Tự động hóa việc tìm khách B2B bằng AI là ghép AI vào ba khâu: lọc danh sách doanh nghiệp theo chân dung khách lý tưởng (ICP), chấm điểm mức phù hợp, và soạn lời tiếp cận cá nhân hóa. Với doanh nghiệp Việt, chân dung này dựng được từ 5 chiều dữ liệu công khai: ngành nghề, tỉnh thành, vốn điều lệ, tuổi doanh nghiệp và trạng thái mã số thuế. Quy trình đi theo nguyên tắc AI lọc, chấm điểm và soạn nháp, còn con người duyệt và quyết định gửi.
Vấn đề: tìm khách thủ công bỏ sót thị trường
Thử đặt mình vào vị trí trưởng phòng kinh doanh B2B. Mỗi tuần đội cần một lượng khách tiềm năng chất lượng đều đặn để giữ dòng cơ hội bán hàng. Cách làm thủ công gặp ba vấn đề lớn:
Tốn thời gian: nhân viên dò công cụ tìm kiếm, mạng xã hội nghề nghiệp, chép thông tin sang bảng tính và tự đánh giá mức phù hợp. Có khi mất cả ngày cho một danh sách, trong khi thời gian đó lẽ ra dành để gọi điện và trò chuyện với khách.
Bỏ sót doanh nghiệp vừa và nhỏ ở các tỉnh: danh sách tìm tay thường nghiêng về doanh nghiệp lớn, dễ tìm, đã quen tên ở các thành phố lớn, bỏ qua nhiều doanh nghiệp nhỏ phù hợp ở các tỉnh khác.
Lời tiếp cận chung chung: không đủ thời gian cá nhân hóa cho từng doanh nghiệp nên gửi cùng một mẫu, tỉ lệ phản hồi thấp và dễ bị đánh giá là thiếu chuyên nghiệp.
Chân dung khách lý tưởng 5 chiều từ dữ liệu công khai
Trước khi tự động hóa, cần định nghĩa rõ ICP (Ideal Customer Profile), tức chân dung khách hàng lý tưởng. Với B2B tại Việt Nam, 5 chiều sau có sẵn dữ liệu công khai để lọc:
Ngành nghề: lọc theo mã ngành kinh tế chính đã đăng ký để khoanh đúng tệp.
Tỉnh thành, vùng địa lý: nơi doanh nghiệp đặt trụ sở chính, quyết định khu vực phục vụ và đặc thù thị trường.
Vốn điều lệ: phản ánh quy mô tài chính và khả năng chi trả. Khi không có số nhân sự, đây thường là chỉ báo thay thế tốt cho quy mô.
Tuổi doanh nghiệp: doanh nghiệp mới thành lập có rủi ro tài chính nhưng có thể đang tăng trưởng nhanh. Doanh nghiệp đã hoạt động lâu thường ổn định nhưng khó thay đổi cách làm hơn.
Trạng thái mã số thuế: đang hoạt động, tạm ngừng hay giải thể. Chỉ lọc doanh nghiệp đang hoạt động để không mất công với đơn vị đã đóng.
Những thông tin như số nhân sự thực tế, doanh thu thật hay công nghệ đang dùng thường không có sẵn. Phần này cần khảo sát bổ sung sau khi đã có danh sách rút gọn.
Quy trình tự động hóa 6 bước
Định nghĩa chân dung 5 chiều. Phân tích khoảng 20–50 khách tốt nhất hiện có, rút ra điểm chung theo 5 chiều. Chân dung không cần hoàn hảo, chỉ cần đủ tốt để chạy, đo và sửa.
Lấy danh sách doanh nghiệp khớp tiêu chí. Dùng công cụ tra cứu dữ liệu doanh nghiệp công khai để lọc theo chân dung và xuất danh sách. Chân dung càng cụ thể, danh sách càng chất lượng.
AI chấm điểm phù hợp và nêu lý do tiếp cận. AI nhận chân dung và danh sách, trả về điểm từ 0 đến 100 kèm lý do cho từng doanh nghiệp. Sắp xếp theo điểm để ưu tiên nhóm đầu.
AI soạn lời tiếp cận cá nhân hóa. AI nhận 3–5 mẫu tin tốt nhất của bạn cùng dữ liệu từng doanh nghiệp, rồi soạn lời tiếp cận nhắc đúng đặc điểm của doanh nghiệp đó.
Nhân viên duyệt từng tin. Người xem từng bản, sửa nếu cần, bỏ qua nếu thấy không hợp thực tế. Không để AI tự gửi.
Gửi, ghi nhật ký và nhắc theo dõi. Ghi lại đã gửi cho doanh nghiệp nào, nhắc liên hệ lại sau khoảng một tuần, và đo kết quả để chỉnh chân dung và câu lệnh.
Ví dụ: tìm khách cho một chân dung cụ thể
Giả sử bạn bán phần mềm quản lý kho cho ngành sản xuất và phân phối. Chân dung sơ bộ:
Ngành: bán buôn hoặc chế biến, sản xuất.
Tỉnh: các tỉnh, thành có nhiều khu công nghiệp và trung tâm phân phối.
Vốn điều lệ: từ mức vừa trở lên, đủ để có nhu cầu quản lý kho bài bản.
Tuổi: đã hoạt động vài năm, đủ ổn định nhưng chưa quá cứng nhắc.
Trạng thái mã số thuế: đang hoạt động.
AI trả về danh sách xếp theo điểm, kèm lý do. Chẳng hạn:
Một doanh nghiệp sản xuất linh kiện ô tô, điểm cao vì ngành và quy mô khớp, nhiều khả năng có kho phức tạp.
Một doanh nghiệp bán buôn vật tư xây dựng, điểm cao vì quy mô lớn, mảng phân phối thường thiếu công cụ quản lý kho.
Một doanh nghiệp chế biến thực phẩm, điểm khá vì ngành thực phẩm cần truy xuất theo lô.
Mẫu lời tiếp cận AI soạn cho doanh nghiệp đầu danh sách:
"Chào anh/chị [tên]. Em thấy bên anh/chị là đơn vị sản xuất linh kiện ô tô đã hoạt động nhiều năm tại [tỉnh]. Bên em đang giúp các doanh nghiệp cùng quy mô giải quyết bài toán quản lý kho nguyên vật liệu và thành phẩm, có truy xuất theo lô. Anh/chị có 15 phút tuần này để em giới thiệu cách làm phù hợp với ngành mình không ạ?"
Nhân viên duyệt sửa lại câu hỏi cuối cho hợp với doanh nghiệp đó rồi mới gửi. Trong thực tế, mỗi doanh nghiệp trong nhóm đầu nhận một lời tiếp cận riêng theo dữ liệu của mình, không phải một mẫu chung.
Luồng AI soạn lời tiếp cận
Đây là khâu dễ làm sai nhất. AI cá nhân hóa tốt khi đủ thông tin, và hỏng khi câu lệnh chung chung. Luồng làm việc nên là:
Đầu vào: danh sách doanh nghiệp điểm cao từ bước 3, mỗi doanh nghiệp có tên, ngành, tỉnh, vốn, tuổi, người đại diện và đặc điểm riêng.
AI viết câu mở và phần cá nhân hóa: dựa trên dữ liệu doanh nghiệp và 3–5 mẫu tin của bạn, AI viết câu mở nhắc cụ thể doanh nghiệp đó, một nỗi đau của ngành hoặc vùng, và giá trị bạn mang lại.
AI hoàn thiện tin: tiêu đề (nếu là email), phần thân ngắn và lời kêu gọi dạng câu hỏi mở, đúng giọng của doanh nghiệp.
Người duyệt chỉnh tay: đặc biệt là tên và cách xưng hô, bỏ qua doanh nghiệp không hợp thực tế.
Gửi và ghi nhật ký: lên lịch liên hệ lại sau khoảng một tuần.
Đo đúng để chỉnh đúng
Đo sai thì tối ưu sai. Bốn chỉ số nên theo dõi:
Tỉ lệ phản hồi: số doanh nghiệp trả lời trên số tin đã gửi.
Tỉ lệ chuyển thành cơ hội: số khách đồng ý gặp hoặc xem giới thiệu trên số doanh nghiệp đã trả lời. Chỉ số này quan trọng hơn tỉ lệ phản hồi vì đã lọc bớt nhiễu.
Số khách chất lượng mỗi tuần: số doanh nghiệp đúng chân dung và phản hồi tích cực. Đây mới là chỉ số gắn với doanh thu, không phải tổng số khách tiềm năng.
Chi phí cho mỗi khách chất lượng: chi phí AI cộng công người duyệt, chia cho số khách chất lượng. So với cách làm tay để biết tự động hóa có đáng không.
Ba mức triển khai
Đi từng bước theo nhu cầu, không nhảy cóc:
Mức 1, bán thủ công: lọc doanh nghiệp bằng công cụ tra cứu, xuất bảng tính, dán từng doanh nghiệp vào công cụ AI để soạn lời tiếp cận. Hợp để thử nghiệm với danh sách nhỏ.
Mức 2, bán tự động: dùng bảng tính kèm một đoạn mã nhỏ gọi AI soạn tin cho từng dòng, người duyệt ngay trong bảng. Hợp khi danh sách mỗi tuần lớn hơn và có người biết lập trình cơ bản.
Mức 3, tự động đầy đủ: nối công cụ tra cứu doanh nghiệp, hệ thống quản lý khách hàng, nền tảng tự động hóa và lớp AI. Hợp với khối lượng lớn, cần người kỹ thuật ghép nối.
Khi nào không nên tự động hóa
Khách là tập đoàn lớn: tập đoàn, ngân hàng lớn hay doanh nghiệp nhà nước thường được tiếp cận qua quan hệ chứ không qua tin nhắn lạnh. Gửi hàng loạt bằng AI có thể phản tác dụng và hại thương hiệu.
Lĩnh vực nhạy cảm: ngân hàng, tài chính, luật, y tế, giáo dục đòi hỏi chuẩn mực chuyên nghiệp cao. Tin tự động không đủ cá nhân hóa sẽ bị bỏ qua, hoặc tệ hơn.
Hợp đồng giá trị rất lớn: nên làm việc trực tiếp giữa người với người ngay từ đầu. AI chỉ hỗ trợ khâu nghiên cứu và chuẩn bị, không gửi tin.
AI giúp tăng tốc, nhân rộng và cá nhân hóa phần lớn việc tiếp cận B2B, nhưng quyết định "gửi cho ai" và "nói gì với ai" vẫn thuộc về con người. Việt Nam đã có Luật Trí tuệ nhân tạo (Luật số 134/2025/QH15, hiệu lực từ 01/3/2026). Khi xử lý dữ liệu cá nhân, doanh nghiệp còn phải tuân thủ quy định về bảo vệ dữ liệu cá nhân, nhất là khi tiếp cận qua kênh liên lạc cá nhân.
Áp dụng trên Zalo: tìm khách và kiểm tra số trước khi tiếp cận
Với nhiều doanh nghiệp vừa và nhỏ, người ra quyết định mua lại dễ liên lạc qua Zalo hơn qua email. Khi đó, phần tìm khách và chuẩn bị danh sách làm được với Zame, phần mềm chạy trên tài khoản Zalo cá nhân:
Tìm khách theo khu vực và cộng đồng: module Tìm khách của Zame quét địa điểm trên bản đồ và quét thành viên nhóm Zalo để lấy danh sách khách. Đây là cách bổ sung cho bước 2, nhất là khi bạn muốn tìm doanh nghiệp nhỏ ở các tỉnh.
Kiểm tra số trước khi tiếp cận: tính năng tra cứu của Zame kiểm tra số điện thoại nào có Zalo, lấy tên hiển thị và xuất ra file bảng tính để bạn chuẩn hóa danh sách trước khi chấm điểm.
Soạn lời tiếp cận có người duyệt: AI của Zame soạn nhiều biến thể từ một mẫu tin, mỗi người nhận một bản khác nhau. Người phụ trách đọc lại trước khi gửi, đúng nguyên tắc AI soạn nháp, con người quyết định.
Số điện thoại và tên trên Zalo là dữ liệu cá nhân. Chỉ nhắn những người bạn có cơ sở hợp pháp để liên hệ, đúng như phần quy định về dữ liệu cá nhân ở trên.
Bắt đầu đúng cách: đừng bắt đầu bằng việc mua công cụ. Hãy định nghĩa một chân dung khách cụ thể theo 5 chiều, tự tìm 20–30 doanh nghiệp khớp, thử cá nhân hóa lời tiếp cận bằng AI cho nhóm đó và đo phản hồi. Khi đã thấy quy luật, mới mở rộng sang tự động hóa đầy đủ. Một quy trình chạy ổn cho một chân dung khách tốt hơn năm quy trình dở dang cho năm chân dung.
Câu hỏi thường gặp
ICP là gì và vì sao cần định nghĩa rõ trước khi tự động hóa?
ICP là chân dung khách hàng lý tưởng, tập hợp tiêu chí mô tả nhóm khách phù hợp nhất với sản phẩm của bạn. Cần định nghĩa rõ vì AI chỉ nhân rộng quy tắc bạn đưa ra. Nếu chân dung mơ hồ, AI sẽ kéo về hàng loạt khách không phù hợp, gây nhiễu cho đội bán hàng và tốn công duyệt.
Vì sao nên lọc theo dữ liệu doanh nghiệp công khai trước?
Nhiều chân dung B2B cần khoanh theo pháp nhân doanh nghiệp: ngành nghề đăng ký, vốn điều lệ, tỉnh hoạt động. Đây là thông tin pháp lý công khai. Có danh sách doanh nghiệp phù hợp rồi mới đến bước tìm người liên hệ cụ thể.
Tự động hóa tìm khách có vi phạm quy định về dữ liệu cá nhân không?
Tùy loại dữ liệu. Dữ liệu pháp nhân doanh nghiệp được công bố theo Luật Doanh nghiệp thì dùng được. Dữ liệu cá nhân như số điện thoại hay email cá nhân phải tuân thủ quy định bảo vệ dữ liệu cá nhân: thu thập có cơ sở pháp lý, không dùng ngoài mục đích đã thông báo, và người được thu thập có quyền yêu cầu xóa. Cách an toàn là tìm doanh nghiệp qua dữ liệu pháp nhân và tiếp cận qua kênh chính thức của doanh nghiệp.
AI chấm điểm phù hợp hoạt động thế nào?
AI nhận định nghĩa chân dung và dữ liệu của một doanh nghiệp, trả về điểm phù hợp kèm lý do. Nó đọc tên, ngành đăng ký và đặc điểm vùng để suy luận. Ví dụ với chân dung "công ty công nghệ tại Hà Nội, hoạt động trên 3 năm", AI chấm cao một công ty lập trình ở Hà Nội thành lập đã lâu, và chấm thấp một cửa hàng tạp hóa nhỏ. AI không thay phán đoán cuối cùng, vẫn cần người duyệt nhóm điểm cao trước khi tiếp cận.
Lời tiếp cận do AI cá nhân hóa có hơn mẫu chung không?
Có, nếu câu lệnh đủ tốt. Mẫu chung gửi cùng một nội dung cho cả danh sách, còn AI đọc đặc điểm từng doanh nghiệp và nhắc đúng điều liên quan đến họ. Nhưng AI làm kém khi câu lệnh chung chung, không có tin mẫu tốt của doanh nghiệp, hoặc bỏ qua bước người duyệt. Mẹo: đưa AI 3–5 tin tiếp cận tốt nhất của bạn làm mẫu để nó học giọng văn và cấu trúc.
Bắt đầu từ đâu nếu chưa có chân dung khách rõ ràng?
Liệt kê 10–20 khách đang mua tốt nhất (chốt nhanh, mua lại, ít phản đối). Với mỗi khách, ghi 5 trường: ngành đăng ký, tỉnh trụ sở, vốn điều lệ, năm thành lập, lý do mua. Tìm điểm chung, đó là chân dung sơ bộ. Thử quy trình với một nhóm doanh nghiệp khớp chân dung, đo kết quả, rồi chỉnh dần.
Bước đầu không có lập trình viên, có cần mua công cụ AI đắt tiền không?
Không. Bước đầu chỉ cần công cụ tra cứu doanh nghiệp công khai, một bảng tính và một công cụ AI để soạn thử lời tiếp cận cho 20–30 doanh nghiệp đầu tiên. Khi đã hiểu luồng dữ liệu, mới nối thêm tự động hóa.
Danh sách khách B2B tốt bắt đầu từ việc biết ai thật sự liên lạc được. Dùng Zame để tìm khách theo khu vực và kiểm tra số có Zalo trước khi đội bạn bắt tay vào tư vấn.