Hello AE,
Trong quá trình vận hành doanh nghiệp, đặc biệt là mảng logistic hay dịch vụ (Agency), "nút thắt cổ chai" lớn nhất thường nằm ở khâu báo giá thủ công. Quy trình: Check mail -> Tra cứu giá -> Tính toán -> Soạn mail thường ngốn 10-20 phút/khách. Khi nhân viên nhấn "Gửi" thì có khi đối thủ đã chốt đơn rồi.
Hôm nay mình chia sẻ case study xây dựng Hệ thống báo giá tự động (AI Quote System) giúp rút ngắn quy trình này xuống dưới 60 giây.
Hệ thống kết hợp 3 công cụ:
- n8n: Backend xử lý logic và AI.
- Supabase: Database lưu trữ khách hàng/lịch sử giá.
- Replit: Frontend Dashboard để sale duyệt giá (Human-in-the-loop).
1. Tại sao cần hệ thống này?
Thay vì để AI tự tung tự tác, mô hình này giữ lại quyền kiểm soát của con người nhưng loại bỏ các tác vụ lặp lại:
- Tốc độ: AI soạn thảo báo giá gần như tức thì ngay khi nhận request.
- Chính xác: Hệ thống tham chiếu dữ liệu lịch sử (RAG) để đưa ra mức giá "Good - Better - Best" sát thị trường nhất.
- Trải nghiệm (UX): Nhân viên Sales chỉ cần thao tác trên Dashboard (Replit), không cần biết code hay chui vào n8n sửa flow.
2. Kiến trúc hệ thống (Architecture)
- Bộ não (n8n): Nhận trigger, gọi OpenAI phân tích, tính toán giá.
- Bộ nhớ (Supabase): Lưu thông tin Request, trạng thái đơn hàng và lịch sử các đơn đã thắng (Won Deals).
- Giao diện (Replit): Hiển thị các báo giá đang chờ duyệt (Pending Review).
3. Chi tiết quy trình xử lý trên n8n
Dựa trên workflow thực tế, luồng dữ liệu sẽ đi như sau:
Bước 1: Hợp nhất đầu vào (Input & Merge)
Hệ thống được thiết kế để bắt dữ liệu từ đa kênh:
- Gmail Trigger: Quét inbox mỗi phút để bắt email mới.
- Webhook: Nhận dữ liệu từ Form trên website (Contact Form).
Một node Merge sẽ gộp 2 nguồn này về một format chuẩn (gồm contact_name, email, service_type...) để xử lý đồng nhất.
Bước 2: Bộ lọc AI & Trích xuất dữ liệu
Không phải email nào gửi đến cũng là hỏi giá. Để tiết kiệm token và tránh spam:
-
AI Filter: OpenAI sẽ đọc nội dung email. Chỉ những email có độ tin cậy (
confidence score) >= 60% là "Yêu cầu báo giá" mới được đi tiếp. - AI Extraction: AI tiếp tục trích xuất các trường thông tin: Loại dịch vụ, Ngân sách, Timeline, Độ phức tạp dự án...
Bước 3: Tham chiếu lịch sử (RAG đơn giản)
Đây là bước quan trọng giúp AI không "báo giá trên trời".
- Dữ liệu thô được lưu vào Supabase (trạng thái
PROCESSING). - Hệ thống truy vấn ngược lại Supabase để lấy 10 dự án gần nhất có trạng thái
WONcùng loại dịch vụ để làm cơ sở tham chiếu giá.
Bước 4: Chiến thuật giá & Soạn thảo (Drafting)
Node OpenAI - Calculate Pricing sẽ tính toán ra 3 option giá (tâm lý học hành vi):
- Good (Basic): Giá tiết kiệm (0.8x).
- Better (Standard): Giá tiêu chuẩn (1.0x) - AI khuyên dùng.
- Best (Premium): Giá cao cấp (1.4x).
Sau đó, AI soạn sẵn một email chuyên nghiệp (HTML format) chứa bảng giá này, nhưng CHƯA GỬI NGAY.
Bước 5: Cập nhật & Cảnh báo
- Dữ liệu (Giá + Email nháp) được update vào Supabase với trạng thái
PENDING_REVIEW. - Slack Alert: Nếu giá trị đơn hàng >= $10,000, bot sẽ bắn tin nhắn ngay vào Slack để quản lý vào xử lý gấp.
4. Dashboard quản lý (Replit) & Webhook gửi đi
Đây là bước Human-in-the-loop. Chúng ta không để AI tự gửi mail để tránh sai sót.
- Nhân viên truy cập Dashboard trên Replit, thấy danh sách các yêu cầu đang
PENDING. - Review giá và nội dung email AI soạn.
- Nhấn nút "Approve & Send".
Lúc này, Replit sẽ gọi Webhook thứ 2 trên n8n:
- Gửi email thực tế qua node Gmail.
- Update trạng thái Supabase thành
SENT. - Ghi log thời gian gửi.
Mô hình này giải quyết triệt để bài toán: Tự động hóa việc tính toán/soạn thảo nhưng vẫn giữ quyền quyết định cuối cùng cho con người.
Anh em hoàn toàn có thể build hệ thống này với chi phí rất rẻ (n8n self-host, Supabase free tier, Replit basic).
Chúc anh em áp dụng thành công vào doanh nghiệp! Ai có thắc mắc chỗ nào comment mình giải đáp nhé.
Workflow tham khảo: https://romhub.io/n8n/Data_Analysis_Agent
Top comments (0)