Khi AI là người mua: cuộc chơi thương mại điện tử đổi luật

Trang chủ của bạn tải trong 1,2 giây. Ảnh hero đã A/B test và tăng chuyển đổi 14%. Câu “Chỉ còn 3 sản phẩm!” vẫn hiệu quả với người mua thật. Nhưng vị khách vừa ghé cửa hàng có thể là một AI agent. Nó không nhìn ảnh, không cảm thấy khan hiếm và không bị thuyết phục bởi banner đẹp.

Nó đọc schema sản phẩm, đối chiếu cam kết giao hàng với ngưỡng của người mua, so sánh chính sách đổi trả với vài đối thủ, rồi thêm vào giỏ hoặc rời đi — trong lúc bạn đọc xong câu này. Chúng ta đã dành gần hai thập kỷ tối ưu trải nghiệm mua sắm cho tâm lý con người. Phần lớn công việc đó vẫn có giá trị, nhưng không còn là toàn bộ câu chuyện.

Vị khách không nhìn ảnh, không cảm thấy khan hiếm

Theo nghiên cứu của IBM Institute for Business Value công bố tháng 1/2026, 45% người mua sắm đã dùng AI để hỗ trợ hành trình mua. Con số này không nói con người biến mất. Nó nói rằng một phần quyết định đang được chuyển cho phần mềm.

Điều đáng chú ý là hạ tầng phía sau chưa theo kịp. Mọi chỉ số phễu, tỷ lệ chuyển đổi, heatmap đều được thiết kế để mô hình hóa sự chú ý của con người. Agent thì không lướt trang, không dừng ở nút bấm, không cảm được sự khẩn cấp. Nó gửi yêu cầu có cấu trúc, nhận phản hồi có cấu trúc và ra quyết định theo thuật toán.

Nếu analytics không phân biệt được lưu lượng agent với người, bạn đang mù một phần giao dịch. Nếu dữ liệu sản phẩm chỉ hiện sau khi JavaScript chạy, nhiều agent sẽ không đọc hoặc không buồn đọc. Nếu chính sách đổi trả nằm trong PDF, agent có thể loại bạn trước khi con người kịp nhìn thấy.

Agent thực sự đánh giá điều gì?

Một agent mua sắm không quan tâm ảnh hero đẹp đến đâu. Nó quan tâm dữ liệu có đủ để ra quyết định hay không. Có bốn nhóm tín hiệu đáng kiểm tra lại trên website của bạn.

1. Dữ liệu có cấu trúc: giá, SKU, biến thể, tồn kho, thời gian giao dự kiến có trích xuất ổn định qua Schema.org, JSON-LD hoặc API không.
2. Chính sách rõ ràng: đổi trả, bảo hành, chứng nhận tuân thủ, giới hạn khu vực. Agent đại diện người mua có điều kiện cụ thể sẽ lọc bạn ra nếu dữ liệu bị chôn quá sâu.
3. Tín hiệu tự tin: con người cần review và nhãn bán chạy; agent cần dữ liệu đầy đủ, nhất quán. Kích thước trên trang chi tiết lệch với markup là điểm trừ, không phải câu hỏi cần làm rõ.
4. Tính xác định: hai lần gọi API tồn kho liên tiếp trả về kết quả khác nhau vì cache cũ sẽ bị ghi nhận là mơ hồ. Con người có thể bỏ qua; máy đánh dấu lỗi niềm tin.

Điểm mấu chốt không phải chạy theo một danh sách kiểm tra dài. Là thay đổi câu hỏi: thay vì chỉ hỏi “người dùng có thấy dễ chịu không?”, hãy hỏi thêm “agent có lấy được thông tin này mà không phải đoán không?”. Một câu hỏi nhỏ nhưng kéo theo cách tổ chức dữ liệu, viết chính sách và đặt ưu tiên cho đội kỹ thuật.

Con người vẫn ở đó, chỉ là ở chỗ khác

Điều này không có nghĩa thiết kế lấy con người làm trung tâm đã chết. Phạm vi của nó đang dịch chuyển. Khoảnh khắc con người hiện diện rõ nhất là ở thượng nguồn: họ quyết định muốn gì, đặt giới hạn và cấu hình agent. Họ có thể không vào website của bạn, nhưng họ là người chọn niềm tin để giao việc mua cho trợ lý số.

Khoảnh khắc con người cũng quay lại ở hạ nguồn: giao hàng chậm, câu hỏi sản phẩm, đổi trả, khiếu nại. Một người mua qua agent nhưng gặp hỗ trợ tệ vẫn rời bỏ thương hiệu, vẫn để lại đánh giá và vẫn kể cho người khác. Lớp dịch vụ vẫn rất người, ngay cả khi lớp mua hàng đã tự động hóa.

Phần bị thu hẹp mạnh nhất là lớp ở giữa: thuyết phục. Merchandising, cá nhân hóa theo lượt nhấp, chuỗi email nurture vẫn hữu ích với người mua là con người, nhưng có thể đang nói chuyện với sai đối tượng nếu agent là người quyết định cuối.

Khi người mua là máy, kỹ năng bán hàng không biến mất. Nó chuyển thành kỹ năng làm cho dữ liệu đáng tin.

Tôi thấy đây là cách nhìn bớt bi kịch hơn nỗi sợ “AI thay thế marketers”. Marketer không mất việc; họ phải học thêm một ngôn ngữ: ngôn ngữ của dữ liệu rõ ràng, nhất quán và kiểm chứng được.

Thương mại đọc được bằng máy trông như thế nào?

Một trải nghiệm sẵn sàng cho agent không bắt đầu từ giao diện đẹp hơn. Nó bắt đầu từ kiến trúc dữ liệu. Danh mục sản phẩm nên là API-first, nơi mọi thuộc tính ảnh hưởng đến quyết định mua — giá, tồn kho, thời gian chờ, trạng thái tuân thủ, quy tắc thay thế — đều truy vấn được và trả về nhất quán, có phiên bản.

Chính sách cũng cần được “API hóa”. Không chỉ là trang /shipping-policy, mà là điểm cuối trả về quy tắc giao hàng có cấu trúc: đơn vị vận chuyển, khu vực, giờ cắt đơn, các bậc SLA. Đổi trả, bảo hành, chứng nhận cũng nên đi theo logic đó.

• Danh mục truy vấn được: giá, biến thể, tồn kho, thời gian giao, quy tắc thay thế.
• Điểm cuối chính sách: vận chuyển, đổi trả, bảo hành, chứng nhận.
• Khuyến mãi có cấu trúc: giảm giá, điều kiện, thời hạn, đối tượng.
• Tồn kho thời gian thực: không đồng bộ theo lô, không trả về “thường giao trong 3–5 ngày”.

Một ưu đãi chỉ nằm trong banner đồ họa sẽ vô hình với agent. Nếu logic khuyến mãi không nằm trong API giá hoặc markup đọc được, agent sẽ thấy giá đầy đủ của bạn trong khi giá giảm của đối thủ được hiển thị tự động. Không có gì quá cao siêu về kỹ thuật; phần lớn là vấn đề ưu tiên.

Ai sở hữu trải nghiệm agent, và nên bắt đầu từ đâu?

Đây là chỗ khiến tôi băn khoăn nhất. Hỏi đội thương mại điện tử ai phụ trách trải nghiệm mua sắm của con người, bạn sẽ nhận được sơ đồ tổ chức rõ ràng: UX, CRO, merchandising, cá nhân hóa. Hỏi ai phụ trách trải nghiệm của agent, bạn có thể nhận được khoảng lặng, rồi câu “chắc là đội kỹ thuật?”. Như vậy là chưa đủ.

Thương mại đọc được bằng máy không thuần túy là bài toán kỹ thuật. Nó cần thiết kế có chủ đích, thử nghiệm và vòng lặp cải tiến như UX cho con người. Ai đó phải hỏi: agent gặp gì khi truy vấn chúng ta? Nó bỏ cuộc ở đâu? Dữ liệu nào đang thiếu? Sự bất nhất nào đang âm thầm lấy đi đơn hàng mà analytics không nhìn thấy?

Ngành web đã từng hấp thụ accessibility, performance engineering, API design theo cách tương tự: từ mối bận tâm phụ thành chức năng chuyên môn với tiêu chuẩn và công cụ riêng. Thiết kế trải nghiệm cho agent cũng vậy, chỉ khác là đường cong chấp nhận của người mua AI dốc hơn nhiều. McKinsey dự báo đến năm 2030, bán lẻ B2C tại Mỹ có thể có tới 1.000 tỷ USD doanh thu được điều phối bởi thương mại agentic; toàn cầu có thể lên 3.000–5.000 tỷ USD.

Bạn không cần chờ ngân sách cho dự án lớn. Hãy truy vấn dữ liệu của chính mình theo cách một agent sẽ làm: dùng API công khai hoặc markup có cấu trúc, chọn 10 sản phẩm bán chạy nhất và thử lấy giá, tồn kho, thời gian giao, chính sách đổi trả.

1. Dữ liệu có đầy đủ và nhất quán giữa trang chi tiết, markup và API không?
2. Hai lần truy vấn liên tiếp có trả về cùng kết quả không?
3. Giá khuyến mãi có xuất hiện trong dữ liệu máy đọc được không?
4. Tồn kho là thời gian thực hay đang trễ vài giờ, vài ngày?

Phần lớn đội ngũ chạy bài kiểm tra này sẽ phát hiện lỗ hổng họ không biết là mình đang có. Không phải vì ai đó làm việc cẩu thả, mà vì chưa từng có ai nhìn trải nghiệm thương mại từ bên ngoài vào, bằng con mắt của một cỗ máy.

Còn bạn, nếu ngày mai một phần đáng kể đơn hàng đến từ agent, đội của bạn có biết ai chịu trách nhiệm không? Bạn nghĩ nên bắt đầu từ dữ liệu sản phẩm, từ chính sách, hay từ cách công ty phân công trách nhiệm? Hãy để lại bình luận — tôi rất muốn nghe góc nhìn ngược lại, nhất là từ người đang vận hành website mỗi ngày.