Hiện nay, khi muốn biết một sản phẩm có ai mua hay không, cách phổ biến là nhờ mô hình ngôn ngữ đóng vai vài người mua rồi nghe nó trả lời, nhưng cách đó có một nhược điểm chí mạng là người mua do mô hình tự nghĩ ra thường giống nhau và giống người viết. Mới đây NVIDIA phát hành một bộ dữ liệu mở gồm một triệu persona người Việt, nên chúng tôi thử xem có thể dùng nó để thay phần tự nghĩ đó hay không.
Bộ dữ liệu này là gì
Đây là bộ Nemotron-Personas-Vietnam, công bố theo giấy phép cc-by-4.0, nghĩa là bạn dùng được cho cả mục đích thương mại miễn ghi nguồn, và không cần đăng ký hay cấp quyền gì thêm. Bộ dữ liệu có đúng một triệu dòng, chia thành mười một tệp parquet với tổng dung lượng khoảng 2,09 GB, mỗi dòng là một người với 21 trường mô tả.
Các trường đáng chú ý gồm giới tính, tuổi, tình trạng hôn nhân, học vấn, nghề nghiệp, vùng và khu vực sinh sống, cùng năm đoạn văn mô tả persona theo nghề nghiệp, thể thao, nghệ thuật, du lịch và ẩm thực. Điều làm chúng tôi bất ngờ là văn phong tiếng Việt trong các đoạn mô tả rất tự nhiên, có chi tiết cảm giác như mùi quán ăn quen hay tiếng xe máy buổi sáng, chứ không phải kiểu liệt kê thuộc tính khô khan.
Chúng tôi kiểm chất lượng bằng số
Để khỏi đánh giá bằng cảm giác, chúng tôi tải một trong mười một tệp về, tương đương 90.910 dòng, rồi đếm trực tiếp bằng truy vấn SQL thay vì đọc lướt vài dòng mẫu. Kết quả cho thấy không có dòng nào có phần persona rỗng hoặc ngắn dưới 50 ký tự, không có dòng nào thiếu nghề nghiệp, và 90.910 mã định danh đều khác nhau hoàn toàn, tức là không có bản ghi trùng lặp.
Về phân bố, tuổi trải từ 18 đến 90 với trung bình 44,4, tỉ lệ nữ nam là 51 trên 49, và các vùng được chia theo đúng tỉ lệ dân số thực tế: đồng bằng sông Hồng 22.201 người, đông Nam Bộ 18.701, Bắc Trung Bộ và duyên hải miền Trung 16.016, đồng bằng sông Cửu Long 14.197, trung du và miền núi phía Bắc 11.376, Tây Nguyên 8.419. Học vấn cũng sát thực tế khi nhóm phổ thông chiếm đông nhất với 28.441 người, tiếp đến trung học cơ sở 19.861, trung cấp và cao đẳng 15.224, đại học 13.696.
Nghề nghiệp cũng không bị làm cho đẹp, khi nhóm đông nhất là người đã nghỉ hưu với 10.567 người, sau đó mới tới tiểu thương chợ 3.073, chủ cửa hàng tạp hóa 2.609, nhân viên phục vụ nhà hàng 2.323 và kinh doanh online 2.164. Đây là điểm cộng lớn so với persona do mô hình tự sinh, vì mô hình thường có xu hướng tạo ra toàn nhân viên văn phòng trẻ sống ở thành phố lớn.
Dựng thử một panel 12 người mua
Chúng tôi đặt một tình huống thật: bán máy lọc nước RO cho gia đình với giá 5,5 triệu đồng, lắp đặt miễn phí và bảo hành ba năm, phạm vi Hà Nội và các tỉnh lân cận. Sau đó lọc trong tệp dữ liệu những người thuộc đồng bằng sông Hồng, tuổi từ 28 đến 55 và đang đi làm, được 5.510 người phù hợp, rồi lấy ngẫu nhiên 12 người để lập panel.
Bước lọc và lấy mẫu mất 0,4 giây và không tốn token nào, vì toàn bộ là truy vấn trên tệp cục bộ chứ không phải gọi mô hình. Mười hai người trong panel rất đa dạng: một người viết nội dung tự do 32 tuổi ở Bắc Ninh, một tiểu thương chợ 33 tuổi, một kỹ thuật viên bảo trì 46 tuổi ở Hải Phòng, một nông dân trồng cây ăn trái 45 tuổi ở Ninh Bình, một bác sĩ 29 tuổi ở Hà Nội, cùng nhiều nghề khác như công nhân chế biến thực phẩm, chủ tạp hóa, thiết kế tự do, nhân viên y tế, công an xã, lái xe ôm và nhân viên bán hàng.
Khi cho từng persona phản ứng với mức giá trên, kết quả chia thành năm người mua, ba người cân nhắc và bốn người từ chối. Ba lý do từ chối lặp lại đáng chú ý: người thuê trọ không được đục tường để lắp máy, nhóm thu nhập thấp thấy 5,5 triệu là quá một tháng thu nhập nên cần trả góp, và nhóm hiểu kỹ thuật như bác sĩ hay kỹ thuật viên đòi chứng nhận chất lượng nước cùng chi phí thay lõi hằng năm trước khi xuống tiền.
Giới hạn cần biết trước khi dùng
Bộ dữ liệu này không có trường thu nhập, nên nếu muốn panel phản ứng sát với khả năng chi trả, bạn phải tự dựng một bảng quy đổi từ nghề nghiệp và học vấn sang nhóm thu nhập, và đó là chỗ sai số lớn nhất trong toàn bộ quy trình. Ngoài ra, phần phản ứng mua vẫn do mô hình suy luận, nên đây là mô phỏng chứ không phải khảo sát thật, và bạn tuyệt đối không nên trích nó như bằng chứng thị trường.
Một lưu ý kỹ thuật nhỏ là giao diện lọc dữ liệu trực tuyến của bộ này không chạy được trên trang của họ, nên cách ổn định nhất là tải tệp parquet về rồi lọc bằng SQL cục bộ, vừa nhanh vừa không tốn token. Nếu bạn muốn xem cách chúng tôi dùng panel này thay cho panel tự sinh trong bộ skill kinh doanh, hãy đọc bài 11 skill miễn phí giúp bạn kiểm tra ý tưởng kinh doanh đã đăng trước đó.
Video tóm tắt
Bản dọc 9:16 dài 42 giây, dựng từ sáu clip chuyển động, số liệu và lời đọc lấy đúng từ bài test bên trên.
Toàn bộ cách chúng tôi kiểm dữ liệu và những lần thử tương tự đều nằm trong chuyên mục kinh nghiệm, nếu bạn muốn xem thêm cách làm với các công cụ khác. Riêng với bộ dữ liệu này, chúng tôi cho rằng giá trị lớn nhất không nằm ở chỗ nó có một triệu dòng, mà ở chỗ nó cho bạn một nền phân bố đúng để đặt câu hỏi, thay vì để mô hình tự nghĩ ra người mua theo quán tính của nó. Nếu bạn đã thử dùng persona cho việc nghiên cứu khách hàng, hãy để lại bình luận dưới bài viết này nhé, nhất là cách bạn xử lý chỗ thiếu trường thu nhập.
Quét mã QR để đọc bài viết này để xem tiếp trên điện thoại
