Trước khi ưu tiên, bạn phải có một danh sách sáng kiến sạch: không trùng, mô tả đồng nhất, gắn đúng nguồn và bằng chứng. Đây là khâu tốn thời gian nhất và cũng là nơi AI tiết kiệm cho bạn nhiều giờ nhất mỗi tuần.
Vấn đề thực tế của PM
Đầu vào của bạn nằm rải rác: ticket CS, ghi chú họp sales, khảo sát NPS, ý tưởng nội bộ, feedback trong app. Chúng khác định dạng, khác ngôn ngữ, nhiều cái nói cùng một thứ bằng câu chữ khác nhau. "Cho phép xuất Excel", "muốn export dữ liệu", "tải báo cáo ra file" — ba câu, một nhu cầu. Nếu không gom, bạn sẽ chấm điểm ba lần cho cùng một việc.
AI giúp được gì
AI xử lý ngôn ngữ tự nhiên rất tốt: nó dedupe theo ý nghĩa (không chỉ theo từ khóa), chuẩn hóa mỗi sáng kiến về một cấu trúc thống nhất, và gắn nhãn theo persona, hành trình người dùng, hay mục tiêu kinh doanh. Việc của bạn là kiểm tra và bổ sung ngữ cảnh.
Ví dụ cụ thể
Bạn có 55 dòng feedback thô. Sau khi chạy prompt bên dưới, AI trả về 18 sáng kiến duy nhất, mỗi cái có: tiêu đề chuẩn, mô tả 1 câu, nguồn, số lần được nhắc, persona. Bạn rà lại, gộp thêm 2 cái AI bỏ sót, và có ngay backlog sạch để đưa vào chấm điểm ở Bài 3-5.
Prompt mẫu — "Chuẩn hóa & dedupe sáng kiến"
Vai trò: trợ lý Product Ops.
Đầu vào: danh sách feedback/ý tưởng thô (mỗi dòng 1 mục, có thể trùng ý).
Hãy:
1. Gộp các mục CÙNG Ý NGHĨA (dù câu chữ khác) thành 1 sáng kiến.
2. Chuẩn hóa mỗi sáng kiến theo cấu trúc:
- Tiêu đề (≤8 từ)
- Nhu cầu người dùng (job-to-be-done, 1 câu)
- Nguồn (liệt kê)
- Số lần được nhắc
- Persona/đối tượng (nếu suy ra được, ghi rõ độ chắc chắn)
3. Cột "Ghi chú kiểm tra": đánh dấu mục bạn phải đoán, để tôi xác minh.
QUY TẮC: không bịa số liệu; không suy diễn nhu cầu ngoài dữ liệu.
Trả về bảng Markdown, sắp theo số lần nhắc giảm dần.
DỮ LIỆU:
<dán feedback thô>
Các bước làm
- Thu thập tất cả nguồn vào một nơi (một Google Sheet hoặc file text).
- Làm sạch sơ bộ: xóa dòng rỗng, ẩn danh thông tin nhạy cảm (tên khách, số hợp đồng).
- Chạy prompt chuẩn hóa theo lô ≤50 dòng để chất lượng ổn định.
- Rà kết quả: kiểm cột "Ghi chú kiểm tra", sửa gộp/tách sai.
- Bổ sung bằng chứng: gắn link ticket, số liệu định lượng nếu có.
- Lưu thành backlog nguồn — đây là input cho các bài chấm điểm.
Template tái dùng — Cấu trúc một sáng kiến sạch
ID | Tiêu đề | Nhu cầu (JTBD) | Nguồn | Số lần nhắc | Persona | Bằng chứng (link/số) | Trạng thái xác minh
Dùng đúng cấu trúc này xuyên suốt để mọi framework ưu tiên đọc được dữ liệu của bạn.
Checklist trước khi chuyển sang chấm điểm
- [ ] Không còn mục trùng ý
- [ ] Mỗi sáng kiến có nhu cầu người dùng rõ ràng (không phải "giải pháp")
- [ ] Đã ẩn danh dữ liệu nhạy cảm
- [ ] Các mục AI "đoán" đã được người xác minh
- [ ] Có ít nhất 1 bằng chứng cho sáng kiến quan trọng
Sai lầm thường gặp
- Tin dedupe của AI 100%: AI đôi khi gộp nhầm hai nhu cầu khác nhau chỉ vì từ ngữ giống, hoặc tách một nhu cầu thành hai. Ảo giác còn thể hiện ở việc AI "chế" thêm persona không có trong dữ liệu. Luôn rà cột kiểm tra.
- Để AI biến feedback thành giải pháp: khách nói "muốn xuất Excel" là giải pháp, nhu cầu thật có thể là "chia sẻ dữ liệu với sếp". Yêu cầu AI ghi JTBD, và bạn kiểm lại.
- Rò rỉ dữ liệu khách: dán nguyên văn ticket có tên công ty, email, doanh thu vào công cụ công cộng. Ẩn danh trước, hoặc dùng công cụ nội bộ.
- Phụ thuộc quá mức vào lô lớn: nhồi 500 dòng một lần khiến AI bỏ sót và trộn lẫn. Chia lô nhỏ, kiểm từng lô.
Chốt bài
Một backlog sạch là nền móng. Sai từ đây, mọi điểm RICE hay Kano phía sau đều lệch. AI giúp bạn tới đích này nhanh gấp nhiều lần — miễn là bạn giữ vai trò người kiểm chứng cuối cùng.