Case study · Kinh doanh, AI
Một hệ thống. Không mua ERP.
Kovaa là doanh nghiệp bao bì, đồ gỗ B2B của Qomero, bán qua KOVAA Packaging và PTU Wood. Bốn hệ thống, dựng khi cần.
Trạng thái: K-LionBook, K-AutoDesign, kovaa.vn: ĐANG VẬN HÀNHK-Ledger: R&D
Bối cảnh
Kovaa là doanh nghiệp bao bì và đồ gỗ B2B của Qomero, bán qua KOVAA Packaging và PTU Wood.
Vấn đề
Bán hàng trên bảng tính, hoá đơn giấy và Zalo. Khách đến hạn bị sót, nợ quá hạn biết muộn. SaaS CRM phổ biến không theo được pipeline ngành.
Phạm vi được công bố
K-LionBook (CRM, đang chạy), K-AutoDesign (đang chạy), kovaa.vn (website), K-Ledger (R&D).
Cách làm
Không mua ERP. Mỗi hệ thống một việc, dựng theo thứ tự công việc cần. AI chỉ gợi ý kèm lý do; người bán xác nhận.
Kết quả đã kiểm chứng
Công nợ quá hạn −71%. Đơn đặt lại và việc theo khách được bắt kịp +45%. Báo cáo thủ công −80%, tốc độ làm việc gấp 3 lần. 15 người bán dùng K-LionBook mỗi ngày. (Kovaa, số liệu nội bộ)
Giới hạn
Số liệu nội bộ của Kovaa. K-Ledger đang R&D, chưa công bố kết quả.
99 / 98
điểm Performance kovaa.vn, desktop / mobile
Nguồn: PageSpeed Insights
15
người dùng K-LionBook
Nguồn: Kovaa, số liệu nội bộ
−71%
công nợ quá hạn sau khi dùng K-LionBook
Nguồn: Kovaa, số liệu nội bộ
+45%
đơn đặt lại và việc cần theo được bắt kịp
Nguồn: Kovaa, số liệu nội bộ
3×
tốc độ làm việc của người bán
Nguồn: Kovaa, số liệu nội bộ
−80%
báo cáo làm bằng tay
Nguồn: Kovaa, số liệu nội bộ
Vấn đề trước khi xây
Kovaa chạy trên bảng tính, hoá đơn giấy và tin nhắn Zalo.
Người làm sổ tự gom chứng từ, công nợ hai chiều, sổ kho và dòng tiền từ những nguồn đó.
Người bán cần biết khách nợ gì. Người làm sổ cần biết khách được hứa gì. Hai thứ nằm ở hai nơi.
Khách đến hạn đặt lại bị sót. Việc cần theo bị rơi. Nợ quá hạn phát hiện muộn.
Vì sao không mua sẵn
Kovaa không mua ERP. Mỗi phần được dựng khi công việc cần đến.
Kovaa đã xem một số CRM SaaS phổ biến ở Việt Nam. Không cái nào theo được quy trình bán hàng của ngành.
Kế toán cũng giới hạn: K-Ledger không phải ERP, không làm kế toán thuế, chỉ lo phần kế toán vận hành Kovaa cần mỗi ngày.
Các quyết định
Phần lớn là quyết định kinh doanh, trước khi là quyết định kỹ thuật.
Mỗi hệ thống một việc. Không có ERP dùng chung. Website chỉ lo để khách tìm thấy Kovaa; bán hàng và thiết kế bao bì ở hệ thống riêng.
Người bán giữ quyền ghi dữ liệu. AI trong K-LionBook chỉ viết lại câu chữ hoặc đề xuất; người bán xác nhận. Việc chỉ được tạo khi người bán bấm.
Gợi ý nào cũng có lý do. Mỗi gợi ý kèm lý do và bằng chứng. AI được diễn đạt lại lý do, không được bịa lý do. Người bán biết vì sao mình được nhắc.
Mỗi người bán thấy số của mình. Trong sức khoẻ bán hàng và dự báo, mỗi người chỉ thấy dòng của mình.
Xong là khi đội bán dùng nó hằng ngày. Một giai đoạn chỉ xong khi người bán dùng nó thay bảng tính, trên điện thoại và laptop của họ.
Báo giá gắn với một mẫu cố định. Trong K-AutoDesign, báo giá gắn với một phiên bản thiết kế không đổi được, nên khách và Kovaa luôn nói về cùng một mẫu. Khi AI chưa đủ, yêu cầu chuyển sang designer thay vì sinh thêm phương án; tư vấn thiết kế phải có người duyệt.
Dữ liệu sai bị chặn ở gốc. Trong K-Ledger, ràng buộc nghiệp vụ nằm trong cơ sở dữ liệu; nhật ký kiểm toán chỉ ghi thêm, không ai sửa được, kể cả quản trị viên. Xoay quanh hợp đồng, theo Thông tư 133/2016/TT-BTC.
Tốc độ là một phần của nội dung. kovaa.vn tải nhanh trên điện thoại, viết cho Google (SEO) và cho công cụ tìm kiếm AI (GEO). Mọi website Qomero dựng đều đạt điểm PageSpeed trên 97.
Làm lại sau bản đầu. Bản K-Ledger đầu tiên viết bằng Django cho thấy cần gì; bản hiện tại dựng lại từ đó.
Kiến trúc
Bốn hệ thống, mỗi hệ thống một việc.
Sơ đồ vẽ từ các công nghệ đã ghi nhận; không suy diễn luồng dữ liệu.
K-LionBook
CRM của đội bán hàng B2B. Khách hàng, cơ hội, hợp đồng, đơn hàng, công nợ, biên lợi nhuận, nhà cung cấp, đơn mua hàng ở một chỗ. Công nghệ: Next.js, PostgreSQL, pgvector, Drizzle, Supabase.
K-AutoDesign
Thiết kế bao bì có AI hỗ trợ, từ brief tới báo giá sản xuất. Công nghệ: Python và TypeScript, cùng một mô hình tạo ảnh.
kovaa.vn
Website giúp người mua bao bì tìm thấy Kovaa. Công nghệ: Next.js, Sanity CMS, Vercel.
K-Ledger
R&D. Tiền kế toán xoay quanh hợp đồng: chứng từ, công nợ, tồn kho và dòng tiền. Công nghệ: Python.
Hệ thống xử lý gì
- Khách đến hạn đặt lại một SKU, lâu không liên lạc, có báo giá chưa trả lời, hợp đồng sắp hết hạn hoặc nợ quá hạn: khách đó vào danh sách cần chú ý.
- Với từng khách, hệ thống gợi ý việc tiếp theo, kèm lý do và bằng chứng.
- Sau buổi gặp, người bán viết ghi chú bằng tiếng Việt. AI gợi ý nên ghi gì; chưa gì được lưu cho tới khi người bán xác nhận.
- Dự báo doanh số chia ba mức: chắc chắn, có khả năng, tiềm năng.
- Việc cần theo được tạo theo quy tắc có tên.
- Đơn nhà cung cấp (PO2) quá ngày sẵn hàng, đơn của khách (PO1) có nguy cơ trễ, hoặc dòng đã xác nhận chưa có đơn nhà cung cấp: hệ thống cảnh báo.
- Người bán hỏi về dữ liệu, nhận câu trả lời kèm bản ghi làm nguồn.
- Báo cáo quảng cáo lấy từ các nền tảng quảng cáo, chỉ đọc.
- Khách viết brief, brief tự lưu trong lúc viết, rồi nhận phương án do AI đề xuất. Khách xin báo giá gắn với bản chụp thiết kế, hoặc chuyển cho designer khi phương án AI chưa đủ.
- (R&D) Mỗi khoản phải thu, phải trả truy được về hoá đơn gốc; chứng từ gắn vào từng dòng; tồn kho đọc cùng vốn lưu động.
Kết quả
99 / 98
điểm Performance kovaa.vn, desktop / mobile
Nguồn: PageSpeed Insights
15
người dùng K-LionBook
Nguồn: Kovaa, số liệu nội bộ
−71%
công nợ quá hạn sau khi dùng K-LionBook
Nguồn: Kovaa, số liệu nội bộ
+45%
đơn đặt lại và việc cần theo được bắt kịp
Nguồn: Kovaa, số liệu nội bộ
3×
tốc độ làm việc của người bán
Nguồn: Kovaa, số liệu nội bộ
−80%
báo cáo làm bằng tay
Nguồn: Kovaa, số liệu nội bộ
- Đội bán hàng B2B của Kovaa dùng K-LionBook mỗi ngày.
- K-AutoDesign đang chạy production.
- K-Ledger đang ở giai đoạn R&D.
Case study khác
Synolang
Người học không biết mình yếu tiêu chí nào.
AI làm việc lặp lại, nói rõ khi không chắc.
Đọc case study