Khách hàng đã khai hết trên mạng: điều họ trân trọng, điều làm họ nổi giận, và khoảnh khắc quyết định họ có quay lại hay không. Hôm nay bạn học cách đọc những lời khai đó một cách có hệ thống — bằng số liệu, không bằng cảm tính.
Dữ liệu thật, công khai: đánh giá Ryanair 2012–2024 (airlinequality) và đánh giá khách sạn trên TripAdvisor. Số trên dashboard được tính trực tiếp từ hai file này — file thô tải được ở Phần C.
Trái: hãng bay giá rẻ (dịch vụ "được kỳ vọng thấp"). Phải: khách sạn (kỳ vọng cao hơn). Cùng là lời khai của khách — nhưng hai phân bố rất khác nhau. Bấm vào từng mảng để mở bảng số chi tiết.
Câu số: máy chấm ngay (đáp án nằm trên máy chủ). Câu diễn giải: giảng viên chấm và nhận xét vào tài khoản của bạn.
Chọn nhóm khách của hãng bay: hồ sơ hành vi của nhóm tự hiện ra — điểm, tỷ lệ giới thiệu, điểm thành phần, và 5 nỗi đau nhắc nhiều nhất trong review tiêu cực của CHÍNH nhóm đó.
Dùng số liệu ở Bước 1 và Ống kính chân dung. Mọi ô đều đòi dẫn số — nhận định không có số là nhận định chưa xong.
Phần A/B dùng số đã tính sẵn. Giờ bạn nhận dữ liệu THÔ — 4 mỏ — và tự đào bằng Google Colab + AI. Không có đáp án sẵn.
Từ buổi sau, kỹ thuật hôm nay sẽ áp lên một doanh nghiệp THẬT do nhóm bạn chọn và theo suốt học kỳ. Ghi rõ: (1) tên nhóm + thành viên; (2) doanh nghiệp thân chủ (khách sạn / nhà hàng / quán cà phê / cơ sở lưu trú, sự kiện, giải trí — ưu tiên TP.HCM); (3) vì sao chọn; (4) doanh nghiệp có đánh giá trực tuyến ở nền tảng nào, ước lượng bao nhiêu; (5) kế hoạch thu thập ≥100 đánh giá trước buổi sau.
Câu số (c1–c5) và ghép nguồn (s1) máy đã chấm. Các phần còn lại: đọc bài, gõ nhận xét/điểm rubric rồi Enter — sinh viên thấy ngay trong tài khoản của mình.
Đánh giá trực tuyến chỉ là MỘT nguồn. Người làm nghề biết mỗi loại tín hiệu nằm ở đâu và cách trích xuất.