Xây dựng hệ thống báo cáo tự động bằng Natural Language Query (NLQ)

Cho phép sếp đặt câu hỏi tiếng Việt “Doanh thu hôm nay ở Hà Nội là bao nhiêu?” và nhận biểu đồ ngay lập tức

⚠️ Warning: Để triển khai NLQ thành công, cần chuẩn bị dữ liệu sạch, mô hình ngôn ngữ được huấn luyện trên tiếng Việt và môi trường CI/CD ổn định.

---

1. Tổng quan về NLQ trong báo cáo tự động

Natural Language Query (NLQ) là công nghệ cho phép người dùng nhập câu hỏi bằng ngôn ngữ tự nhiên và hệ thống tự động chuyển đổi thành truy vấn dữ liệu (SQL, Elasticsearch DSL…) rồi trả về kết quả dưới dạng bảng, biểu đồ hoặc dashboard.

• Thị trường: Theo Gartner 2024, 68 % doanh nghiệp thương mại điện tử đã áp dụng AI để tự động hoá báo cáo.
• Lợi ích:
  • Rút ngắn thời gian truy xuất dữ liệu từ ngày/giờ xuống giây.
  • Giảm phụ thuộc vào analyst, tăng độ tự chủ cho các bộ phận không‑IT.
  • Tăng độ chính xác quyết định nhờ dữ liệu thời gian thực.

🛡️ Best Practice: Đặt câu hỏi trong phạm vi “domain” đã được mô hình huấn luyện (ví dụ: doanh thu, đơn hàng, khách hàng) để tránh “hallucination”.

---

2. Kiến trúc hệ thống đề xuất

+-------------------+      +-------------------+      +-------------------+
|   Frontend UI     | ---> |   API Gateway     | ---> |   NLQ Service     |
| (React + AntD)    |      | (Kong / Nginx)    |      | (FastAPI + LLM)   |
+-------------------+      +-------------------+      +-------------------+
                                 |                         |
                                 v                         v
                         +-------------------+   +-------------------+
                         |   Data Lake (S3)  |   |   Search Engine   |
                         |   (raw logs)      |   | (Elasticsearch)   |
                         +-------------------+   +-------------------+
                                 |                         |
                                 v                         v
                         +-------------------+   +-------------------+
                         |   Warehouse (DW)  |   |   Visualization   |
                         |   (Snowflake)     |   |   (Grafana)       |
                         +-------------------+   +-------------------+

Workflow vận hành tổng quan (text‑art)

[User] → (HTTP) → [API GW] → (REST) → [NLQ Service]
   │                                   │
   │   parse → translate → exec SQL   │
   └───────────────────────────────────┘
   │
   ▼
[DW] → result set → [Grafana] → chart → response

• Front‑end: React + Ant Design, hỗ trợ nhập câu hỏi và hiển thị biểu đồ.
• API Gateway: Kong (Docker) để rate‑limit, auth JWT.
• NLQ Service: FastAPI + mô hình LLM (Vietnamese‑BERT‑Large fine‑tuned).
• Data Lake: Amazon S3, lưu trữ log giao dịch, clickstream.
• Warehouse: Snowflake, tích hợp CDC từ MySQL → Snowpipe.
• Search Engine: Elasticsearch 8.x, hỗ trợ full‑text query cho “từ khóa”.
• Visualization: Grafana 10, tạo dashboard động qua JSON API.

---

3. Lựa chọn công nghệ (So sánh 4 stack)

Thành phần	Lựa chọn A (Open‑source)	Lựa chọn B (Managed Cloud)	Lựa chọn C (Hybrid)	Lựa chọn D (Enterprise)
NLQ Engine	FastAPI + HuggingFace Transformers	AWS Bedrock (Claude‑3)	FastAPI + Azure OpenAI	Google Vertex AI (Gemini)
Data Warehouse	PostgreSQL + dbt	Snowflake	BigQuery	Oracle Autonomous DW
Search	Elasticsearch OSS	Amazon OpenSearch	Elastic Cloud	Solr Enterprise
Visualization	Grafana OSS	Looker	Metabase	Tableau Server
CI/CD	GitHub Actions	AWS CodePipeline	GitLab CI	Jenkins X
Độ bảo mật	TLS 1.2, IAM	IAM + KMS	IAM + VPC	IAM + HSM
Chi phí (USD/tháng)	1,200	4,500	2,800	7,200
Độ mở rộng	✔️	✔️✔️	✔️✔️	✔️✔️✔️
Thời gian triển khai	4 tuần	2 tuần	3 tuần	1 tuần

⚡ Lưu ý: Đối với dự án 100‑200 tỷ/tháng, Lựa chọn B (Snowflake + AWS Bedrock) cân bằng chi phí và hiệu năng nhất, dựa trên báo cáo Gartner 2024 “Top Cloud Data Warehouse”.

---

4. Chi phí chi tiết 30 tháng

Hạng mục	Tháng 1‑12	Tháng 13‑24	Tháng 25‑30	Tổng cộng
Cloud Infra (Compute, Storage)	12,000 USD	11,500 USD	11,000 USD	34,500 USD
NLQ Model (Fine‑tune, inference)	6,000 USD	5,500 USD	5,200 USD	16,700 USD
Snowflake DW (Compute + Storage)	8,400 USD	8,200 USD	8,000 USD	24,600 USD
Elasticsearch (Managed)	3,600 USD	3,500 USD	3,400 USD	10,500 USD
Grafana Cloud (Pro)	1,200 USD	1,150 USD	1,100 USD	3,450 USD
CI/CD & Monitoring (GitHub, Datadog)	2,400 USD	2,300 USD	2,200 USD	6,900 USD
Nhân sự (Dev, BA, PM)	45,000 USD	45,000 USD	30,000 USD	120,000 USD
Tổng	78,600 USD	77,150 USD	71,900 USD	227,650 USD

🛡️ Bảo mật: Tất cả dữ liệu được mã hoá AES‑256 tại nghỉ và TLS 1.3 khi truyền.

---

5. Các bước triển khai (6 phase)

Phase	Mục tiêu	Công việc con (6‑12)	Người chịu trách nhiệm	Thời gian (tuần)	Dependency
Phase 1 – Khảo sát & Định nghĩa yêu cầu	Xác định domain NLQ, KPI, nguồn dữ liệu	1. Workshop với stakeholder 2. Định danh các bảng DW 3. Xác định mức độ chi tiết câu hỏi 4. Lập danh sách từ khóa 5. Đánh giá chất lượng dữ liệu 6. Thiết lập môi trường dev	Business Analyst, PM	2	–
Phase 2 – Xây dựng Data Pipeline	Đưa dữ liệu giao dịch vào DW & Search	1. CDC từ MySQL → Snowpipe 2. ETL dbt models 3. Index dữ liệu vào Elasticsearch 4. Kiểm tra schema consistency 5. Thiết lập backup S3 6. Tạo view “sales_daily_city”	Data Engineer, DBA	4	Phase 1
Phase 3 – Huấn luyện & Triển khai NLQ Engine	Mô hình hiểu câu hỏi tiếng Việt	1. Thu thập corpus 10 M câu hỏi 2. Fine‑tune Vietnamese‑BERT 3. Xây dựng FastAPI endpoint 4. Viết parser → SQL translator 5. Kiểm thử unit & integration 6. Đóng gói Docker image	ML Engineer, Backend Dev	5	Phase 2
Phase 4 – Front‑end & Visualization	UI nhập câu hỏi, hiển thị biểu đồ	1. Thiết kế React component “NLQInput” 2. Kết nối API Gateway 3. Tạo Grafana dashboard template 4. Xây dựng chart auto‑render 5. Responsive design 6. Kiểm thử UI/UX	Frontend Dev, UI/UX Designer	3	Phase 3
Phase 5 – CI/CD, Monitoring & Security	Đảm bảo triển khai liên tục, an toàn	1. GitHub Actions workflow (build, test, push) 2. Deploy Docker Compose on ECS 3. Thiết lập Datadog APM 4. WAF Cloudflare rule set 5. Pen‑test OWASP ZAP 6. Alerting Slack webhook	DevOps, Security Engineer	2	Phase 4
Phase 6 – Go‑Live & Handover	Chuyển sang môi trường production	1. Kiểm tra load test (k6) 2. Đánh giá KPI (độ trễ < 2 s) 3. Đào tạo người dùng 4. Bàn giao tài liệu 5. Ký NDA & SLA 6. Ký release note	PM, Trainer, Legal	2	Phase 5

Tổng thời gian: 18 tuần (~4,5 tháng).

---

6. Timeline & Gantt chart

Gantt Chart (tuần)
| Phase | 1-2 | 3-6 | 7-10 | 11-15 | 16-18 | 19-20 |
|-------|-----|-----|------|-------|-------|-------|
| P1    |#####|     |      |       |       |       |
| P2    |     |#####|##### |       |       |       |
| P3    |     |     |##### |#####  |       |       |
| P4    |     |     |      |#####  |#####  |       |
| P5    |     |     |      |       |#####  |#####  |
| P6    |     |     |      |       |       |#####  |

• Dependency arrows: P2 → P3 → P4 → P5 → P6.
• Milestones:
  • M1 (tuần 2): Yêu cầu cuối cùng.
  • M2 (tuần 10): Model NLQ đạt Accuracy ≥ 92 %.
  • M3 (tuần 15): Dashboard tự động render.
  • M4 (tuần 20): Go‑Live.

---

7. Rủi ro & Phương án dự phòng

Rủi ro	Tác động	Phương án B	Phương án C
Dữ liệu không đồng nhất	Sai báo cáo, mất niềm tin	Sử dụng dbt test + data contracts	Chuyển sang CDC từ Kafka → Snowflake
Mô hình NLQ “hallucinate”	Câu trả lời sai, pháp lý	Fine‑tune thêm 5 M câu hỏi thực tế	Thêm layer rule‑based fallback (SQL template)
Độ trễ > 2 s	Người dùng bỏ qua	Scale out FastAPI pods (ECS Fargate)	Cache query kết quả trong Redis
Lỗ hổng bảo mật API	Rò rỉ dữ liệu	WAF Cloudflare + JWT rotation mỗi 24 h	Thêm API gateway Auth0 MFA
Chi phí vượt ngân sách	Dự án dừng	Đánh giá lại usage, giảm retention S3 từ 90 → 30 ngày	Chuyển một phần workload sang on‑premise VM

---

8. KPI, công cụ đo & tần suất

KPI	Mục tiêu	Công cụ đo	Tần suất
Latency query	≤ 2 s	Datadog APM (trace)	5 phút
Accuracy NLQ	≥ 92 % (so với test set)	Custom evaluation script (Python)	Hàng ngày
Uptime service	99.9 %	Grafana uptime panel	1 phút
Adoption rate	≥ 70 % người dùng nội bộ	Google Analytics (event)	Hàng tuần
Cost per query	≤ 0.001 USD	AWS Cost Explorer	Hàng tháng
Data freshness	≤ 5 phút lag	Snowpipe latency metric	5 phút

⚡ Lưu ý: Đặt alert khi Latency > 3 s hoặc Accuracy < 90 % để tự động scale hoặc rollback.

---

9. Danh sách 15 tài liệu bàn giao bắt buộc

STT	Tài liệu	Người viết	Nội dung chính
1	Requirement Specification	BA	Scope, user stories, acceptance criteria
2	Data Dictionary	DBA	Định nghĩa bảng, cột, kiểu dữ liệu
3	ETL Design Document	Data Engineer	Luồng CDC, dbt models, schedule
4	NLQ Model Training Log	ML Engineer	Dataset, hyper‑params, metrics
5	API Specification (OpenAPI 3.0)	Backend Dev	Endpoint, request/response schema
6	Docker Compose File	DevOps	Services, networks, volumes
7	Kong Config (YAML)	DevOps	Routes, plugins, rate‑limit
8	Grafana Dashboard JSON	Frontend Dev	Panel definitions, variables
9	CI/CD Pipeline Definition	DevOps	GitHub Actions workflow YAML
10	Security Assessment Report	Security Engineer	Pen‑test, OWASP findings
11	Performance Test Report (k6)	QA	Load profile, latency, throughput
12	User Guide – NLQ UI	Trainer	Hướng dẫn nhập câu hỏi, tùy chỉnh chart
13	Admin Guide – Monitoring	Ops	Datadog dashboards, alert rules
14	SLA & Support Plan	PM	Thời gian phản hồi, mức độ hỗ trợ
15	Release Notes	PM	Các tính năng, bug fix, known issues

---

10. Checklist go‑live (42 item)

10.1 Security & Compliance

#	Mục kiểm tra	Trạng thái
1	TLS 1.3 trên tất cả endpoint
2	JWT expiration ≤ 15 phút
3	WAF rule set (SQLi, XSS) bật
4	IAM role least‑privilege
5	Audit log bật trên Snowflake
6	Data encryption at rest (AES‑256)
7	GDPR / CCPA compliance check
8	Pen‑test OWASP ZAP hoàn thành
9	Backup S3 versioning bật
10	Disaster Recovery plan duyệt

10.2 Performance & Scalability

#	Mục kiểm tra	Trạng thái
11	Load test k6 ≥ 500 RPS
12	Auto‑scaling policy cho ECS Fargate
13	Redis cache hit‑rate ≥ 95 %
14	Snowflake warehouse auto‑suspend 5 min
15	Elasticsearch shard allocation cân bằng
16	Grafana dashboard latency ≤ 2 s
17	CDN (Cloudflare) cache static assets
18	Monitoring alerts cho CPU > 80 %
19	Log aggregation (ELK) không mất dữ liệu
20	Cost‑alert khi chi phí > 10 % dự kiến

10.3 Business & Data Accuracy

#	Mục kiểm tra	Trạng thái
21	Accuracy NLQ ≥ 92 % trên test set
22	Data freshness ≤ 5 phút
23	Business validation: “Doanh thu Hà Nội hôm nay” đúng
24	KPI dashboard cập nhật tự động
25	User acceptance test (UAT) sign‑off
26	Documentation version 1.0 phát hành
27	Training session cho end‑users hoàn thành
28	Feedback loop (Google Form) hoạt động

10.4 Payment & Finance

#	Mục kiểm tra	Trạng thái
29	Reconciliation script chạy nightly
30	PCI‑DSS scope xác định, không lưu CC data
31	Invoice generation tự động từ DW
32	Cost allocation tags trên AWS
33	Finance team sign‑off báo cáo tài chính
34	Audit trail cho mọi transaction query

10.5 Monitoring & Rollback

#	Mục kiểm tra	Trạng thái
35	Datadog alert channel Slack
36	Health check endpoint /healthz
37	Canary deployment 10 % traffic
38	Rollback script (docker compose down/up)
39	Snapshot Snowflake trước release
40	Version control tag v1.0.0
41	Post‑mortem template chuẩn
42	SLA response time ≤ 30 phút

---

11. Các đoạn code / config thực tế (≥ 12)

11.1 Docker Compose (NLQ Service + PostgreSQL)

version: "3.8"
services:
  nlq-api:
    image: registry.example.com/nlq-service:latest
    ports:
      - "8000:8000"
    environment:
      - MODEL_PATH=/models/vnbert-large
      - DB_URL=postgresql://postgres:pwd@db:5432/analytics
    depends_on:
      - db
    restart: always

  db:
    image: postgres:15-alpine
    environment:
      POSTGRES_USER: postgres
      POSTGRES_PASSWORD: pwd
      POSTGRES_DB: analytics
    volumes:
      - pg_data:/var/lib/postgresql/data
    restart: always

volumes:
  pg_data:

11.2 Nginx (Reverse Proxy)

server {
    listen 80;
    server_name nlq.example.com;

    location / {
        proxy_pass http://nlq-api:8000;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_http_version 1.1;
        proxy_set_header Connection "";
    }

    # Rate limit 60 req/min per IP
    limit_req_zone $binary_remote_addr zone=nlq:10m rate=60r/m;
    limit_req zone=nlq burst=10 nodelay;
}

11.3 FastAPI endpoint (NLQ)

from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
from transformers import AutoModelForSeq2SeqLM, AutoTokenizer
import sqlalchemy as sa

app = FastAPI(title="NLQ Service")

class QueryRequest(BaseModel):
    question: str
    city: str | None = None

# Load model
tokenizer = AutoTokenizer.from_pretrained("vinai/vit5-base")
model = AutoModelForSeq2SeqLM.from_pretrained("vinai/vit5-base")

engine = sa.create_engine("postgresql://postgres:pwd@db:5432/analytics")

@app.post("/nlq")
def nlq(req: QueryRequest):
    # 1️⃣ Parse & translate
    inputs = tokenizer.encode(req.question, return_tensors="pt")
    outputs = model.generate(inputs, max_length=128)
    sql = tokenizer.decode(outputs[0], skip_special_tokens=True)

    # 2️⃣ Execute
    with engine.connect() as conn:
        result = conn.execute(sa.text(sql))
        rows = [dict(r) for r in result]
    if not rows:
        raise HTTPException(status_code=404, detail="No data")
    return {"sql": sql, "data": rows}

11.4 Elasticsearch mapping (sales_daily)

PUT sales_daily
{
  "mappings": {
    "properties": {
      "order_id": {"type": "keyword"},
      "city": {"type": "keyword"},
      "order_date": {"type": "date"},
      "revenue": {"type": "scaled_float", "scaling_factor": 100}
    }
  }
}

11.5 Grafana dashboard JSON (Revenue by City)

{
  "dashboard": {
    "title": "Doanh thu theo thành phố",
    "panels": [
      {
        "type": "graph",
        "title": "Doanh thu hôm nay",
        "targets": [
          {
            "refId": "A",
            "datasource": "Snowflake",
            "rawSql": "SELECT city, SUM(revenue) AS rev FROM sales_daily WHERE order_date = CURRENT_DATE GROUP BY city"
          }
        ],
        "fieldConfig": {
          "defaults": {"unit": "currencyUSD"}
        }
      }
    ],
    "templating": {
      "list": [
        {
          "name": "city",
          "type": "query",
          "datasource": "Snowflake",
          "query": "SELECT DISTINCT city FROM sales_daily"
        }
      ]
    }
  }
}

11.6 Cloudflare Worker (CORS & Auth)

addEventListener('fetch', event => {
  event.respondWith(handleRequest(event.request))
})

async function handleRequest(request) {
  const url = new URL(request.url)
  // Simple JWT check
  const token = request.headers.get('Authorization')?.split(' ')[1]
  if (!token || !(await verifyJWT(token))) {
    return new Response('Unauthorized', {status: 401})
  }
  // Forward to origin
  const resp = await fetch(`https://nlq.example.com${url.pathname}`, {
    method: request.method,
    headers: request.headers
  })
  // Add CORS
  const newHeaders = new Headers(resp.headers)
  newHeaders.set('Access-Control-Allow-Origin', '*')
  return new Response(resp.body, {status: resp.status, headers: newHeaders})
}

11.7 GitHub Actions CI/CD (Docker Build & Deploy)

name: CI/CD NLQ Service

on:
  push:
    branches: [ main ]

jobs:
  build:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v3
      - name: Set up Docker Buildx
        uses: docker/setup-buildx-action@v2
      - name: Login to ECR
        uses: aws-actions/amazon-ecr-login@v1
      - name: Build & Push
        run: |
          docker build -t ${{ secrets.ECR_REPO }}:latest .
          docker push ${{ secrets.ECR_REPO }}:latest

  deploy:
    needs: build
    runs-on: ubuntu-latest
    steps:
      - name: Deploy to ECS
        uses: aws-actions/amazon-ecs-deploy-task-definition@v1
        with:
          task-definition: ecs-task-def.json
          service: nlq-service
          cluster: ecommerce-prod

11.8 Script đối soát payment (Python)

import pandas as pd
import sqlalchemy as sa

engine = sa.create_engine("postgresql://postgres:pwd@db:5432/finance")
payments = pd.read_sql("SELECT order_id, amount, status FROM payments", engine)
orders   = pd.read_sql("SELECT order_id, total FROM orders", engine)

# Merge và kiểm tra chênh lệch
df = pd.merge(orders, payments, on="order_id", how="left")
df["diff"] = df["total"] - df["amount"]
issues = df[df["diff"].abs() > 0.01]

if not issues.empty:
    issues.to_csv("/tmp/payment_mismatch.csv", index=False)
    print("Found mismatches, exported.")
else:
    print("All payments reconciled.")

11.9 K6 Load Test (500 RPS)

import http from 'k6/http';
import { check, sleep } from 'k6';

export const options = {
  stages: [
    { duration: '2m', target: 500 }, // ramp-up
    { duration: '5m', target: 500 }, // steady
    { duration: '2m', target: 0 },   // ramp-down
  ],
};

export default function () {
  const res = http.post('https://nlq.example.com/nlq', JSON.stringify({
    question: 'Doanh thu hôm nay ở Hà Nội là bao nhiêu?'
  }), { headers: { 'Content-Type': 'application/json' } });

  check(res, { 'status is 200': (r) => r.status === 200 });
  sleep(0.1);
}

11.10 dbt model (sales_daily_city.sql)

{{ config(materialized='view') }}

WITH raw AS (
    SELECT
        order_id,
        city,
        order_date,
        revenue
    FROM {{ source('raw', 'orders') }}
    WHERE order_date >= current_date - interval '30 day'
)

SELECT
    city,
    order_date,
    SUM(revenue) AS daily_revenue
FROM raw
GROUP BY city, order_date

11.11 Prometheus alert rule (Latency > 3 s)

groups:
- name: nlq_alerts
  rules:
  - alert: HighLatency
    expr: histogram_quantile(0.95, sum(rate(http_request_duration_seconds_bucket{job="nlq-api"}[5m])) by (le) > 3
    for: 2m
    labels:
      severity: critical
    annotations:
      summary: "NLQ API latency > 3s"
      description: "95th percentile latency exceeded 3 seconds for >2 minutes."

11.12 Terraform (AWS RDS PostgreSQL)

resource "aws_db_instance" "analytics" {
  identifier        = "analytics-db"
  engine            = "postgres"
  instance_class    = "db.t3.medium"
  allocated_storage = 200
  name              = "analytics"
  username          = "postgres"
  password          = var.db_password
  backup_retention_period = 7
  storage_encrypted = true
  kms_key_id        = aws_kms_key.db_key.arn
  skip_final_snapshot = false
}

---

12. Công thức tính ROI (Vietnamese)

ROI = (Lợi nhuận thu được – Chi phí đầu tư) / Chi phí đầu tư × 100 %

• Total_Benefit: Giá trị thời gian tiết kiệm (giờ × lương trung bình) + tăng doanh thu nhờ quyết định nhanh hơn.
• Investment_Cost: Tổng chi phí triển khai 30 tháng (227,650 USD).

Ví dụ: Giả sử giảm 2 giờ/nhân viên/ngày, 30 nhân viên, lương trung bình 1,500 USD/tháng → Benefit ≈ 2 h × 30 × 1,500 = 90,000 USD/tháng.
ROI ≈ (90,000 × 12 – 227,650) / 227,650 × 100 % ≈ 368 %.

---

13. Kết luận – Key Takeaways

Điểm cốt lõi	Nội dung
NLQ	Cho phép truy vấn dữ liệu bằng tiếng Việt, giảm thời gian báo cáo từ ngày → giây.
Tech Stack	Snowflake + AWS Bedrock (NLQ) + Grafana là lựa chọn tối ưu cho doanh thu 100‑200 tỷ/tháng.
Chi phí	30 tháng ≈ 227 k USD, ROI dự kiến > 300 % nhờ giảm thời gian và tăng doanh thu.
Rủi ro	Dữ liệu không đồng nhất, model “hallucinate”, chi phí vượt ngân sách – đã có phương án B/C.
KPI	Latency ≤ 2 s, Accuracy ≥ 92 %, Adoption ≥ 70 % – đo bằng Datadog, custom script.
Go‑Live	Checklist 42 item, 5 nhóm, đảm bảo bảo mật, hiệu năng, độ chính xác kinh doanh.

🛠️ Thảo luận: Anh em đã gặp trường hợp NLQ trả về “hallucination” khi câu hỏi có từ đồng nghĩa chưa? Các bạn đã giải quyết như thế nào?

---

14. Hành động tiếp theo

1. Đánh giá nguồn dữ liệu – chuẩn hoá schema, tạo data contracts.
2. Chọn stack – nếu ngân sách hạn chế, cân nhắc Open‑source (FastAPI + PostgreSQL).
3. Lập kế hoạch sprint – dựa vào bảng Phase ở mục 5.
4. Thiết lập CI/CD – copy mẫu GitHub Actions ở mục 11.7.

Nếu anh em đang cần tích hợp AI nhanh vào app mà lười build từ đầu, thử ngó qua con Serimi App xem, mình thấy API bên đó khá ổn cho việc scale.

Anh em nào làm Content hay SEO mà muốn tự động hóa quy trình thì tham khảo bộ công cụ bên noidungso.io.vn nhé, đỡ tốn cơm gạo thuê nhân sự part‑time.