Phân tích cảm xúc tiếng Việt với Claude — Sentiment Analysis cho review và phản hồi

Phân tích cảm xúc (sentiment analysis) là một trong những ứng dụng quan trọng nhất của xử lý ngôn ngữ tự nhiên (NLP). Tuy nhiên, tiếng Việt có những đặc thù khiến việc phân tích cảm xúc trở nên phức tạp hơn rất nhiều so với tiếng Anh. Trong bài viết này, chúng ta sẽ xây dựng một hệ thống phân tích cảm xúc toàn diện sử dụng Claude API, từ phân tích đơn lẻ đến xử lý hàng loạt hàng trăm review từ Shopee, Tiki hay Lazada.

Tại sao phân tích cảm xúc tiếng Việt khó hơn tiếng Anh?

Trước khi đi vào giải pháp, hãy hiểu tại sao tiếng Việt là một thách thức lớn cho các hệ thống sentiment analysis truyền thống.

1. Mỉa mai và nghịch lý cảm xúc

Tiếng Việt có rất nhiều cách diễn đạt mỉa mai mà máy tính khó nhận biết:

• “Đắt mà xịn” — nghe tích cực nhưng thực chất là phàn nàn về giá, chỉ chấp nhận vì chất lượng
• “Hàng đẹp lắm, đẹp đến mức không dám dùng” — mỉa mai, thực tế là sản phẩm kém chất lượng
• “Cảm ơn shop nhiều lắm nha, đợi 2 tuần mới nhận được hàng” — mỉa mai về giao hàng chậm
• “5 sao cho shop để shop có động lực cải thiện” — đánh giá thấp nhưng cho điểm cao vì lịch sự

2. Phủ định gián tiếp và giảm nhẹ

Người Việt có xu hướng giảm nhẹ mức độ tiêu cực khi đánh giá, khiến máy tính dễ hiểu sai:

• “Cũng được” — nghe trung tính nhưng thường mang nghĩa tiêu cực nhẹ (“không tốt lắm”)
• “Hơi thất vọng” — thực tế là rất thất vọng, “hơi” là cách nói giảm
• “Chưa được như kỳ vọng” — tiêu cực mạnh nhưng diễn đạt nhẹ nhàng
• “Không đến nỗi” — trung tính thiên tích cực, nghĩa là “tạm chấp nhận được”

3. Ngữ cảnh văn hóa

Một số diễn đạt chỉ có thể hiểu đúng trong ngữ cảnh văn hóa Việt Nam:

• “Giá sinh viên” — tích cực (rẻ, phù hợp túi tiền)
• “Chất lượng Trung Quốc” — thường mang nghĩa tiêu cực trong ngữ cảnh e-commerce Việt Nam
• “Như hình” — tích cực (sản phẩm giống ảnh quảng cáo)
• “Shop thân thiện” — tích cực về dịch vụ khách hàng

Thiết kế JSON Schema cho dữ liệu cảm xúc

Trước khi viết prompt, chúng ta cần định nghĩa cấu trúc dữ liệu đầu ra. Một schema tốt sẽ giúp bạn dễ dàng tích hợp vào hệ thống phân tích sau này.

{
  "review_id": "string",
  "original_text": "string",
  "overall_sentiment": {
    "label": "positive | negative | neutral | mixed",
    "score": 0.0,
    "confidence": 0.0
  },
  "aspects": [
    {
      "aspect": "string",
      "category": "product_quality | price | shipping | customer_service | packaging | authenticity",
      "sentiment": "positive | negative | neutral",
      "score": 0.0,
      "evidence": "string",
      "explanation": "string"
    }
  ],
  "linguistic_notes": {
    "has_sarcasm": false,
    "has_indirect_negation": false,
    "has_cultural_context": false,
    "slang_detected": ["string"],
    "explanation": "string"
  },
  "actionable_insight": "string"
}

Trong schema này:

• overall_sentiment: đánh giá tổng thể với điểm số từ -1.0 (cực kỳ tiêu cực) đến 1.0 (cực kỳ tích cực)
• aspects: phân tích theo từng khía cạnh cụ thể của sản phẩm/dịch vụ
• linguistic_notes: ghi nhận các hiện tượng ngôn ngữ đặc biệt như mỉa mai, phủ định gián tiếp
• actionable_insight: đề xuất hành động cụ thể cho doanh nghiệp

Prompt phân tích cảm xúc đơn lẻ

Đây là prompt template để phân tích một review đơn lẻ:

import Anthropic from "@anthropic-ai/sdk";

const client = new Anthropic();

const SYSTEM_PROMPT = `Bạn là chuyên gia phân tích cảm xúc tiếng Việt chuyên về review
e-commerce. Bạn hiểu sâu về:
- Cách người Việt diễn đạt cảm xúc gián tiếp
- Mỉa mai và nghịch lý trong đánh giá sản phẩm
- Ngữ cảnh văn hóa Việt Nam trong mua sắm trực tuyến
- Tiếng lóng, viết tắt và cách viết không dấu của người Việt

Quy tắc phân tích:
1. "Cũng được" = tiêu cực nhẹ (score: -0.2 đến -0.4)
2. "Hơi + [tính từ tiêu cực]" = tiêu cực mạnh (nhân với 1.5)
3. Khi review cho 5 sao nhưng nội dung tiêu cực = mixed sentiment
4. "Đắt mà xịn" = mixed (tích cực về chất lượng, tiêu cực về giá)
5. Phát hiện mỉa mai qua ngôn ngữ quá khen hoặc cảm ơn không hợp lý

Trả về kết quả theo JSON schema đã định nghĩa.`;

async function analyzeSentiment(reviewText, reviewId) {
  const response = await client.messages.create({
    model: "claude-sonnet-4-20250514",
    max_tokens: 2000,
    system: SYSTEM_PROMPT,
    messages: [
      {
        role: "user",
        content: `Phân tích cảm xúc review sau đây. Trả về JSON hợp lệ.

Review ID: ${reviewId}
Nội dung: "${reviewText}"

Trả về kết quả theo cấu trúc JSON:
{
  "review_id": "...",
  "original_text": "...",
  "overall_sentiment": { "label": "...", "score": ..., "confidence": ... },
  "aspects": [
    {
      "aspect": "...",
      "category": "...",
      "sentiment": "...",
      "score": ...,
      "evidence": "...",
      "explanation": "..."
    }
  ],
  "linguistic_notes": {
    "has_sarcasm": ...,
    "has_indirect_negation": ...,
    "has_cultural_context": ...,
    "slang_detected": [...],
    "explanation": "..."
  },
  "actionable_insight": "..."
}`
      }
    ]
  });

  return JSON.parse(response.content[0].text);
}

// Sử dụng
const result = await analyzeSentiment(
  "Sản phẩm cũng được, giao hàng hơi chậm nhưng shop nhiệt tình. Đóng gói cẩn thận, giá hợp lý. Sẽ ủng hộ tiếp.",
  "REV-001"
);
console.log(JSON.stringify(result, null, 2));

10+ Ví dụ phân tích review thực tế

Hãy xem Claude xử lý các review thực tế từ các sàn thương mại điện tử Việt Nam như thế nào.

Review 1: Mixed sentiment với mỉa mai

Review: "Đắt mà xịn, bỏ ra 500k cho cái áo thun mà chất vải mềm mịn thật sự.
Nhưng mà đợi bao nhiêu ngày mới nhận được hàng thì chỉ có trời biết."

Kết quả phân tích:
{
  "overall_sentiment": { "label": "mixed", "score": 0.1, "confidence": 0.85 },
  "aspects": [
    { "aspect": "Chất lượng vải", "category": "product_quality", "sentiment": "positive", "score": 0.8, "evidence": "chất vải mềm mịn thật sự" },
    { "aspect": "Giá cả", "category": "price", "sentiment": "negative", "score": -0.5, "evidence": "Đắt mà xịn, bỏ ra 500k" },
    { "aspect": "Tốc độ giao hàng", "category": "shipping", "sentiment": "negative", "score": -0.7, "evidence": "đợi bao nhiêu ngày mới nhận được hàng" }
  ],
  "linguistic_notes": {
    "has_sarcasm": true,
    "has_indirect_negation": false,
    "has_cultural_context": true,
    "explanation": "'Đắt mà xịn' là cách nói thừa nhận chất lượng tốt nhưng vẫn phàn nàn về giá. 'chỉ có trời biết' là cách nói mỉa mai về thời gian giao hàng."
  }
}

Review 2: Phủ định gián tiếp

Review: "Sản phẩm cũng được, không đến nỗi nhưng chưa được như kỳ vọng.
Màu sắc hơi khác so với hình, chất lượng tạm ổn."

Kết quả phân tích:
{
  "overall_sentiment": { "label": "negative", "score": -0.35, "confidence": 0.80 },
  "aspects": [
    { "aspect": "Tổng thể sản phẩm", "category": "product_quality", "sentiment": "negative", "score": -0.3, "evidence": "cũng được, không đến nỗi nhưng chưa được như kỳ vọng" },
    { "aspect": "Màu sắc", "category": "authenticity", "sentiment": "negative", "score": -0.5, "evidence": "hơi khác so với hình" },
    { "aspect": "Chất lượng", "category": "product_quality", "sentiment": "neutral", "score": -0.1, "evidence": "chất lượng tạm ổn" }
  ],
  "linguistic_notes": {
    "has_indirect_negation": true,
    "explanation": "'Cũng được' và 'tạm ổn' đều là cách nói giảm. 'Hơi khác so với hình' cho thấy sản phẩm không đúng như quảng cáo."
  }
}

Review 3: Tích cực thật sự

Review: "Hàng nhận đúng như mô tả, chất vải tốt hơn mong đợi.
Shop đóng gói cẩn thận, giao hàng nhanh. Sẽ giới thiệu bạn bè mua."

Kết quả phân tích:
{
  "overall_sentiment": { "label": "positive", "score": 0.9, "confidence": 0.95 },
  "aspects": [
    { "aspect": "Độ chính xác mô tả", "category": "authenticity", "sentiment": "positive", "score": 0.8, "evidence": "đúng như mô tả" },
    { "aspect": "Chất lượng", "category": "product_quality", "sentiment": "positive", "score": 0.9, "evidence": "tốt hơn mong đợi" },
    { "aspect": "Đóng gói", "category": "packaging", "sentiment": "positive", "score": 0.8, "evidence": "đóng gói cẩn thận" },
    { "aspect": "Giao hàng", "category": "shipping", "sentiment": "positive", "score": 0.8, "evidence": "giao hàng nhanh" }
  ],
  "linguistic_notes": {
    "has_sarcasm": false,
    "explanation": "'Sẽ giới thiệu bạn bè mua' là tín hiệu tích cực mạnh, cho thấy khách hàng thực sự hài lòng."
  }
}

Review 4: Mỉa mai 5 sao

Review: "5 sao vì không biết cho ít hơn. Hàng về mốc tem Trung Quốc
trong khi shop quảng cáo hàng Việt Nam. Cảm ơn shop nhiều."

Kết quả phân tích:
{
  "overall_sentiment": { "label": "negative", "score": -0.8, "confidence": 0.90 },
  "aspects": [
    { "aspect": "Độ tin cậy", "category": "authenticity", "sentiment": "negative", "score": -0.9, "evidence": "mốc tem Trung Quốc trong khi quảng cáo hàng Việt Nam" },
    { "aspect": "Dịch vụ shop", "category": "customer_service", "sentiment": "negative", "score": -0.7, "evidence": "Cảm ơn shop nhiều (mỉa mai)" }
  ],
  "linguistic_notes": {
    "has_sarcasm": true,
    "has_cultural_context": true,
    "explanation": "'5 sao vì không biết cho ít hơn' là mỉa mai rõ ràng. 'Cảm ơn shop nhiều' là cách nói mỉa mai thể hiện sự thất vọng. 'Hàng Trung Quốc' trong ngữ cảnh này mang ý nghĩa tiêu cực về chất lượng và độ tin cậy."
  }
}

Review 5: Tiếng lóng và viết tắt

Review: "Sp ok, ship nhanh, cs tốt. Giá rẻ mà chất ko tệ.
Next time sẽ order tiếp. Tks shop!"

Kết quả phân tích:
{
  "overall_sentiment": { "label": "positive", "score": 0.6, "confidence": 0.85 },
  "aspects": [
    { "aspect": "Sản phẩm", "category": "product_quality", "sentiment": "positive", "score": 0.5, "evidence": "Sp ok, chất ko tệ" },
    { "aspect": "Giao hàng", "category": "shipping", "sentiment": "positive", "score": 0.7, "evidence": "ship nhanh" },
    { "aspect": "Chăm sóc khách hàng", "category": "customer_service", "sentiment": "positive", "score": 0.7, "evidence": "cs tốt" },
    { "aspect": "Giá cả", "category": "price", "sentiment": "positive", "score": 0.7, "evidence": "Giá rẻ" }
  ],
  "linguistic_notes": {
    "slang_detected": ["Sp = sản phẩm", "ship = giao hàng", "cs = chăm sóc khách hàng", "ko = không", "tks = thanks/cảm ơn"],
    "explanation": "Review sử dụng nhiều viết tắt và tiếng lóng thường gặp trên Shopee/Tiki. 'Sẽ order tiếp' là tín hiệu tích cực về ý định mua lại."
  }
}

Review 6: Than phiền qua người thân

Review: "Mua cho mẹ nhưng mẹ bảo không thích, chất vải cứng,
màu già hơn tuổi. Đổi trả thì shop không hỗ trợ. Thất vọng."

Kết quả phân tích:
{
  "overall_sentiment": { "label": "negative", "score": -0.75, "confidence": 0.90 },
  "aspects": [
    { "aspect": "Chất vải", "category": "product_quality", "sentiment": "negative", "score": -0.6, "evidence": "chất vải cứng" },
    { "aspect": "Màu sắc/Thiết kế", "category": "product_quality", "sentiment": "negative", "score": -0.5, "evidence": "màu già hơn tuổi" },
    { "aspect": "Chính sách đổi trả", "category": "customer_service", "sentiment": "negative", "score": -0.9, "evidence": "đổi trả thì shop không hỗ trợ" }
  ],
  "linguistic_notes": {
    "has_cultural_context": true,
    "explanation": "'Mua cho mẹ' cho thấy ngữ cảnh mua sắm gia đình, phổ biến ở Việt Nam. 'Thất vọng' ở cuối review là tín hiệu tiêu cực mạnh, tổng kết lại trải nghiệm."
  }
}

Review 7: Cảm xúc hỗn hợp phức tạp

Review: "Điện thoại đẹp, màn hình sáng, chụp hình rõ. Nhưng pin yếu,
dùng được nửa ngày là hết. Bộ sạc đi kèm là sạc chậm, phải mua riêng
sạc nhanh. Tính ra tốn thêm 300k nữa."

Kết quả phân tích:
{
  "overall_sentiment": { "label": "mixed", "score": 0.0, "confidence": 0.85 },
  "aspects": [
    { "aspect": "Thiết kế", "category": "product_quality", "sentiment": "positive", "score": 0.7, "evidence": "Điện thoại đẹp" },
    { "aspect": "Màn hình", "category": "product_quality", "sentiment": "positive", "score": 0.7, "evidence": "màn hình sáng" },
    { "aspect": "Camera", "category": "product_quality", "sentiment": "positive", "score": 0.7, "evidence": "chụp hình rõ" },
    { "aspect": "Pin", "category": "product_quality", "sentiment": "negative", "score": -0.8, "evidence": "pin yếu, dùng được nửa ngày là hết" },
    { "aspect": "Phụ kiện đi kèm", "category": "product_quality", "sentiment": "negative", "score": -0.6, "evidence": "sạc chậm, phải mua riêng sạc nhanh" },
    { "aspect": "Chi phí phát sinh", "category": "price", "sentiment": "negative", "score": -0.5, "evidence": "tốn thêm 300k nữa" }
  ]
}

Review 8: Đánh giá nhiệt tình với tiếng lóng

Review: "Xịn xò luôn, mua 3 cái rồi ko chán.
Rep nhanh, đóng gói cực kỳ cẩn thận. 10 điểm không có nhưng."

Kết quả phân tích:
{
  "overall_sentiment": { "label": "positive", "score": 0.95, "confidence": 0.92 },
  "aspects": [
    { "aspect": "Sản phẩm", "category": "product_quality", "sentiment": "positive", "score": 0.95, "evidence": "Xịn xò luôn, mua 3 cái rồi ko chán" },
    { "aspect": "Hỗ trợ khách hàng", "category": "customer_service", "sentiment": "positive", "score": 0.8, "evidence": "Rep nhanh" },
    { "aspect": "Đóng gói", "category": "packaging", "sentiment": "positive", "score": 0.9, "evidence": "đóng gói cực kỳ cẩn thận" }
  ],
  "linguistic_notes": {
    "slang_detected": ["xịn xò = tuyệt vời", "ko chán = không chán (vẫn thích)", "rep = reply/trả lời"],
    "explanation": "'10 điểm không có nhưng' là cách khen tuyệt đối của giới trẻ Việt Nam, cho thấy sự hài lòng hoàn toàn."
  }
}

Review 9: Khen nhưng có cảnh báo

Review: "Sản phẩm tốt, đúng như quảng cáo. Nhưng giá này thì nên mua
ở cửa hàng chính hãng cho đảm bảo. Mua online cũng được nhưng phải
chọn shop uy tín, nhiều shop bán hàng nhái lắm."

Kết quả phân tích:
{
  "overall_sentiment": { "label": "positive", "score": 0.4, "confidence": 0.75 },
  "aspects": [
    { "aspect": "Chất lượng sản phẩm", "category": "product_quality", "sentiment": "positive", "score": 0.7, "evidence": "tốt, đúng như quảng cáo" },
    { "aspect": "Kênh mua hàng", "category": "authenticity", "sentiment": "neutral", "score": -0.2, "evidence": "nên mua ở cửa hàng chính hãng" }
  ],
  "linguistic_notes": {
    "has_cultural_context": true,
    "explanation": "Review phản ánh tâm lý cẩn trọng của người Việt khi mua hàng online, đặc biệt với sản phẩm giá cao. 'Nhiều shop bán hàng nhái' là cảnh báo thực tế trong thị trường e-commerce Việt Nam."
  }
}

Review 10: Chỉ đánh giá sao, không viết gì

Review: "."

Kết quả phân tích:
{
  "overall_sentiment": { "label": "neutral", "score": 0.0, "confidence": 0.30 },
  "aspects": [],
  "linguistic_notes": {
    "has_cultural_context": true,
    "explanation": "Nhiều người dùng Shopee/Tiki chỉ đánh giá sao mà không viết nội dung, hoặc viết ký tự ngẫu nhiên để nhận xu/điểm thưởng. Không thể rút ra insight từ review này."
  },
  "actionable_insight": "Cần kết hợp với số sao để đánh giá. Review không có nội dung thường chiếm 30-40% trên Shopee."
}

Xử lý hàng loạt: Phân tích 100+ review cùng lúc

Trong thực tế, bạn cần phân tích hàng trăm review cùng lúc. Đây là cách xây dựng hệ thống batch processing với Claude API.

import Anthropic from "@anthropic-ai/sdk";

const client = new Anthropic();

// Chia review thành các batch nhỏ
function chunkArray(array, chunkSize) {
  const chunks = [];
  for (let i = 0; i < array.length; i += chunkSize) {
    chunks.push(array.slice(i, i + chunkSize));
  }
  return chunks;
}

async function batchAnalyze(reviews, batchSize = 10) {
  const batches = chunkArray(reviews, batchSize);
  const allResults = [];

  for (let i = 0; i < batches.length; i++) {
    console.log(`Đang xử lý batch ${i + 1}/${batches.length}...`);

    const batchText = batches[i]
      .map((r, idx) => `Review ${i * batchSize + idx + 1}: "${r.text}" (ID: ${r.id})`)
      .join("\n");

    const response = await client.messages.create({
      model: "claude-sonnet-4-20250514",
      max_tokens: 4096,
      system: `Bạn là chuyên gia phân tích cảm xúc tiếng Việt. Phân tích tất cả
review được cung cấp và trả về mảng JSON. Mỗi review cần có:
- overall_sentiment (label, score, confidence)
- aspects (aspect, category, sentiment, score, evidence)
- linguistic_notes nếu có điều đặc biệt
Chỉ trả về JSON hợp lệ, không giải thích thêm.`,
      messages: [
        {
          role: "user",
          content: `Phân tích cảm xúc các review sau. Trả về JSON array.

${batchText}

Trả về dạng: [{ "review_id": "...", "overall_sentiment": {...}, "aspects": [...] }, ...]`
        }
      ]
    });

    const batchResults = JSON.parse(response.content[0].text);
    allResults.push(...batchResults);

    // Rate limiting: đợi 1 giây giữa các batch
    if (i < batches.length - 1) {
      await new Promise(resolve => setTimeout(resolve, 1000));
    }
  }

  return allResults;
}

// Tổng hợp thống kê từ kết quả
function generateSummary(results) {
  const summary = {
    total_reviews: results.length,
    sentiment_distribution: { positive: 0, negative: 0, neutral: 0, mixed: 0 },
    average_score: 0,
    top_issues: {},
    top_praises: {},
    sarcasm_count: 0
  };

  let totalScore = 0;

  for (const r of results) {
    summary.sentiment_distribution[r.overall_sentiment.label]++;
    totalScore += r.overall_sentiment.score;

    if (r.linguistic_notes?.has_sarcasm) summary.sarcasm_count++;

    for (const aspect of r.aspects || []) {
      const bucket = aspect.sentiment === "negative" ? summary.top_issues : summary.top_praises;
      if (!bucket[aspect.category]) bucket[aspect.category] = 0;
      bucket[aspect.category]++;
    }
  }

  summary.average_score = (totalScore / results.length).toFixed(2);
  return summary;
}

// Sử dụng
const reviews = [
  { id: "R001", text: "Hàng đẹp, giao nhanh, sẽ mua lại" },
  { id: "R002", text: "Sản phẩm cũng được, hơi khác hình" },
  { id: "R003", text: "Đắt mà xịn, chất lượng tốt thật" },
  // ... thêm 97 review nữa
];

const results = await batchAnalyze(reviews);
const summary = generateSummary(results);
console.log(JSON.stringify(summary, null, 2));

Prompt template cho phân tích theo khía cạnh (Aspect-based)

Phân tích theo khía cạnh (aspect-based sentiment analysis) giúp bạn hiểu khách hàng hài lòng và không hài lòng về điều gì cụ thể, thay vì chỉ biết “tích cực” hay “tiêu cực” chung chung.

const ASPECT_PROMPT = `Phân tích review e-commerce tiếng Việt sau đây theo từng khía cạnh.

Các khía cạnh cần phân tích:
1. product_quality: Chất lượng sản phẩm, chất liệu, độ bền
2. price: Giá cả, giá trị đồng tiền
3. shipping: Tốc độ giao hàng, đơn vị vận chuyển
4. packaging: Đóng gói, bảo vệ sản phẩm
5. customer_service: Thái độ shop, hỗ trợ, phản hồi
6. authenticity: Độ chính xác so với mô tả, hàng thật/giả

Với mỗi khía cạnh xuất hiện trong review, trích xuất:
- aspect: tên khía cạnh cụ thể (ví dụ: "Chất vải áo", "Tốc độ giao hàng")
- category: một trong 6 loại trên
- sentiment: positive/negative/neutral
- score: -1.0 đến 1.0
- evidence: trích dẫn nguyên văn từ review
- explanation: giải thích tại sao đánh giá như vậy, đặc biệt nếu có yếu tố
  ngôn ngữ đặc biệt (mỉa mai, phủ định gián tiếp, tiếng lóng)

Review: "{review_text}"

Trả về JSON hợp lệ.`;

async function aspectAnalysis(reviewText) {
  const response = await client.messages.create({
    model: "claude-sonnet-4-20250514",
    max_tokens: 2000,
    messages: [
      {
        role: "user",
        content: ASPECT_PROMPT.replace("{review_text}", reviewText)
      }
    ]
  });

  return JSON.parse(response.content[0].text);
}

So sánh Claude với VnCoreNLP và PhoBERT

Khi xây dựng hệ thống phân tích cảm xúc tiếng Việt, bạn có 3 lựa chọn chính. Mỗi công cụ có thế mạnh và hạn chế riêng.

Tiêu chí	Claude API	PhoBERT	VnCoreNLP
Độ chính xác tiếng Việt	Cao (hiểu ngữ cảnh, mỉa mai)	Cao (pre-trained trên corpus tiếng Việt)	Trung bình (rule-based)
Xử lý mỉa mai	Tốt (hiểu ngầm ý)	Hạn chế (cần fine-tune)	Kém
Aspect-based analysis	Có sẵn (qua prompt)	Cần fine-tune riêng	Không hỗ trợ
Chi phí	Theo API call (~$0.003/review)	Miễn phí (self-host)	Miễn phí (self-host)
Tốc độ xử lý	1-3 giây/review	50-100ms/review (GPU)	10-50ms/review (CPU)
Tiếng lóng/viết tắt	Tốt	Trung bình	Kém
Không cần training data	Có (zero-shot)	Cần dataset có nhãn	Cần từ điển
Giải thích kết quả	Chi tiết, tự nhiên	Cần thêm công cụ	Hạn chế

Khi nào nên dùng công cụ nào?

Dùng Claude API khi:

• Cần phân tích sâu, hiểu ngữ cảnh và mỉa mai
• Số lượng review dưới 10,000/ngày
• Cần aspect-based analysis chi tiết
• Không có đội ngũ ML để fine-tune model
• Cần giải thích kết quả bằng ngôn ngữ tự nhiên

Dùng PhoBERT khi:

• Số lượng review rất lớn (100,000+/ngày)
• Cần tốc độ xử lý nhanh (real-time)
• Có đội ngũ ML và dữ liệu có nhãn để fine-tune
• Chỉ cần positive/negative/neutral cơ bản
• Cần tiết kiệm chi phí API dài hạn

Kết hợp cả hai: Dùng PhoBERT để lọc nhanh và phân loại sơ bộ, sau đó chuyển các review phức tạp (mixed, có dấu hiệu mỉa mai) sang Claude để phân tích sâu. Đây là kiến trúc tối ưu về cả chi phí và chất lượng.

Xử lý các trường hợp đặc biệt

Mixed sentiment

Review có cả yếu tố tích cực và tiêu cực là trường hợp phổ biến nhất trên e-commerce. Prompt cần hướng dẫn Claude tách biệt rõ từng khía cạnh thay vì cho một điểm trung bình chung chung.

// Thêm vào system prompt:
const MIXED_SENTIMENT_RULES = `
Khi gặp review có cảm xúc hỗn hợp:
1. KHÔNG lấy trung bình các score. Ví dụ: +0.8 và -0.8 KHÔNG phải là 0.0 (neutral)
   mà là mixed sentiment
2. Ghi nhận rõ từng khía cạnh tích cực và tiêu cực riêng biệt
3. Overall label = "mixed" khi có ít nhất 1 aspect positive VÀ 1 aspect negative
   với |score| >= 0.3
4. Overall score là weighted average, trọng số theo độ quan trọng của aspect
   (product_quality > shipping > packaging)
`;

Mỉa mai và chơi chữ

// Các mẫu mỉa mai thường gặp trong review tiếng Việt:
const SARCASM_PATTERNS = `
Nhận biết mỉa mai qua các mẫu sau:
1. Khen quá mức + chi tiết tiêu cực: "Tuyệt vời, đợi 2 tuần mới có hàng"
2. Cảm ơn + than phiền: "Cảm ơn shop đã gửi sai hàng"
3. 5 sao + nội dung 1 sao: "5 sao cho shop có động lực cải thiện nha"
4. So sánh nghịch: "Đẹp như hàng chợ đêm"
5. Câu hỏi tự trả lời: "Chất lượng gì mà dùng 2 ngày đã hư?"
6. "Luôn" kèm nội dung tiêu cực: "Giao hàng nhanh luôn, chỉ có 3 tuần"
`;

Tiếng lóng và viết không dấu

// Xử lý tiếng lóng e-commerce Việt Nam:
const SLANG_GUIDE = `
Từ điển tiếng lóng thường gặp:
- sp/spm = sản phẩm
- ship = giao hàng
- cs/cskh = chăm sóc khách hàng
- rep = trả lời (reply)
- ok/oke/okie = đồng ý, chấp nhận được
- ko/k/kh = không
- dc/dk = được
- mn = mọi người
- tks/tk = thanks
- ad/admin = quản trị viên shop
- auth/authen = chính hãng (authentic)
- real/rl = hàng thật
- fake = hàng giả
- feedback/fb = phản hồi
- rate = đánh giá
- ib = inbox (nhắn tin riêng)
`;

Xuất kết quả ra Google Sheets

Sau khi phân tích, bạn có thể xuất kết quả ra Google Sheets để dễ dàng chia sẻ và trực quan hóa.

import { google } from "googleapis";

async function exportToSheets(results, spreadsheetId) {
  const auth = new google.auth.GoogleAuth({
    keyFile: "credentials.json",
    scopes: ["https://www.googleapis.com/auth/spreadsheets"]
  });

  const sheets = google.sheets({ version: "v4", auth });

  // Tạo header
  const headers = [
    "Review ID", "Nội dung", "Sentiment", "Score", "Confidence",
    "Aspects", "Có mỉa mai", "Insight"
  ];

  // Chuyển đổi dữ liệu
  const rows = results.map(r => [
    r.review_id,
    r.original_text,
    r.overall_sentiment.label,
    r.overall_sentiment.score,
    r.overall_sentiment.confidence,
    (r.aspects || []).map(a => `${a.aspect}: ${a.sentiment} (${a.score})`).join(" | "),
    r.linguistic_notes?.has_sarcasm ? "Có" : "Không",
    r.actionable_insight || ""
  ]);

  // Ghi vào sheet
  await sheets.spreadsheets.values.update({
    spreadsheetId,
    range: "Sentiment!A1",
    valueInputOption: "USER_ENTERED",
    requestBody: {
      values: [headers, ...rows]
    }
  });

  // Tạo sheet tóm tắt
  const summary = generateSummary(results);
  const summaryRows = [
    ["Chỉ số", "Giá trị"],
    ["Tổng review", summary.total_reviews],
    ["Tích cực", summary.sentiment_distribution.positive],
    ["Tiêu cực", summary.sentiment_distribution.negative],
    ["Trung tính", summary.sentiment_distribution.neutral],
    ["Hỗn hợp", summary.sentiment_distribution.mixed],
    ["Điểm trung bình", summary.average_score],
    ["Có mỉa mai", summary.sarcasm_count]
  ];

  await sheets.spreadsheets.values.update({
    spreadsheetId,
    range: "Summary!A1",
    valueInputOption: "USER_ENTERED",
    requestBody: {
      values: summaryRows
    }
  });

  console.log("Đã xuất kết quả thành công!");
}

// Sử dụng
await exportToSheets(results, "SPREADSHEET_ID_CUA_BAN");

Trực quan hóa trên Dashboard

Để xây dựng dashboard trực quan hóa kết quả phân tích, bạn có thể sử dụng dữ liệu đã xuất để tạo các biểu đồ sau:

// Cấu trúc dữ liệu cho dashboard
function prepareDashboardData(results) {
  // 1. Phân bố cảm xúc theo thời gian
  const sentimentTimeline = {};
  for (const r of results) {
    const date = r.date || "unknown";
    if (!sentimentTimeline[date]) {
      sentimentTimeline[date] = { positive: 0, negative: 0, neutral: 0, mixed: 0 };
    }
    sentimentTimeline[date][r.overall_sentiment.label]++;
  }

  // 2. Top vấn đề được nhắc đến nhiều nhất
  const issueFrequency = {};
  for (const r of results) {
    for (const aspect of r.aspects || []) {
      if (aspect.sentiment === "negative") {
        const key = aspect.category;
        if (!issueFrequency[key]) issueFrequency[key] = { count: 0, totalScore: 0 };
        issueFrequency[key].count++;
        issueFrequency[key].totalScore += Math.abs(aspect.score);
      }
    }
  }

  // 3. Điểm trung bình theo từng khía cạnh
  const aspectScores = {};
  for (const r of results) {
    for (const aspect of r.aspects || []) {
      if (!aspectScores[aspect.category]) {
        aspectScores[aspect.category] = { total: 0, count: 0 };
      }
      aspectScores[aspect.category].total += aspect.score;
      aspectScores[aspect.category].count++;
    }
  }

  for (const key of Object.keys(aspectScores)) {
    aspectScores[key].average = (
      aspectScores[key].total / aspectScores[key].count
    ).toFixed(2);
  }

  return { sentimentTimeline, issueFrequency, aspectScores };
}

Dữ liệu này có thể được sử dụng với bất kỳ thư viện biểu đồ nào như Chart.js, Recharts, hoặc đơn giản là tạo biểu đồ trong Google Sheets.

Kiến trúc tổng thể hệ thống

Để xây dựng một hệ thống phân tích cảm xúc hoàn chỉnh cho doanh nghiệp, bạn có thể tham khảo kiến trúc sau:

1. Thu thập dữ liệu: Scrape review từ Shopee/Tiki/Lazada hoặc nhận từ hệ thống CRM
2. Tiền xử lý: Loại bỏ review trống, chuẩn hóa viết tắt và tiếng lóng
3. Phân loại nhanh: Dùng PhoBERT để phân loại cơ bản (positive/negative/neutral)
4. Phân tích sâu: Chuyển review phức tạp (mixed, có dấu hiệu mỉa mai) sang Claude API
5. Lưu trữ: Lưu kết quả vào database (MongoDB hoặc PostgreSQL)
6. Trực quan hóa: Dashboard real-time với Google Sheets hoặc công cụ BI
7. Cảnh báo: Gửi thông báo khi phát hiện review tiêu cực nghiêm trọng hoặc đợt tăng review xấu

Lời khuyên thực hành

• Lưu cache kết quả: Mỗi review chỉ cần phân tích một lần. Lưu kết quả vào database để tránh gọi API trùng lập
• Kết hợp với số sao: Số sao cho bởi người dùng là tín hiệu quan trọng. Khi review 5 sao nhưng nội dung tiêu cực, ưu tiên tin nội dung hơn số sao
• Theo dõi xu hướng: Phân tích cảm xúc theo thời gian để phát hiện vấn đề sớm. Nếu tỉ lệ review tiêu cực tăng đột biến, có thể có lỗi sản phẩm hoặc vấn đề giao hàng
• Tùy chỉnh theo ngành: Mỗi ngành có từ vựng và cách đánh giá riêng. Thêm domain-specific terms vào prompt để tăng độ chính xác
• Validation định kỳ: Lấy mẫu 50-100 review đã phân tích, kiểm tra thủ công và cập nhật prompt nếu cần

Bước tiếp theo

Bạn đã nắm được cách xây dựng hệ thống phân tích cảm xúc tiếng Việt với Claude API, từ phân tích đơn lẻ đến xử lý hàng loạt và trực quan hóa kết quả. Hệ thống này có thể ứng dụng ngay vào việc theo dõi review sản phẩm, phân tích phản hồi khách hàng, hoặc đo lường tình cảm thương hiệu trên mạng xã hội. Khám phá thêm các hướng dẫn xử lý ngôn ngữ tiếng Việt tại Thư viện Ứng dụng Claude.