Tác giả: Ray Wang và Shanna Chang
Ngày phát hành: 22 JAN 2026
Chuyên mục: Amazon Bedrock Agents, Amazon Bedrock Knowledge Bases, Amazon Elastic Container Service, Amazon SageMaker Data & AI Governance, Customer Solutions, Elastic Load Balancing

CLICKFORCE là một trong những công ty hàng đầu về dịch vụ quảng cáo kỹ thuật số tại Đài Loan, chuyên về quảng cáo và chuyển đổi dựa trên dữ liệu (D4A – Data for Advertising & Action). Với sứ mệnh cung cấp các giải pháp tiếp thị hàng đầu ngành, phù hợp với xu hướng và đổi mới, CLICKFORCE giúp các thương hiệu, đại lý và đối tác truyền thông đưa ra các quyết định quảng cáo thông minh hơn.

Tuy nhiên, khi ngành quảng cáo phát triển nhanh chóng, các phương pháp phân tích truyền thống và kết quả AI chung chung không còn đủ để cung cấp những thông tin chi tiết có thể hành động. Để duy trì tính cạnh tranh, CLICKFORCE đã tìm đến AWS để xây dựng Lumos, một giải pháp phân tích tiếp thị thế hệ mới dựa trên AI, được hỗ trợ bởi Amazon Bedrock, Amazon SageMaker AI, Amazon OpenSearch và AWS Glue.

Trong bài viết này, chúng tôi sẽ trình bày cách CLICKFORCE đã sử dụng các dịch vụ AWS để xây dựng Lumos và biến đổi quy trình phân tích ngành quảng cáo từ công việc thủ công kéo dài hàng tuần thành một quy trình tự động, chỉ mất một giờ.

Thách thức trong quảng cáo kỹ thuật số

Trước khi áp dụng Amazon Bedrock, CLICKFORCE đã đối mặt với một số trở ngại trong việc xây dựng thông tin tình báo có thể hành động cho quảng cáo kỹ thuật số. Các mô hình ngôn ngữ lớn (LLM) có xu hướng đưa ra các khuyến nghị chung chung thay vì thông tin tình báo cụ thể, có thể hành động theo ngành. Nếu không hiểu rõ môi trường quảng cáo, các mô hình này không có bối cảnh ngành cần thiết để điều chỉnh các đề xuất của chúng phù hợp với thực tế ngành.

Một thách thức đáng kể khác là sự thiếu vắng các tập dữ liệu nội bộ tích hợp, điều này làm suy yếu độ tin cậy của kết quả đầu ra và tăng nguy cơ thông tin sai lệch hoặc không chính xác. Đồng thời, các nhóm tiếp thị dựa vào các công cụ và kỹ thuật rời rạc như vibe coding, không có kiến trúc hoặc quy trình làm việc tiêu chuẩn hóa, khiến các quy trình khó duy trì và mở rộng.

Việc chuẩn bị một báo cáo phân tích ngành toàn diện cũng là một quá trình tốn thời gian, thường yêu cầu từ hai đến sáu tuần. Thời gian này bắt nguồn từ nhiều giai đoạn tốn công sức: một đến ba ngày để xác định mục tiêu và thiết lập kế hoạch nghiên cứu, một đến bốn tuần để thu thập và xác thực dữ liệu từ các nguồn khác nhau, một đến hai tuần để thực hiện phân tích thống kê và xây dựng biểu đồ, một đến hai tuần để trích xuất thông tin chi tiết chiến lược, và cuối cùng ba đến bảy ngày để soạn thảo và hoàn thiện báo cáo. Mỗi giai đoạn thường yêu cầu sự phối hợp qua lại giữa các nhóm, điều này càng kéo dài thời gian. Kết quả là, các chiến lược tiếp thị thường bị trì hoãn và dựa nhiều vào trực giác hơn là những thông tin chi tiết kịp thời, được hỗ trợ bởi dữ liệu.

Tổng quan giải pháp

Để giải quyết những thách thức này, CLICKFORCE đã xây dựng Lumos, một dịch vụ phân tích ngành tích hợp được hỗ trợ bởi AI, sử dụng các dịch vụ AWS.

Giải pháp được thiết kế xoay quanh Amazon Bedrock Agents để suy luận theo ngữ cảnh và Amazon SageMaker AI để tinh chỉnh độ chính xác của Text-to-SQL. CLICKFORCE đã chọn Amazon Bedrock vì nó cung cấp quyền truy cập được quản lý vào các Foundation Model mà không cần xây dựng hoặc duy trì cơ sở hạ tầng, đồng thời cung cấp các Agent có thể điều phối các tác vụ đa bước và tích hợp với các nguồn dữ liệu doanh nghiệp thông qua Knowledge Bases. Điều này cho phép nhóm dựa các thông tin chi tiết vào dữ liệu thực, có thể kiểm chứng, giảm thiểu hiện tượng “ảo giác” (hallucinations) và nhanh chóng thử nghiệm với các mô hình khác nhau, đồng thời giảm chi phí vận hành và tăng tốc thời gian đưa sản phẩm ra thị trường.

Bước đầu tiên là xây dựng một AI Agent thống nhất bằng Amazon Bedrock. Người dùng cuối tương tác với giao diện chatbot chạy trên Amazon ECS, được phát triển bằng Streamlit và được đặt phía trước bởi một Application Load Balancer. Khi người dùng gửi một truy vấn, nó được định tuyến đến một hàm AWS Lambda để gọi một Amazon Bedrock Agent. Agent này truy xuất thông tin liên quan từ một Amazon Bedrock Knowledge Bases, được xây dựng từ các tài liệu nguồn – như báo cáo chiến dịch, mô tả sản phẩm và tệp phân tích ngành – được lưu trữ trong Amazon S3. Các tài liệu này được tự động chuyển đổi thành vector embeddings và được lập chỉ mục trong Amazon OpenSearch Service. Bằng cách dựa các phản hồi của mô hình vào tập tài liệu được tuyển chọn này, CLICKFORCE đảm bảo rằng kết quả đầu ra được theo ngữ cảnh, giảm thiểu hiện tượng “ảo giác” và phù hợp với dữ liệu quảng cáo thực tế.

Tiếp theo, CLICKFORCE đã làm cho các quy trình làm việc hướng hành động hơn bằng cách sử dụng các yêu cầu Text-to-SQL. Khi các truy vấn yêu cầu truy xuất dữ liệu, Bedrock Agent đã tạo các JSON schemas thông qua Agent Actions API Schema. Các schema này được chuyển đến các hàm Lambda Executor để dịch các yêu cầu thành các truy vấn Text-to-SQL. Với AWS Glue crawlers liên tục cập nhật cơ sở dữ liệu SQL từ các tệp CSV trong Amazon S3, các nhà phân tích có thể chạy các truy vấn chính xác về hiệu suất chiến dịch, hành vi đối tượng và các tiêu chuẩn cạnh tranh.

Cuối cùng, công ty đã cải thiện độ chính xác bằng cách tích hợp Amazon SageMaker và MLflow vào quy trình phát triển. Ban đầu, CLICKFORCE dựa vào các Foundation Model để dịch Text-to-SQL nhưng nhận thấy chúng không linh hoạt và thường không chính xác. Bằng cách sử dụng SageMaker, nhóm đã xử lý dữ liệu, đánh giá các phương pháp khác nhau và tinh chỉnh toàn bộ pipeline Text-to-SQL. Sau khi được xác thực, pipeline được tối ưu hóa đã được triển khai thông qua các hàm AWS Lambda và tích hợp trở lại vào Agent, đảm bảo rằng các cải tiến được đưa trực tiếp vào ứng dụng Lumos. Với MLflow cung cấp tính năng theo dõi và đánh giá thử nghiệm, chu trình xử lý dữ liệu, tinh chỉnh pipeline và triển khai đã trở nên hợp lý, cho phép Lumos đạt được độ chính xác cao hơn trong việc tạo truy vấn và cung cấp các báo cáo tiếp thị tự động, dựa trên dữ liệu.

Kết quả

Tác động của việc áp dụng Amazon Bedrock Agents và SageMaker AI đã mang tính chuyển đổi đối với CLICKFORCE. Phân tích ngành mà trước đây yêu cầu từ hai đến sáu tuần giờ nay có thể hoàn thành trong vòng chưa đầy một giờ, đẩy nhanh đáng kể quá trình ra quyết định. Công ty cũng giảm sự phụ thuộc vào các báo cáo nghiên cứu ngành của bên thứ ba, dẫn đến giảm 47% chi phí vận hành.

Ngoài việc tiết kiệm thời gian và chi phí, hệ thống Lumos đã mở rộng khả năng mở rộng trên các vai trò trong môi trường tiếp thị. Chủ sở hữu thương hiệu, đại lý, nhà phân tích, nhà tiếp thị và đối tác truyền thông giờ đây có thể tự tạo ra thông tin chi tiết mà không cần chờ đợi các nhóm phân tích tập trung. Quyền tự chủ này đã dẫn đến sự linh hoạt cao hơn trong các chiến dịch. Hơn nữa, bằng cách dựa các kết quả đầu ra vào cả tập dữ liệu nội bộ và ngữ cảnh cụ thể của ngành, Lumos đã giảm đáng kể nguy cơ “ảo giác” và đảm bảo rằng các thông tin chi tiết phù hợp hơn với thực tế ngành.

Người dùng có thể tạo báo cáo phân tích ngành thông qua các cuộc hội thoại ngôn ngữ tự nhiên và tinh chỉnh nội dung lặp đi lặp lại bằng cách tiếp tục đối thoại.

Các báo cáo trực quan này, được tạo ra thông qua hệ thống Lumos do Amazon Bedrock Agents và SageMaker AI hỗ trợ, thể hiện khả năng của nền tảng trong việc tạo ra thông tin tình báo thị trường toàn diện chỉ trong vài phút. Các biểu đồ minh họa phân phối doanh số thương hiệu, hiệu suất bán lẻ và thương mại điện tử, đồng thời chứng minh cách phân tích dựa trên AI tự động hóa việc tổng hợp dữ liệu, trực quan hóa và tạo thông tin chi tiết với độ chính xác và hiệu quả cao.

Kết luận

Hệ thống Lumos của CLICKFORCE đại diện cho một bước đột phá trong cách đưa ra các quyết định tiếp thị kỹ thuật số. Bằng cách kết hợp Amazon Bedrock Agents, Amazon SageMaker AI, Amazon OpenSearch Service và AWS Glue, CLICKFORCE đã biến đổi quy trình phân tích ngành của mình từ một quy trình thủ công, chậm chạp thành một hệ thống nhanh chóng, tự động và đáng tin cậy. Trong bài viết này, chúng tôi đã trình bày cách CLICKFORCE đã sử dụng các dịch vụ AWS này để xây dựng Lumos và biến đổi quy trình phân tích ngành quảng cáo từ công việc thủ công kéo dài hàng tuần thành một quy trình tự động, chỉ mất một giờ.

---

Về tác giả

Ray Wang là Kiến trúc sư Giải pháp Cấp cao tại AWS. Với hơn 12 năm kinh nghiệm trong lĩnh vực backend và tư vấn, Ray chuyên xây dựng các giải pháp hiện đại trên đám mây, đặc biệt là trong NoSQL, big data, machine learning và Generative AI. Là một người luôn khao khát học hỏi, anh đã đạt được tất cả 12 chứng chỉ AWS để mở rộng kiến thức kỹ thuật của mình. Anh thích đọc sách và xem phim khoa học viễn tưởng vào thời gian rảnh.

Shanna Chang là Kiến trúc sư Giải pháp tại AWS. Cô tập trung vào khả năng quan sát trong các kiến trúc hiện đại và các giải pháp giám sát cloud-native. Trước khi gia nhập AWS, cô là một kỹ sư phần mềm.