Một chiếc tủ lạnh ảo luôn vừa cửa

Một chiếc tủ lạnh nằm trong màn hình luôn rất ngoan.

Nó không nặng 120 kg. Nó không mắc lại ở khúc cua cầu thang. Nó không cao hơn hốc bếp hai centimet. Nó không rung vào lúc hai giờ sáng. Nó cũng không bắt gia chủ đứng nhìn ba người thợ loay hoay rồi thông báo rằng ổ điện, đường nước hoặc khoảng thoát nhiệt của căn nhà không phù hợp.

Trong thế giới của AI, mọi thứ được biến thành chữ:

Dung tích 500 lít
Độ ồn 35 dB
Tiết kiệm điện
Bảo hành hai năm
Phù hợp gia đình bốn người

AI có thể đọc hàng nghìn dòng chữ ấy trong vài giây, so sánh hàng trăm sản phẩm rồi rút lại còn ba lựa chọn. Nhưng người mua không sống trong một bảng dữ liệu. Họ sống trong căn nhà thật, với cánh cửa thật, túi tiền thật và nỗi sợ mua nhầm cũng rất thật.

Đó là lý do AI có thể rất hữu ích mà vẫn chưa chắc bán được hàng.

20% người mua đã bước vào cửa hàng bằng một cánh cửa mới

Cuối tháng 7/2026, World Retail Congress và Vercel công bố nghiên cứu The Agent Era: How 4,000 European Shoppers Are Shopping Differently. Khảo sát được thực hiện với 4.000 người tiêu dùng tại châu Âu, trong đó có khoảng 1.350 người tại Anh.

Kết quả đáng chú ý nhất không nằm ở nút thanh toán, mà nằm ở nơi hành trình mua sắm bắt đầu.

Khoảng 20% người tiêu dùng Anh cho biết họ bắt đầu tìm sản phẩm bằng những nền tảng AI như ChatGPT hoặc Gemini. Tỷ lệ này đã nhỉnh hơn Facebook với 19%, TikTok với 18% và Instagram với 14%.

AI không còn chỉ là nơi người ta hỏi cách nấu gà hay nhờ viết một email xin nghỉ phép. Nó đang trở thành một quầy tư vấn nằm trước cả website của nhà bán lẻ.

Các con số khác cũng tạo ra một bức tranh khá lạ:

87% đánh giá recommendation của AI là hữu ích
55% cho biết từng mua một sản phẩm sau recommendation của AI
51% đã dùng AI để so sánh giá
43% có thể chọn một nhà bán lẻ vì nơi đó cung cấp trải nghiệm AI tốt hơn
65% vẫn muốn đến cửa hàng xem trực tiếp đối với sản phẩm giá trị cao
79% vẫn ưu tiên bắt đầu mua sắm trực tuyến trên website của nhà bán lẻ

Các dữ liệu này được tổng hợp trong công bố của World Retail Congress, cùng các bài phân tích của TechRadar và Ecommerce News UK.

Nghe qua, 55% mua hàng sau gợi ý của AI có vẻ rất lớn. Nhưng cần đọc con số này cẩn thận.

Nó không có nghĩa là cứ 100 recommendation thì 55 recommendation tạo ra đơn hàng. Đây là câu trả lời tự khai trong một khảo sát: người dùng cho biết họ đã từng mua sau một recommendation của AI. Nó không phải dữ liệu conversion được theo dõi từ cùng một phiên tư vấn đến cùng một đơn hàng.

Tương tự, không nên lấy 55 chia cho 87 rồi kết luận AI có tỷ lệ chuyển đổi gần 63%. Hai câu hỏi có thể khác mẫu số, khác hoàn cảnh và không mô tả cùng một funnel giao dịch.

Khảo sát cho chúng ta một tín hiệu hành vi rất mạnh. Nó chưa phải bằng chứng rằng AI đã trực tiếp tạo ra từng ấy doanh thu tăng thêm.

Hữu ích và đáng tin là hai chuyện khác nhau

Giả sử tôi hỏi AI:

Tôi cần một chiếc máy giặt cho gia đình bốn người, đặt ngoài ban công nhỏ, ít rung, có chế độ giặt nhanh và giá dưới 15 triệu.

AI đọc dữ liệu rồi chọn ra ba máy. Nó giải thích chiếc A rẻ, chiếc B êm hơn, chiếc C có dung tích lớn hơn. Tôi đọc xong và thấy rất hữu ích.

Nhưng đến lúc chuẩn bị bấm mua, một đàn câu hỏi nhỏ bắt đầu bò ra:

Kích thước ghi trên website có tính phần ống nước phía sau chưa?
Cửa ban công có đủ rộng để đưa máy vào không?
“Ít rung” là số liệu đo hay chỉ là câu quảng cáo?
Giá này đã gồm lắp đặt chưa?
Tầng của tôi có vận chuyển lên được không?
Nếu máy kêu lớn hơn mong đợi thì đổi trả thế nào?
Recommendation này tốt nhất cho tôi hay tốt nhất cho người đang trả tiền quảng cáo?

AI có thể giải quyết phần lớn câu hỏi bằng thông tin. Nhưng mua hàng không chỉ là một bài toán thông tin.

Mua hàng còn là một bài toán rủi ro.

Khoảng cách thứ nhất: AI biết những gì được viết ra

AI rất giỏi với những thuộc tính có thể đóng thành bảng:

Giá
Kích thước
Công suất
Dung tích
Năm sản xuất
Thời hạn bảo hành
Các chế độ vận hành

Nhưng nhiều điều người mua quan tâm lại khó nằm gọn trong một ô dữ liệu:

Hình ảnh chiếc TV có hợp mắt không?
Tiếng máy có khó chịu trong phòng ngủ không?
Cánh tủ mở ra có vướng tường không?
Chất liệu có tạo cảm giác chắc chắn không?
Điều hòa có thực sự phù hợp với căn phòng hướng Tây hay không?

Một con số 35 dB là dữ liệu. Cảm giác nghe tiếng động đó lúc nửa đêm lại là trải nghiệm vật lý.

AI sống trong mô tả. Con người phải sống cùng sản phẩm.

Khoảng cách thứ hai: dữ liệu có thể đúng nhưng đã cũ

Giá, khuyến mãi, tồn kho, thời gian giao hàng và khả năng lắp đặt thay đổi liên tục.

Một model có thể hiểu đúng nhu cầu, tìm đúng sản phẩm và giải thích rất hay. Nhưng nếu nó báo còn hàng trong khi kho đã hết, toàn bộ sự thông minh phía trước lập tức biến thành một lời xin lỗi rất dài.

Chính OpenAI cũng lưu ý rằng tính năng shopping research vẫn có thể sai về giá và tình trạng còn hàng, đồng thời khuyến nghị người dùng kiểm tra lại trên website của nhà bán lẻ trước khi mua. Đây không phải điểm yếu riêng của một model. Nó là ranh giới giữa thế giới ngôn ngữ và hệ thống vận hành thời gian thực.

Model tạo ra câu trả lời. Còn doanh nghiệp phải chịu trách nhiệm cho lời hứa trong câu trả lời đó.

Khoảng cách thứ ba: người mua chưa biết AI đứng về phía ai

Theo nghiên cứu của Vercel và World Retail Congress, khoảng 33% người tiêu dùng Anh lo ngại AI không đưa ra sản phẩm tốt nhất, có thể vì recommendation thiếu chính xác hoặc bị ảnh hưởng bởi mục tiêu thương mại.

Đây là một nỗi lo hoàn toàn hợp lý.

Nếu nhân viên giới thiệu một sản phẩm, người mua hiểu rằng người này đang làm việc cho cửa hàng. Nhưng một trợ lý AI nói bằng giọng bình tĩnh, trình bày như một người hiểu biết và có vẻ trung lập. Nếu phía sau nó là tài trợ, ưu tiên biên lợi nhuận hoặc hợp đồng quảng cáo mà không được công khai, niềm tin sẽ vỡ rất nhanh.

AI càng giống một người cố vấn, trách nhiệm minh bạch càng lớn.

Một shopping agent tốt cần giải thích:

Vì sao sản phẩm được chọn
Tiêu chí nào đã được sử dụng
Thông tin đến từ đâu
Thuộc tính nào chưa được xác minh
Recommendation có bị ảnh hưởng bởi quảng cáo hay tài trợ không
Những lựa chọn nào đã bị loại và vì sao

Không cần bắt AI đọc một bài sám hối dài ba trang. Chỉ cần đừng để một quảng cáo mặc áo blouse trắng rồi tự giới thiệu là bác sĩ.

Khoảng cách thứ tư: niềm tin vẫn nằm ở thương hiệu và con người

Một khảo sát khác với hơn 4.200 người tiêu dùng tại Mỹ, Anh, Pháp và Đức cho thấy khoảng chín trên mười người xem việc nhận diện được nhà bán hàng là quan trọng, trong khi hơn chín trên mười người kiểm tra review trước khi mua.

AI có thể đưa một thương hiệu lạ vào danh sách. Nhưng người dùng vẫn quay về những tín hiệu cũ:

Tôi có biết người bán này không?
Người khác mua rồi nói gì?
Khi có sự cố, ai sẽ chịu trách nhiệm?
Tôi có thể gọi cho ai?
Tôi có thể đem sản phẩm đến đâu?

Theo Customer Experience Dive, người tiêu dùng sẵn sàng giao việc tìm kiếm và lập shortlist cho AI, nhưng quyết định cuối cùng vẫn phụ thuộc mạnh vào độ nhận diện của nhà bán hàng và review của khách cũ.

AI có thể mượn niềm tin. Nó chưa thể tự in ra niềm tin từ máy chủ.

Shopping agent không nhất thiết phải chốt đơn

Chúng ta thường đánh giá chatbot bằng một câu hỏi khá tàn nhẫn:

Nó bán được bao nhiêu đơn?

Câu hỏi này không sai, nhưng nó đặt toàn bộ giá trị của AI vào đoạn cuối của hành trình.

Trong khi đó, nghiên cứu của McKinsey về agentic commerce tại châu Âu cho thấy AI đang xuất hiện mạnh nhất ở phía trước giao dịch:

63% dùng AI để so sánh thương hiệu, model, giá và review
55% dùng AI để tìm hiểu sản phẩm hoặc ngành hàng
46% dùng AI để khám phá sản phẩm mới
38% cho biết đã dùng AI khi nghiên cứu hoặc quyết định mua sản phẩm và dịch vụ

Nói đơn giản, AI chưa nhất thiết là người thu tiền. Nó là người dọn bớt rừng cây để khách nhìn thấy ba con đường đáng đi nhất.

Vai trò phù hợp nhất của shopping agent hiện nay có thể là:

Hiểu nhu cầu còn mơ hồ của khách hàng.
Hỏi thêm những câu quyết định.
Loại bỏ các lựa chọn không phù hợp.
So sánh những sản phẩm còn lại bằng cùng một bộ tiêu chí.
Giải thích đánh đổi giữa giá, tính năng và rủi ro.
Chuẩn bị giỏ hàng, báo giá hoặc lịch hẹn.
Chuyển toàn bộ ngữ cảnh cho nhân viên hoặc cửa hàng.

Đó là một lớp nén quyết định.

Khách hàng không cần đọc 60 trang sản phẩm. Nhân viên cũng không cần hỏi lại từ đầu. Hai bên gặp nhau khi bài toán đã được rút xuống còn ba phương án và vài điểm cần kiểm chứng.

Một hành trình mua hàng hợp lý hơn

Giả sử khách hàng cần mua điều hòa cho phòng ngủ 18 m², ngân sách dưới 12 triệu và ưu tiên chạy êm.

Một shopping agent tốt không nên lập tức ném ra mười sản phẩm. Nó cần hỏi thêm:

Phòng có bị nắng chiếu trực tiếp không?
Phòng nằm ở tầng nào?
Số người thường xuyên sử dụng là bao nhiêu?
Khách ưu tiên giá mua ban đầu hay tiền điện lâu dài?
Vị trí lắp cục nóng cách cục lạnh bao xa?
Khu vực giao hàng và lắp đặt ở đâu?

Sau đó agent có thể tạo shortlist gồm ba lựa chọn:

Phương án tiết kiệm chi phí ban đầu
Phương án cân bằng
Phương án êm và tiết kiệm điện hơn

Mỗi lựa chọn phải đi kèm lý do, dữ liệu nguồn và các điểm chưa chắc chắn. Khi khách chọn hai sản phẩm để xem tiếp, hệ thống kiểm tra:

Giá hiện tại
Khuyến mãi áp dụng
Tồn kho theo khu vực
Lịch giao hàng
Khả năng lắp đặt
Chi phí vật tư có thể phát sinh

Khách có thể đặt lịch xem sản phẩm hoặc yêu cầu nhân viên gọi lại. Nhân viên nhận được toàn bộ nhu cầu, ngân sách, shortlist và câu hỏi còn mở.

Cuộc trò chuyện lúc này không bắt đầu bằng câu:

Anh đang cần mua gì ạ?

Nó bắt đầu bằng câu:

Em thấy anh đang cân nhắc hai model cho phòng ngủ 18 m² và ưu tiên độ ồn thấp. Mình kiểm tra thêm vị trí lắp đặt nhé.

Chỉ một khác biệt nhỏ như vậy cũng có thể tiết kiệm mười phút hỏi lại, giảm cảm giác bị chuyển qua nhiều kênh và làm cho khách hàng thấy rằng hệ thống thực sự nhớ họ.

Cửa hàng vật lý không biến mất, nó đổi nhiệm vụ

Nếu AI đảm nhận việc tìm kiếm, cửa hàng không còn phải trưng bày mọi thứ chỉ để khách bắt đầu suy nghĩ.

Cửa hàng có thể trở thành nơi:

Kiểm chứng cảm giác thật của sản phẩm
Trải nghiệm hình ảnh, âm thanh và chất liệu
Đo đạc hoặc xác nhận khả năng lắp đặt
Nhận tư vấn cho những trường hợp phức tạp
Xây dựng niềm tin trước khi thanh toán
Xử lý hậu mãi và chịu trách nhiệm

Một nghiên cứu khác về người mua tại Anh của Salsify cho thấy 32% người mua sản phẩm giá trị cao như đồ nội thất và điện tử sử dụng từ bốn đến sáu kênh để nghiên cứu. Có 61% từng xem sản phẩm trực tuyến rồi mua tại cửa hàng, trong khi 51% từng xem tại cửa hàng rồi mua trực tuyến.

Khách hàng không nghĩ theo sơ đồ tổ chức của doanh nghiệp. Họ không phân biệt đội online, đội cửa hàng, đội chatbot hay đội chăm sóc khách hàng.

Họ chỉ đang cố mua một món đồ mà không phải hối hận.

Vì vậy, câu hỏi không nên là AI hay cửa hàng sẽ thắng. Câu hỏi đúng hơn là AI sẽ chuẩn bị cho chuyến đi đến cửa hàng tốt đến mức nào, và cửa hàng sẽ tiếp tục cuộc trò chuyện của AI ra sao.

Muốn có shopping agent tốt, trước hết phải có dữ liệu biết nói thật

Một model thông minh không thể cứu được một catalog lộn xộn.

Nếu hai sản phẩm dùng hai cách ghi công suất khác nhau, kích thước thiếu đơn vị, độ ồn nằm trong đoạn mô tả quảng cáo, chính sách lắp đặt không gắn với khu vực và tồn kho cập nhật chậm, agent chỉ có thể tạo ra một câu trả lời trôi chảy từ một đống dữ liệu méo mó.

Dữ liệu phục vụ shopping agent nên được tách thành những lớp rõ ràng.

Product catalog

Đây là phần tương đối ổn định:

Mã sản phẩm và model
Thương hiệu, ngành hàng
Kích thước, trọng lượng
Công suất, dung tích
Tính năng
Điều kiện sử dụng
Sản phẩm và phụ kiện tương thích
Tài liệu kỹ thuật
Hình ảnh, video và hướng dẫn

Catalog sạch là phần ngữ pháp giúp AI hiểu sản phẩm là gì.

Offer và pricing

Đây là phần thay đổi nhanh hơn:

Giá bán
Khuyến mãi
Điều kiện áp dụng
Quà tặng
Phương thức thanh toán
Thời gian hiệu lực

Một sản phẩm có thể chỉ có một bản ghi catalog nhưng có nhiều offer khác nhau.

Inventory và fulfillment

Đây là dữ liệu vận hành thời gian thực hoặc gần thời gian thực:

Còn bao nhiêu hàng
Hàng đang ở đâu
Khu vực nào có thể giao
Thời gian giao dự kiến
Có thể giữ hàng hay không

Tồn kho không nên bị nhét vào catalog rồi gọi chung là “catalog thời gian thực”. Catalog mô tả món hàng. Inventory mô tả món hàng đang nằm ở đâu vào lúc này. Hai lớp liên kết với nhau bằng mã sản phẩm nhưng có vòng đời khác nhau.

Service và hậu mãi

Đối với sản phẩm cần lắp đặt hoặc bảo trì, đây là lớp không thể thiếu:

Phạm vi lắp đặt
Chi phí tiêu chuẩn
Chi phí có thể phát sinh
Lịch kỹ thuật viên
Chính sách đổi trả
Bảo hành
Trung tâm dịch vụ
Điều kiện loại trừ

Shopping agent chỉ thực sự tiến gần đến giao dịch khi nó không chỉ biết sản phẩm, mà còn biết doanh nghiệp có thể thực hiện lời hứa đó hay không.

Đo hiệu quả bằng gì?

Nếu chỉ đo tỷ lệ khách bấm “mua ngay” trong cửa sổ chat, doanh nghiệp sẽ bỏ sót phần lớn giá trị của shopping agent.

Một bộ chỉ số thực tế hơn có thể gồm:

Tỷ lệ hoàn thành shortlist
Thời gian trung bình để thu hẹp còn ba sản phẩm
Tỷ lệ lead có đủ nhu cầu, ngân sách và khu vực
Tỷ lệ chuyển từ chat sang cuộc gọi hoặc lịch hẹn
Tỷ lệ khách đến cửa hàng sau khi được AI tư vấn
Conversion có sự hỗ trợ của AI, kể cả giao dịch diễn ra offline
Thời gian tư vấn của nhân viên được tiết kiệm
Tỷ lệ khách phải kể lại nhu cầu khi chuyển kênh
Tỷ lệ sai giá, sai tồn kho hoặc sai thông số
Tỷ lệ recommendation không có bằng chứng
Tỷ lệ hủy đơn và hoàn trả sau tư vấn
Mức độ hài lòng sau khi nhận hàng, không chỉ sau khi chat

Đặc biệt, cần có nhóm đối chứng. Nếu không so sánh với những khách hàng tương tự nhưng không dùng AI, rất khó biết agent tạo ra doanh thu mới hay chỉ xuất hiện trong những đơn hàng vốn dĩ đã xảy ra.

Những điều chưa nên vội làm

Đừng bắt mọi khách hàng phải chat

Một số người muốn hỏi bằng câu dài. Một số khác chỉ muốn lọc theo giá, xem bảng so sánh hoặc gọi cho nhân viên.

Theo nghiên cứu của Nosto, trong nhóm đã từng dùng AI shopping assistant, 46% muốn AI được tích hợp ngay trong ô tìm kiếm, trong khi 41% thích một chatbot riêng. AI không nhất thiết phải xuất hiện dưới hình dạng một bong bóng chat nhấp nháy ở góc màn hình.

Đừng để agent giả vờ chắc chắn

Nếu chưa có dữ liệu về độ ồn thực tế, hãy nói chưa có. Nếu giá chưa được xác nhận, hãy yêu cầu hệ thống kiểm tra. Nếu điều kiện lắp đặt phụ thuộc căn nhà, hãy chuyển sang khảo sát.

Một câu “tôi chưa thể xác nhận” đôi khi bán được nhiều hàng hơn một đoạn văn rất tự tin nhưng sai.

Đừng ưu tiên sản phẩm vì lợi nhuận mà không công khai

Recommendation có tài trợ không phải lúc nào cũng xấu. Điều nguy hiểm là recommendation được tài trợ nhưng đội lốt kết luận khách quan.

Đừng tự động thanh toán sản phẩm giá trị cao quá sớm

Mua lại giấy vệ sinh mỗi tháng và mua một chiếc TV lớn là hai loại ủy quyền hoàn toàn khác nhau.

Mức tự chủ của agent nên tăng theo:

Độ quen thuộc của sản phẩm
Giá trị giao dịch
Khả năng hoàn trả
Mức độ cá nhân hóa
Rủi ro lắp đặt
Mức độ tin cậy của dữ liệu

Đừng cắt đứt ngữ cảnh khi chuyển cho con người

Một shopping agent hỏi khách mười câu rồi nhân viên hỏi lại đúng mười câu đó không phải omnichannel. Đó là hai hệ thống đứng cạnh nhau và cùng làm phiền một người.

Khoảng cách từ hữu ích đến mua hàng chính là cơ hội

Con số 20% không nói rằng website, cửa hàng hay nhân viên sắp biến mất.

Nó nói rằng trước khi khách hàng nhìn thấy quầy hàng, quảng cáo hoặc trang sản phẩm, một hệ thống AI có thể đã giúp họ quyết định đâu là những lựa chọn đáng xem. Cuộc cạnh tranh bắt đầu sớm hơn, trong một hộp thoại mà nhà bán lẻ có thể không sở hữu.

Con số 87% cũng không bảo đảm doanh thu. Nó chỉ cho thấy AI đã giải quyết được một phần rất thật của bài toán: giảm công sức tìm kiếm và thu hẹp lựa chọn.

Phần còn lại vẫn nằm trong thế giới vật lý:

Sản phẩm có vừa căn nhà không
Giá có đúng không
Hàng có thật sự còn không
Ai sẽ giao và lắp đặt
Nếu có sự cố thì ai chịu trách nhiệm
Người mua có đủ tin tưởng để đưa tiền hay không

Vì vậy, shopping agent phù hợp nhất hiện nay không phải là một người máy cố đẩy khách đến nút thanh toán nhanh nhất. Nó nên là một người chuẩn bị quyết định: hỏi đúng, lọc đúng, giải thích đúng, ghi nhớ đầy đủ và biết lúc nào cần nhường chỗ cho con người.

AI có thể biến một khu rừng sản phẩm thành ba cái cây.

Nhưng để người mua chọn một cái cây, mang nó về nhà và sống với nó trong nhiều năm, chúng ta vẫn cần dữ liệu chính xác, cửa hàng thật, nhân viên thật và một doanh nghiệp sẵn sàng đứng sau lời hứa của mình.

Tổng kết

AI đang trở thành một kênh product discovery thực tế. Nhưng discovery, recommendation và transaction là ba tầng khác nhau.

Giá trị kinh doanh trong giai đoạn hiện tại có thể không chỉ đến từ đơn hàng được chốt ngay trong chatbot. Nó còn đến từ việc giảm thời gian nghiên cứu, tạo shortlist tốt hơn, chuẩn bị giỏ hàng, nâng chất lượng lead và nối liền hành trình từ online sang offline.

Không có gì là hoàn toàn ảo. Một recommendation được tạo ra trong vài giây vẫn phải kết thúc bằng một sản phẩm thật, một chiếc xe giao hàng thật, một lần lắp đặt thật và một lời bảo hành phải được thực hiện trong thế giới thật.

Cảm ơn các bạn đã quan tâm và theo dõi bài viết, hẹn gặp lại ở các bài viết tiếp theo.

20% người mua tại Anh bắt đầu bằng AI, nhưng vì sao hữu ích vẫn chưa đủ để chốt đơn?