Bài 27 — Prompt for sales — Outreach, qualification, CRM

Mở đầu — vì sao bài này quan trọng

Trong bán hàng B2B, thời gian là tài sản đắt nhất của một sales rep. Một nghiên cứu quen thuộc trong ngành cho thấy nhân viên kinh doanh chỉ dành khoảng một phần ba thời gian làm việc để thực sự bán hàng — phần còn lại trôi vào việc soạn email, tra cứu thông tin công ty, cập nhật CRM, ghi chú sau cuộc gọi và phân loại lead. Đây chính xác là những công việc mà một prompt được thiết kế tốt có thể gánh phần lớn.

Bài này không dạy bạn "AI viết email thay bạn" theo kiểu vô hồn. Nó dạy bạn cách biến ba khâu tốn thời gian nhất trong quy trình bán hàng — outreach (tiếp cận khách hàng lạnh), qualification (đánh giá và chấm điểm lead) và CRM hygiene (làm sạch, cập nhật dữ liệu khách hàng) — thành những prompt có thể tái sử dụng, cho ra kết quả nhất quán, đúng giọng công ty và sẵn sàng đưa vào pipeline thực tế.

Điểm mấu chốt cần nhớ ngay từ đầu: prompt bán hàng tốt không phải là prompt "sáng tạo nhất", mà là prompt có cấu trúc và có ràng buộc rõ ràng để bạn tin tưởng dùng lặp lại hàng trăm lần mà không phải kiểm tra từng dòng. Chúng ta sẽ đi sâu vào ba trụ cột này với ví dụ cụ thể trong bối cảnh thị trường Việt Nam.

Khái niệm cốt lõi

Toàn bộ ứng dụng prompt trong sales xoay quanh ba nhóm nhiệm vụ. Mỗi nhóm có logic riêng, cần cách viết prompt riêng.

1. Prompt cho outreach — cá nhân hóa ở quy mô lớn

Email lạnh chết vì hai lý do: nghe như template gửi hàng loạt, hoặc nói về người bán chứ không nói về vấn đề của người mua. Prompt outreach tốt phải nạp được ngữ cảnh cụ thể của từng prospect (vai trò, ngành, tín hiệu mới đây như tuyển dụng, gọi vốn, ra mắt sản phẩm) và ép AI viết theo công thức bán hàng đã được kiểm chứng — thường là kiểu "chạm vào một vấn đề cụ thể → chứng minh bạn hiểu họ → đề nghị một bước tiếp theo nhỏ".

Nguyên tắc là: đưa AI dữ liệu thô về prospect cộng với một khung viết rõ ràng, thay vì để nó tự bịa. Nếu bạn chỉ viết "viết email bán hàng cho công ty X", bạn sẽ nhận về thứ ngôn ngữ marketing sáo rỗng. Nếu bạn nạp "công ty X vừa tuyển 15 nhân viên trong 2 tháng, đang dùng bảng tính Excel để quản lý nhân sự", AI có nguyên liệu thật để viết một câu mở đầu khiến người đọc dừng lại.

2. Prompt cho qualification — chấm điểm lead theo ICP

Đây là nơi prompt tạo ra giá trị định lượng rõ nhất. ICP (Ideal Customer Profile — chân dung khách hàng lý tưởng) là bộ tiêu chí xác định ai là khách hàng phù hợp nhất với sản phẩm của bạn. Prompt qualification lấy thông tin thô về một lead, đối chiếu với ICP, rồi trả về điểm số + lý do.

Chìa khóa ở đây là ba yếu tố mà bài học nhắc đến trong dàn ý gốc: nạp ICP thật chi tiết, yêu cầu chấm theo thang rõ ràng (ví dụ 1–10), và bắt buộc AI giải thích lý do cho điểm — không chỉ trả về con số. Con số không có lý do là con số không thể tin. Ngoài ra, một framework kinh điển bạn có thể đưa vào prompt là BANT (Budget — ngân sách, Authority — quyền quyết định, Need — nhu cầu, Timeline — thời điểm) hoặc MEDDIC cho deal lớn.

3. Prompt cho CRM — biến hội thoại lộn xộn thành dữ liệu sạch

CRM (Customer Relationship Management — hệ thống quản lý quan hệ khách hàng, ví dụ HubSpot, Salesforce, hoặc CRM nội địa) chỉ hữu ích khi dữ liệu sạch và đầy đủ. Prompt CRM làm ba việc: trích xuất thông tin có cấu trúc từ ghi chú cuộc gọi lộn xộn, chuẩn hóa về đúng field, và đề xuất next action kèm ngày follow-up.

Điểm kỹ thuật quan trọng: prompt CRM gần như luôn cần structured output (JSON hoặc bảng) để hệ thống có thể tự động nhập vào database. Bạn không muốn AI trả về một đoạn văn — bạn muốn nó trả về đúng các trường company_name, deal_stage, next_action, follow_up_date.

Tình huống thực tế

Ví dụ 1 — Startup SaaS HR "Nhân Sự Số" chấm điểm 200 lead từ hội chợ

Bối cảnh: "Nhân Sự Số" là một startup Việt bán phần mềm quản lý nhân sự cho doanh nghiệp vừa. Sau hội chợ HR Tech tại TP.HCM, đội sales thu về 200 danh thiếp và form đăng ký — quá nhiều để gọi hết trong tuần. Họ cần biết gọi ai trước.

Prompt họ dùng, mở rộng đúng từ ý định gốc của bài:

Chấm điểm lead này từ 1-10 về mức độ phù hợp với sản phẩm SaaS HR B2B của chúng tôi.
CHÂN DUNG KHÁCH HÀNG LÝ TƯỞNG (ICP):
Quy mô: 50-500 nhân viên (điểm cao nhất 100-300).
Ngành: sản xuất, bán lẻ, F&B chuỗi, logistics (đang dùng Excel/giấy để quản lý nhân sự).
Người liên hệ: HR Manager, Trưởng phòng Hành chính - Nhân sự, hoặc CEO công ty <100 người.
Tín hiệu tốt: đang tuyển nhiều, mở chi nhánh mới, phàn nàn về chấm công thủ công.
Tín hiệu xấu: <20 nhân viên, công ty phần mềm (tự build được), đã dùng phần mềm HR lớn.

THÔNG TIN LEAD:
{dán thông tin từ form}
Trả về JSON:
{
  "score": <1-10>,
  "tier": "<Hot | Warm | Cold>",
  "ly_do": "<2-3 câu giải thích cụ thể dựa trên ICP>",
  "cau_hoi_qualify": "<1 câu hỏi nên hỏi để xác nhận fit>"
}

Diễn giải: đội sales chạy prompt này qua toàn bộ 200 lead bằng một script gọi API. Kết quả trả về 34 lead "Hot", 78 "Warm", còn lại "Cold". Họ tập trung gọi 34 lead Hot trong 48 giờ đầu — khi sự quan tâm còn nóng. Điều đáng giá nhất không phải con số điểm mà là trường ly_do: nó cho phép rep đọc lướt và hiểu ngay tại sao lead này đáng gọi, thay vì mở lại từng form.

Bài học rút ra: yêu cầu AI giải thích lý do và đề xuất câu hỏi qualify biến một điểm số vô hồn thành một công cụ ra quyết định. Và vì ICP được viết cả tín hiệu tốt lẫn tín hiệu xấu, AI ít bị "chấm cao cho tất cả".

Ví dụ 2 — Agency "Growth Lab" viết 50 email outreach cá nhân hóa mỗi ngày

Bối cảnh: Growth Lab là agency marketing tại Hà Nội, bán dịch vụ chạy quảng cáo cho các thương hiệu D2C (bán trực tiếp cho người tiêu dùng). Trước đây mỗi rep viết được 10-15 email lạnh/ngày vì phải research thủ công. Họ muốn tăng lên 50 mà không mất chất lượng.

Giải pháp là tách quy trình làm hai bước. Bước một, rep dán thông tin thô về prospect (lấy từ website, fanpage, tin tuyển dụng). Bước hai, một prompt cố định biến thông tin đó thành email:

Bạn là chuyên gia viết email outreach B2B. Viết email lạnh cho prospect dưới đây.
VỀ CHÚNG TÔI: Growth Lab - agency chạy quảng cáo cho thương hiệu D2C, chuyên tối ưu chi phí quảng cáo (giảm CPA trung bình 25%).
THÔNG TIN PROSPECT:
Công ty: {tên}
Người nhận: {chức danh}
Quan sát cụ thể: {ví dụ: "vừa ra mắt dòng sản phẩm skincare mới, đang chạy nhiều quảng cáo Facebook nhưng review kêu giá vận chuyển cao"}

QUY TẮC:
Tối đa 90 từ. Không lời chào sáo rỗng.
Câu đầu tiên PHẢI nhắc đến quan sát cụ thể, không nói về chúng tôi.
Nêu 1 kết quả cụ thể chúng tôi mang lại (có số).
Kết bằng 1 câu hỏi mời trao đổi 15 phút, dễ trả lời "có/không".
Giọng văn: thân thiện, ngang hàng, tiếng Việt tự nhiên. KHÔNG dùng từ "kính gửi", "trân trọng".

Diễn giải: mấu chốt nằm ở ràng buộc "câu đầu tiên phải nhắc quan sát cụ thể" và giới hạn 90 từ. Nó ép email nói về prospect trước, về Growth Lab sau — đúng nguyên tắc bán hàng. Kết quả sau một tháng: tỷ lệ phản hồi tăng từ khoảng 4% lên gần 11%, và mỗi rep thực sự gửi được 40-50 email chất lượng/ngày.

Bài học rút ra: outreach hiệu quả không đến từ việc để AI "sáng tạo", mà đến từ việc bạn nạp quan sát cụ thể về từng người và ràng buộc cấu trúc chặt. AI chỉ giỏi bằng dữ liệu bạn cho nó.

Ví dụ 3 — Rep của công ty logistics làm sạch CRM sau cuộc gọi

Bối cảnh: Một rep tại công ty logistics ở Bình Dương, sau mỗi ngày gọi 8-10 khách, thường có ghi chú kiểu: "Gọi anh Tuấn cty Minh Phát, họ ship khoảng 500 đơn/ngày đang dùng GHN với GHTK, than phí COD cao, quan tâm nhưng bảo quý sau mới đổi, sếp anh Tuấn mới là người duyệt, hẹn gọi lại đầu tháng 8". Ghi chú kiểu này không bao giờ được nhập gọn vào CRM.

Prompt trích xuất:

Trích xuất thông tin từ ghi chú cuộc gọi bán hàng sau thành JSON để nhập CRM.
Nếu thông tin không có, để giá trị null. Không bịa.
GHI CHÚ: {dán ghi chú thô}
JSON:
{
  "cong_ty": "",
  "nguoi_lien_he": "",
  "nguoi_ra_quyet_dinh": "",
  "quy_mo_don_hang": "",
  "pain_point": "",
  "doi_thu_dang_dung": [],
  "deal_stage": "<Mới | Đang quan tâm | Đàm phán | Chốt | Từ chối>",
  "next_action": "",
  "follow_up_date": "<YYYY-MM-DD, suy ra từ ngữ cảnh>"
}

Với ngày gọi là 20/07, AI trả về follow_up_date: "2026-08-01", tách đúng nguoi_lien_he: "anh Tuấn" và nguoi_ra_quyet_dinh: "sếp anh Tuấn", ghi doi_thu_dang_dung: ["GHN", "GHTK"]. Toàn bộ ghi thẳng vào CRM qua một tích hợp đơn giản.

Bài học rút ra: prompt CRM giá trị nhất khi nó phân biệt được người liên hệ và người quyết định (thông tin sống còn cho qualification), và suy ra ngày follow-up từ ngôn ngữ tự nhiên. Câu lệnh "nếu không có để null, không bịa" là bắt buộc — nếu không AI sẽ tự điền cho đủ và làm bẩn CRM.

Hướng dẫn từng bước

Đây là quy trình dựng một bộ prompt sales từ đầu, áp dụng cho cả ba nhóm nhiệm vụ.

Bước 1 — Viết ICP thành văn bản trước khi viết prompt. Đừng giữ ICP trong đầu. Liệt kê quy mô, ngành, chức danh người mua, tín hiệu tốt VÀ tín hiệu xấu. Tín hiệu xấu quan trọng ngang tín hiệu tốt vì nó giúp AI biết khi nào chấm thấp.

Bước 2 — Chọn định dạng output theo mục đích. Nếu kết quả để con người đọc (email), dùng văn bản có ràng buộc. Nếu để máy xử lý (chấm điểm, nhập CRM), bắt buộc JSON với schema rõ ràng. Đừng trộn lẫn.

Bước 3 — Nạp ngữ cảnh cụ thể, không dùng chung chung. Với outreach, mỗi email cần một "quan sát cụ thể". Với qualification, cần thông tin thật của lead. Prompt tốt đến đâu cũng vô dụng nếu đầu vào là "công ty X, ngành chung chung".

Bước 4 — Thêm ràng buộc chặt. Giới hạn độ dài, cấm từ ngữ sáo rỗng, quy định cấu trúc câu đầu, ép giải thích lý do. Ràng buộc là thứ biến prompt "chơi cho vui" thành prompt "dùng được trong production".

Bước 5 — Test với 10-20 mẫu thật rồi tinh chỉnh. Chạy prompt qua các lead/ghi chú thật, đọc kết quả, tìm chỗ AI hiểu sai hoặc chấm lệch, rồi sửa lại phần ICP hoặc ràng buộc. Đừng deploy trên 200 lead khi chưa kiểm 20.

Bước 6 — Cố định prompt thành template và tách phần biến. Khi prompt đã ổn, giữ nguyên phần khung, chỉ thay phần {thông tin lead} hoặc {ghi chú}. Đây là bước biến prompt thành công cụ tái sử dụng cho cả đội.

Lỗi thường gặp & mẹo

Lỗi 1 — Để AI chấm điểm mà không đưa ICP. Không có tiêu chí, AI chấm theo cảm tính và thường cho điểm cao đồng loạt. Luôn nạp ICP chi tiết với cả tín hiệu tốt lẫn xấu.

Lỗi 2 — Email outreach nói về mình trước. Nếu không ràng buộc "câu đầu phải nói về prospect", AI mặc định mở bằng "Chúng tôi là công ty..." — cách chắc chắn nhất để bị xóa. Luôn ép câu mở đầu bám vào quan sát cụ thể.

Lỗi 3 — Không chống bịa khi trích xuất CRM. AI thích điền cho đủ trường. Nếu không có câu "thiếu thì để null, không suy đoán", bạn sẽ có CRM đầy dữ liệu sai — còn nguy hiểm hơn CRM trống.

Lỗi 4 — Prompt cá nhân hóa nhưng đầu vào lại chung chung. Nhiều người viết prompt rất công phu nhưng dán vào toàn thông tin sao chép hàng loạt. Chất lượng đầu ra bị chặn bởi chất lượng đầu vào.

Mẹo 1 — Yêu cầu AI đề xuất câu hỏi qualify. Ngoài điểm số, bảo AI gợi ý một câu hỏi để xác nhận fit. Rep dùng ngay trong cuộc gọi.

Mẹo 2 — Bắt AI tự chấm độ tự tin. Với lead thiếu thông tin, thêm trường do_tin_cay: "cao/thấp". Điểm 8 với độ tin cậy thấp cần được xác minh trước khi dồn nguồn lực.

Mẹo 3 — Chuẩn hóa deal_stage bằng danh sách đóng. Luôn cho AI chọn từ một tập giá trị cố định (Mới, Đang quan tâm, Đàm phán, Chốt, Từ chối) thay vì để tự do — nếu không CRM sẽ có mười cách gọi cùng một trạng thái.

Mẹo 4 — Giữ giọng công ty trong system prompt. Tách phần "giọng văn thương hiệu, từ cấm, chữ ký" ra system prompt để mọi email đồng nhất.

Bài tập thực hành

• Viết ICP của bạn. Chọn một sản phẩm bạn đang bán (hoặc giả định). Viết ra ICP đầy đủ: quy mô, ngành, chức danh người mua, 3 tín hiệu tốt, 3 tín hiệu xấu. Đây là nền cho mọi prompt sales sau này.

• Prompt qualification. Dùng ICP ở bài 1, viết một prompt chấm điểm lead 1-10 trả về JSON gồm score, tier, ly_do, cau_hoi_qualify. Tự tạo 3 lead giả (1 rõ ràng phù hợp, 1 rõ ràng không, 1 mập mờ) và chạy thử. Kiểm tra xem AI có chấm đúng cả ba không.

• Prompt outreach. Viết một prompt email lạnh có ít nhất 4 ràng buộc (độ dài, câu đầu nói về prospect, một số liệu kết quả, một CTA dễ trả lời). Chạy với 2 prospect có "quan sát cụ thể" khác nhau và so sánh — hai email phải khác nhau rõ rệt, không giống template.

• Prompt trích xuất CRM. Tự viết một ghi chú cuộc gọi lộn xộn (kiểu ví dụ 3). Viết prompt trích xuất ra JSON có phân biệt người liên hệ / người quyết định và tự suy ra follow_up_date. Thử cố tình bỏ trống một thông tin để kiểm tra AI có để null thay vì bịa không.

Tóm tắt

Prompt trong bán hàng tạo giá trị lớn nhất ở ba khâu tốn thời gian: outreach (cá nhân hóa email lạnh ở quy mô lớn nhờ nạp quan sát cụ thể và ràng buộc cấu trúc), qualification (chấm điểm lead theo ICP với lý do rõ ràng, không chỉ con số) và CRM (trích xuất dữ liệu sạch dạng JSON từ ghi chú lộn xộn, chống bịa bằng quy tắc để-null).

Sợi chỉ đỏ xuyên suốt: prompt sales tốt không phải prompt sáng tạo nhất, mà là prompt có ICP rõ, có ràng buộc chặt, có output đúng định dạng cho mục đích sử dụng, và được test trên dữ liệu thật trước khi dùng ở quy mô. Chất lượng đầu ra luôn bị chặn bởi chất lượng ngữ cảnh bạn nạp vào — hãy đầu tư vào việc viết ICP và thu thập quan sát cụ thể, phần còn lại AI sẽ lo. Khi bạn cố định được ba bộ prompt này thành template cho cả đội, bạn đã lấy lại được phần lớn thời gian mà trước đây trôi vào việc hành chính, và trả nó về đúng chỗ: bán hàng.