng đếm kèm câu trích giúp bạn tự rút kết luận và kiểm lại được, còn một đoạn nhận xét văn hoa thì khó biết dựa trên dòng nào. Nhớ rằng mỗi lần dán review vào chatbot, phần nhận diện khách phải được xoá trước.
Câu hỏi thường gặp
Sentiment analysis và phân loại chủ đề khác nhau thế nào?
Phân loại chủ đề trả lời khách đang nói về cái gì, còn phân tích cảm xúc trả lời khách thấy cái đó tốt hay tệ. Dùng riêng từng thứ đều thiếu; ghép hai thứ lại thành cặp chủ đề kèm sắc thái mới cho ra thông tin có ích cho việc cải tiến.
AI có đọc được tiếng Việt không dấu trong review không?
Phần lớn chatbot hiện nay đọc được tiếng Việt không dấu ở mức khá, nhưng dễ nhầm với những từ mà bỏ dấu thì ra nhiều nghĩa. Khi kiểm tay, nên xem kỹ nhóm review không dấu và yêu cầu AI ghi chú khi nó phải đoán nghĩa.
Có nên dùng thang điểm cảm xúc từ âm đến dương thay cho ba nhãn không?
Thang điểm cho cảm giác chính xác hơn nhưng khó kiểm và dễ dao động giữa các lần chạy. Với cửa hàng nhỏ, ba nhãn khen, chê, trung tính cộng một nhãn an toàn riêng thường đủ dùng và dễ đối chiếu bằng mắt.
Tỉ lệ review tiêu cực tăng có nghĩa là cửa hàng tệ đi không?
Chưa chắc. Có thể số review tăng do mùa cao điểm, do một sự cố ngắn, hoặc do bạn vừa thêm một nguồn review mới nơi khách hay chê hơn. Đọc nguyên văn và tách theo nguồn trước khi kết luận.
Có cần dán cả số sao vào khi nhờ AI phân tích cảm xúc không?
Nên dán nhưng yêu cầu AI đọc cảm xúc từ chữ trước, rồi mới so với số sao. Nếu để số sao đi trước, mô hình dễ bị kéo theo và gắn nhãn chê cho cả những câu góp ý nhẹ trong review thấp điểm.
Phân tích cảm xúc có giúp phát hiện review giả không?
Chỉ gián tiếp. Một loạt review khen rất giống nhau về giọng điệu có thể là dấu hiệu cần xem kỹ, nhưng cảm xúc tích cực tự nó không chứng minh điều gì. Cách nhận ra review giả có danh mục riêng trên trang.