Bài toán triển khai
Khách hàng có thể hỏi nhiều món trong cùng hội thoại, đổi số lượng, hỏi bàn trống rồi chuyển sang đặt bàn. Nếu AI chỉ dựa vào một prompt chung, rất dễ mất context sản phẩm hoặc xác nhận sai dữ liệu. Hệ thống cũng cần để nhân viên tiếp quản khi có yêu cầu đặc biệt.
Cách XSeller thiết kế giải pháp
XSeller tách knowledge menu, product context, table/reservation workflow và lớp AI. AI đảm nhiệm hiểu câu hỏi và tạo phản hồi tự nhiên; các thao tác tạo yêu cầu đặt bàn hoặc dữ liệu cần chính xác đi qua hàm nghiệp vụ riêng.
Kiến trúc và luồng vận hành
Messenger webhook → conversation context → menu/product lookup → AI response → reservation workflow → dashboard. Trạng thái hội thoại và các bước nghiệp vụ được lưu để tránh việc bot trả lời rời rạc.
Điểm kiểm thử trước khi production
QA tập trung vào số lượng món, context biến thể, trạng thái bàn, thao tác Messenger và trường hợp nhân viên tiếp quản.
- Dữ liệu đầu vào đúng và có nguồn rõ ràng
- Luồng fallback khi AI không chắc chắn
- Human takeover cho tình huống cần người xử lý
- Log và trạng thái đủ để truy vết lỗi
- Kiểm tra mobile, HTTPS và restart dịch vụ
Bài học kỹ thuật từ mô hình nhà hàng
Menu và bàn là hai loại dữ liệu khác nhau: menu có thể cache tương đối lâu, còn trạng thái bàn có tính thời điểm. Hệ thống nên phân biệt rõ dữ liệu nào được cache và dữ liệu nào phải kiểm tra lại trước khi xác nhận với khách.
Một hội thoại cũng có thể vừa hỏi món vừa hỏi bàn. Conversation state cần cho phép nhiều intent đồng thời thay vì ép khách vào một flow tuyến tính quá sớm.
Khi mô hình này phù hợp
Phù hợp với nhà hàng có lượng inbox lặp lại và đã có menu, chính sách đặt bàn, giờ hoạt động tương đối ổn định. Nếu trạng thái bàn chưa được quản lý số hóa, bot nên dừng ở bước thu yêu cầu và chuyển nhân viên thay vì tuyên bố bàn còn trống.