Nạp website vào kho tri thức: lấy trang nào, bỏ trang nào

Việc tưởng đơn giản nhất khi dựng bot là nạp website. Có sẵn nội dung, có sẵn địa chỉ, chạy quét một lượt là xong.

Thực tế đây là chỗ chất lượng bot bị quyết định, và cách làm phổ biến nhất — quét sạch mọi trang — gần như luôn cho kết quả tệ hơn nạp tay mười mục.

Vì sao quét sạch lại dở

Bot không có khái niệm "trang này cũ rồi". Với nó, một đoạn văn trên trang tin năm 2023 và một đoạn trên trang giá cập nhật tuần trước có trọng lượng ngang nhau. Cái nào khớp câu hỏi hơn thì cái đó được dùng.

Mà trang cũ thường khớp rất tốt, vì bài viết dài hơn, chữ nhiều hơn, nhắc tên dịch vụ nhiều lần hơn trang giá vốn chỉ có bảng số.

Kết quả: khách hỏi giá, bot trả lời bằng con số trong một bài giới thiệu chương trình đã kết thúc từ lâu. Không ai phát hiện ra, vì câu trả lời nghe hoàn toàn hợp lý.

Ba nhóm, xử ba kiểu

Nhóm nên nạp — và nạp trước

• Trang dịch vụ, sản phẩm — phần mô tả, không phần đánh giá
• Trang giá, bảng gói — nhưng xem mục "mốc hiệu lực" bên dưới
• Trang câu hỏi thường gặp — giá trị cao nhất tính trên số chữ
• Liên hệ, địa chỉ, giờ làm việc — ngắn, hỏi liên tục
• Chính sách bảo hành, hoàn, đổi — chỗ bot tuyệt đối không được tự suy

Năm nhóm này trả lời được khoảng tám mươi phần trăm câu hỏi thực tế. Làm xong năm nhóm này rồi mở bot còn tốt hơn nạp tất cả rồi mở.

Nhóm phải bỏ

Trang bình luận là cái hay bị bỏ sót. Nó nằm trong cùng địa chỉ với trang sản phẩm, nên quét tự động lấy luôn — và từ đó bot bắt đầu trả lời khách bằng ý kiến của một khách khác.

Nhóm nạp có điều kiện

Bài hướng dẫn, bài giải thích khái niệm: nạp được, hữu ích, nhưng phải soát xem có nhắc giá hay thời hạn nào không. Có là cắt đoạn đó ra, hoặc nạp bản đã sửa.

Mốc hiệu lực: thứ quan trọng nhất và ít ai làm

Mọi mục kho tri thức có chứa con số tiền hoặc thời hạn đều nên có ngày hết hiệu lực. Qua ngày đó, mục tự ngừng được dùng.

Không có cơ chế này thì không có cách nào ngăn bot báo giá cũ — và lỗi kiểu đó không gây lỗi kỹ thuật nào để ai đó phát hiện. Nó chỉ im lặng làm sai, hội thoại này tới hội thoại khác.

Quét lại: thay chứ không thêm

Lần quét thứ hai là chỗ hay sinh lỗi thầm. Nếu công cụ không đối chiếu theo địa chỉ trang thì mỗi lần quét lại là thêm một bản mới bên cạnh bản cũ. Hai bản mâu thuẫn cùng nằm trong kho, bot lấy cái nào là chuyện may rủi.

Dấu hiệu nhận ra: số mục trong kho tăng gần gấp đôi sau một lần quét mà website không thêm trang nào.

Khi nạp tay mâu thuẫn với website

Chuyện này sẽ xảy ra, vì website luôn cập nhật chậm hơn thực tế. Phải quyết trước thứ tự ưu tiên, đừng để bot tự chọn.

Mặc định hợp lý: mục nạp tay thắng. Lý do không phải vì nó mới hơn, mà vì nó là thứ có người chịu trách nhiệm về nội dung — có người viết, có người biết tại sao viết vậy. Nội dung quét về thì không ai nhận.

Và khi đã đặt ưu tiên, nhớ ghi lại ở đâu đó rằng mình đã đặt. Người vận hành sau không biết thì họ sẽ sửa website rồi chờ bot đổi theo — chờ mãi.