Skimle là nền tảng phân tích dữ liệu định tính dựa trên AI, giúp sắp xếp các tài liệu phi cấu trúc (phỏng vấn, tệp phòng dữ liệu, bình luận của khách hàng, ý kiến tham vấn công chúng, văn bản pháp lý, v.v.) thành các bộ dữ liệu có tổ chức, sẵn sàng phân tích. Khác với chatbot chỉ truy xuất những đoạn văn ngẫu nhiên, Skimle xử lý có hệ thống toàn bộ bộ tài liệu của bạn: phân tích từng phần, trích xuất các phát hiện và sắp xếp chúng thành hệ thống chủ đề phân cấp với khả năng truy vết đầy đủ. Xem cách Skimle hoạt động để có cái nhìn tổng quan.
Skimle được xây dựng cho những người làm công việc tri thức cần phân tích dữ liệu định tính: nhà nghiên cứu học thuật thực hiện phân tích chủ đề, chuyên gia tư vấn quản lý tổng hợp phỏng vấn chuyên gia, chuyên viên phân tích chính sách xử lý tham vấn công chúng, nhà nghiên cứu thị trường phân tích phản hồi của khách hàng, đội ngũ nhân sự thực hiện khảo sát mức độ gắn kết, và bất kỳ ai cần những phát hiện có hệ thống, có căn cứ từ dữ liệu phi cấu trúc.
Phần lớn các công cụ phân tích AI đơn giản dùng RAG (Retrieval-Augmented Generation) để truy xuất các đoạn liên quan vào lúc đặt câu hỏi, nghĩa là mỗi lần hỏi cùng một câu bạn lại nhận được câu trả lời khác nhau. Skimle xử lý có hệ thống toàn bộ bộ dữ liệu của bạn ngay từ đầu, tạo ra một cấu trúc ổn định trong đó mọi chủ đề đều liên kết với các trích dẫn đã xác minh. Bạn nhận được độ bao quát đầy đủ, kết quả nhất quán và khả năng truy vết đầy đủ thay vì những câu trả lời hộp đen. Đọc thêm vì sao các công cụ dựa trên RAG không đáp ứng được những phân tích nghiêm túc.
Không. Skimle được thiết kế cho nhà nghiên cứu và chuyên viên phân tích, không phải lập trình viên. Giao diện trực quan (hãy hình dung một bảng tính kết hợp với trình xem tài liệu), và mọi xử lý AI đều diễn ra tự động. Nếu bạn dùng được Google Docs và Excel, bạn dùng được Skimle.
Phần lớn người dùng làm việc hiệu quả chỉ sau 15 đến 30 phút. Thêm tệp của bạn làm nguồn dữ liệu, chạy phân tích, rồi xem xét và tinh chỉnh các chủ đề do AI tạo ra: quy trình rất đơn giản. Khác với phần mềm phân tích định tính truyền thống (NVivo, ATLAS.ti) có thể mất hàng tuần để thành thạo, giao diện của Skimle được thiết kế để bạn làm việc hiệu quả ngay lập tức.
Skimle hỗ trợ PDF, .docx, TXT, RTF, tệp âm thanh (MP3, M4A, WAV) và tệp video (MP4, MOV). Bạn thêm từng loại làm nguồn dữ liệu; với âm thanh và video, Skimle tự động phiên âm trước khi phân tích bắt đầu, nhờ đó toàn bộ quy trình làm việc nằm ở một nơi. Bạn có thể kết hợp nhiều định dạng trong cùng một dự án.
Có. Tính năng phiên âm tích hợp của Skimle xử lý các tệp MP3, M4A, WAV, MP4 và MOV. Thêm bản ghi của bạn làm nguồn dữ liệu Âm thanh hoặc video, Skimle sẽ phiên âm trước khi phân tích bắt đầu, kèm một bước tùy chọn để xem và chỉnh sửa bản phiên âm trước. Trích dẫn luôn truy vết được về nguồn, nên không cần dịch vụ phiên âm riêng.
Hàng nghìn tài liệu mỗi dự án. Phần lớn trường hợp sử dụng có từ 10 đến 200 tài liệu (các nghiên cứu thông thường, dự án tư vấn, tham vấn chính sách), nhưng Skimle có thể mở rộng để xử lý các bộ tài liệu lớn như rà soát phòng dữ liệu hoặc phân tích tổng quan tài liệu toàn diện.
Hơn 100 ngôn ngữ. Tải lên tài liệu bằng bất kỳ ngôn ngữ nào: Skimle phân tích chúng bằng ngôn ngữ gốc đồng thời xây dựng một cấu trúc chủ đề thống nhất. Đặc biệt hữu ích cho các cuộc tham vấn trên toàn EU, nghiên cứu thị trường toàn cầu hoặc nghiên cứu học thuật đa ngôn ngữ. Không cần dịch.
Có. Bạn có thể tải lên các cuộc phỏng vấn tiếng Anh, báo cáo tiếng Đức và câu trả lời khảo sát tiếng Tây Ban Nha trong cùng một dự án. Skimle tạo các danh mục chủ đề xuyên ngôn ngữ đồng thời giữ nguyên trích dẫn bằng ngôn ngữ gốc để đối chiếu.
Bảng Skimle là một bảng tính tương tác, trong đó mỗi hàng đại diện cho một tài liệu (ví dụ một cuộc phỏng vấn) và mỗi cột đại diện cho một danh mục chủ đề (ví dụ “lo ngại về giá”). Các ô chứa những phát hiện đã trích xuất kèm liên kết trực tiếp đến trích dẫn nguồn. Cấu trúc này giúp bạn dễ dàng thấy mô thức giữa các tài liệu, so sánh các phân khúc và đi sâu vào từng chủ đề cụ thể.
Hoàn toàn được. AI của Skimle đề xuất danh mục ban đầu dựa trên dữ liệu của bạn, nhưng bạn có toàn quyền gộp, tách, đổi tên, xóa hoặc tạo danh mục từ đầu. Bạn cũng có thể đưa ra cấu trúc danh mục của riêng mình ngay từ đầu (ví dụ dựa trên bộ câu hỏi phỏng vấn hoặc khung lý thuyết) và để Skimle trích xuất các phát hiện theo cấu trúc đó.
Minh bạch hai chiều nghĩa là bạn có thể điều hướng theo cả hai hướng: (1) nhấp vào một chủ đề để xem mọi trích dẫn làm căn cứ cho nó trong tất cả tài liệu, và (2) nhấp vào một tài liệu để xem mọi chủ đề được trích xuất từ tài liệu đó. Mọi quyết định của AI đều truy vết được, không có hộp đen. Chính điều này giúp phân tích có hỗ trợ của Skimle đứng vững trong bối cảnh học thuật, thương mại và quản lý.
Giao diện trò chuyện của Skimle nắm được dữ liệu có cấu trúc của bạn (chủ đề, danh mục, siêu dữ liệu). Bạn có thể đặt câu hỏi như “Khách hàng doanh nghiệp nói gì về giá?” hoặc “Ý kiến khác nhau thế nào giữa các khu vực?” AI trả lời dựa trên cả dữ liệu chủ đề có cấu trúc lẫn tài liệu gốc, nhờ đó câu trả lời chính xác và sát ngữ cảnh hơn so với các chatbot RAG thông thường.
Skimle Ask là công cụ phỏng vấn dựa trên AI giúp bạn thu thập dữ liệu định tính ở quy mô lớn. Bạn thêm nó làm nguồn dữ liệu Skimle Ask trong dự án, xác định bộ câu hỏi phỏng vấn, và Skimle sẽ thực hiện các cuộc trò chuyện có cấu trúc với người tham gia theo hình thức không đồng bộ. Mỗi câu trả lời trở thành một tài liệu trong cùng dự án, nhờ đó việc thu thập dữ liệu và phân tích chủ đề diễn ra trong một môi trường, không cần sao chép giữa các công cụ.
Có. Skimle cung cấp điểm cuối Model Context Protocol (MCP) tại https://skimle.com/api/mcp. Mọi công cụ tương thích MCP (Claude Desktop, Cursor, Windsurf, Claude Code và các công cụ khác) đều có thể kết nối và dùng toàn bộ công cụ đọc và ghi: duyệt tài liệu, tìm kiếm phát hiện, sắp xếp lại danh mục, v.v. Xác thực qua OAuth (không cần token) hoặc khóa API tạo trong phần cài đặt tài khoản. Bạn tự chọn dự án nào được mở. Tín dụng dùng chung với các phần còn lại của Skimle, không tính phí riêng.
Có. Claude Code và Cowork đều hỗ trợ MCP, vì vậy bạn có thể kết nối chúng với Skimle qua điểm cuối https://skimle.com/api/mcp. Sau khi kết nối, tác tử có thể liệt kê các dự án của bạn, tìm kiếm trên mọi tài liệu, khám phá phân cấp danh mục, tạo và cập nhật các phát hiện, lưu ghi chú, tất cả ngay trong môi trường lập trình hoặc viết của bạn. Xem trang thiết lập MCP để biết hướng dẫn từng bước, hoặc đọc hướng dẫn từng bước về quy trình làm việc với tác tử của chúng tôi.
Từ Trung tâm xuất dữ liệu, bạn có thể tạo Word (báo cáo đầy đủ với chủ đề, trích dẫn và tóm tắt), PowerPoint (tóm tắt cho lãnh đạo kèm phân tích theo chủ đề), Excel (bảng dữ liệu với ma trận mã hóa) và REFI-QDA, chuẩn tương tác được NVivo, MAXQDA và ATLAS.ti công nhận, để bạn có thể tiếp tục mã hóa thủ công trong công cụ QDA truyền thống khi cần. Mọi bản xuất đều giữ nguyên thông tin nguồn và khả năng truy vết đầy đủ.
Có. Skimle Anonymise cung cấp tính năng giả danh hóa và ẩn danh hóa dựa trên AI với tính nhất quán giữa các tệp, sáu danh mục định danh (tên, chức danh và vai trò, địa điểm, tổ chức, ngày tháng và loại khác), các chế độ chuyển đổi có thể cấu hình và báo cáo kiểm toán dạng PDF. Tính năng chạy ngay trong dự án: bạn bật cho một nguồn dữ liệu, và các tài liệu đã ẩn danh đi thẳng vào phân tích, không cần công cụ riêng. Điều này đáp ứng yêu cầu của GDPR và HIPAA, đồng thời tạo ra hồ sơ mà hội đồng đạo đức và IRB mong đợi.
Có. Skimle do các nhà khoa học xây dựng cho mục đích học thuật. Đồng sáng lập Henri Schildt của chúng tôi là giáo sư với hơn 30 công trình sử dụng phương pháp định tính. Cách tiếp cận của Skimle lấy cảm hứng từ các phương pháp luận đã được công nhận: phân tích chủ đề (Braun & Clarke), lý thuyết nền (Glaser & Strauss; Strauss & Corbin) và phương pháp Gioia (Gioia, Corley & Hamilton), có hệ thống, minh bạch và tái lập được. Xem trường hợp sử dụng cho nhà nghiên cứu học thuật và hướng dẫn dùng AI trong nghiên cứu định tính học thuật của chúng tôi.
Ngày càng được chấp nhận, nếu được công bố đúng cách. Hãy mô tả phương pháp của bạn một cách minh bạch: “Mã hóa định tính có hỗ trợ của AI bằng Skimle, với bước xác nhận và tinh chỉnh thủ công.” Nhật ký kiểm toán đầy đủ của Skimle cho phép bạn ghi lại trong tài liệu chính xác cách các chủ đề được hình thành, đáp ứng yêu cầu của bình duyệt về tính chặt chẽ phương pháp luận. Hướng dẫn dùng AI trong nghiên cứu định tính học thuật của chúng tôi trình bày cách diễn đạt điều này trong phần phương pháp và hồ sơ xin phê duyệt đạo đức.
Chúng tôi cung cấp mẫu trích dẫn đề xuất khi có yêu cầu.
Có. Xuất ma trận mã hóa, nhờ một người mã hóa thứ hai rà soát thủ công một mẫu tài liệu, rồi tính mức độ đồng thuận (hệ số kappa của Cohen, v.v.). Nhà nghiên cứu có thể dùng Skimle cho bước mã hóa ban đầu (90% khối lượng công việc), sau đó xác nhận bằng rà soát thủ công (10% kiểm tra chất lượng).
Có. Skimle hỗ trợ mã hóa quy nạp, trong đó chủ đề xuất hiện từ dữ liệu thay vì được định sẵn. Hãy bắt đầu bằng mã hóa mở (Skimle đề xuất danh mục ban đầu), rồi tinh chỉnh dần qua mã hóa trục (gộp hoặc sắp xếp lại danh mục) và phát triển khung lý thuyết. Quy trình này giống lý thuyết nền làm thủ công nhưng đẩy nhanh các phần mang tính máy móc.
Mọi trích dẫn do AI tạo ra đều được đối chiếu với tài liệu nguồn. Nếu AI tạo ra văn bản không có nguyên văn trong tài liệu của bạn, hệ thống sẽ đánh dấu và yêu cầu xử lý lại cho đến khi có trích dẫn đã được xác minh. Ngoài ra, nhờ cấu trúc có hệ thống, bạn có thể kiểm tra ngẫu nhiên bất kỳ chủ đề nào bằng cách xem các trích dẫn làm căn cứ cho nó.
Quy trình xử lý có hệ thống của Skimle phân tích mọi phần của mọi tài liệu, giúp giảm nguy cơ bỏ sót chủ đề so với mã hóa thủ công (vốn bị mệt mỏi và thiên kiến ảnh hưởng đến độ bao quát). Tuy vậy, chúng tôi khuyên bạn nên xem xét các chủ đề do AI tạo ra một cách có phản biện. AI đề xuất, bạn xác nhận.
Có. Skimle hỗ trợ xuất REFI-QDA, chuẩn tương tác được NVivo, MAXQDA và ATLAS.ti công nhận. Bạn có thể bắt đầu phân tích trong Skimle rồi tiếp tục mã hóa thủ công trong công cụ QDA truyền thống, hoặc dùng Skimle để mã hóa sơ bộ một bộ dữ liệu trước khi chuyển cho nhóm làm việc trên NVivo.
Có. Gói miễn phí cho phép bạn phân tích tối đa 400 trang để dùng thử nền tảng. Rất phù hợp để thử Skimle với một dự án thí điểm trước khi chọn gói trả phí. Xem tất cả các gói.
Phân tích tài liệu tiêu tốn tín dụng tùy theo độ dài tài liệu. Một tín dụng cho phép bạn tải lên khoảng 2.000 ký tự văn bản, tức khoảng một trang. Các gói đăng ký bao gồm lượng tín dụng hằng tháng hoặc hằng năm, kèm tùy chọn mua thêm khi cần.
Bảng giá bắt đầu từ gói miễn phí để dùng thử. Xem bảng giá đầy đủ. Giấy phép doanh nghiệp và tổ chức có giá tùy chỉnh, hãy liên hệ với chúng tôi để biết chi tiết.
Có. Chúng tôi có các gói giảm giá cho sinh viên và nhà nghiên cứu học thuật. Cần có giấy tờ chứng minh tư cách học thuật. Liên hệ với chúng tôi hoặc xem thẻ giá học thuật trên trang bảng giá.
Có, bất cứ lúc nào trong phần cài đặt tài khoản. Khi nâng cấp, bạn sẽ được tính phần chênh lệch theo tỷ lệ thời gian. Khi hạ cấp, thay đổi có hiệu lực từ chu kỳ thanh toán tiếp theo.
Bạn có thể mua thêm tín dụng bất cứ lúc nào hoặc nâng cấp lên gói cao hơn. Các dự án hiện có vẫn truy cập được; chỉ là bạn không thể phân tích tài liệu mới cho đến khi nạp thêm tín dụng.
Có. Chúng tôi cung cấp giấy phép cho trường đại học, viện nghiên cứu, công ty tư vấn và cơ quan nhà nước. Giấy phép nhóm bao gồm tính năng cộng tác, thanh toán tập trung, thỏa thuận xử lý dữ liệu và chiết khấu theo khối lượng. Liên hệ với chúng tôi để biết giá dành cho tổ chức.
Có. Tất cả các gói trả phí đều tự động xuất hóa đơn. Với các giao dịch mua của tổ chức cần đơn đặt hàng hoặc hình thức thanh toán riêng, hãy liên hệ đội ngũ kinh doanh của chúng tôi.
Có. Truy cập đều phải xác thực và được ghi nhật ký. Chúng tôi tuân thủ các thực hành bảo mật theo tiêu chuẩn ngành và sẵn lòng điền bảng câu hỏi bảo mật cho khách hàng doanh nghiệp.
Toàn bộ dữ liệu được lưu trữ tại Liên minh châu Âu (máy chủ đám mây ở các khu vực EU). Dữ liệu của bạn không bao giờ rời khỏi EU, bảo đảm tuân thủ GDPR và chủ quyền dữ liệu cho khách hàng châu Âu.
Có, hoàn toàn. Chúng tôi tuân thủ mọi yêu cầu của GDPR: xử lý hợp pháp, tối thiểu hóa dữ liệu, giới hạn mục đích, giới hạn lưu trữ và quyền của chủ thể dữ liệu. Chúng tôi cung cấp Thỏa thuận xử lý dữ liệu (DPA) cho khách hàng là tổ chức. Với các dự án có dữ liệu của người tham gia, Skimle Anonymise giúp bạn giả danh hóa hoặc ẩn danh hóa trước khi phân tích, giảm thêm rủi ro tuân thủ.
Không. Tài liệu và dữ liệu của bạn không bao giờ được dùng để huấn luyện mô hình AI. Dữ liệu của bạn được giữ riêng tư và chỉ dùng cho mục đích phân tích của bạn.
Có. Bạn có thể xóa từng dự án hoặc toàn bộ tài khoản bất cứ lúc nào trong phần cài đặt. Việc xóa là vĩnh viễn và có hiệu lực ngay. Chúng tôi không giữ bản sao nào sau khi xóa (trừ hồ sơ pháp lý và kế toán như hóa đơn).
Có, dành cho khách hàng doanh nghiệp có yêu cầu đặc thù về bảo mật hoặc tuân thủ. Chúng tôi có thể triển khai Skimle trong môi trường đám mây riêng hoặc trao đổi về phương án triển khai tại chỗ. Liên hệ với chúng tôi để biết chi tiết.
Nhà nghiên cứu có thể ghi Skimle trong hồ sơ xin phê duyệt IRB hoặc đạo đức ở mục “công cụ phân tích dữ liệu”, tương tự như cách họ ghi SPSS hay NVivo. Chúng tôi có thể cung cấp tài liệu về cách xử lý dữ liệu, bảo mật và quy trình AI để hỗ trợ hồ sơ của bạn. Skimle Anonymise cũng tạo báo cáo kiểm toán PDF có chữ ký, ghi lại mọi chuyển đổi đã áp dụng, thứ mà các hội đồng đạo đức ngày càng mong đợi như bằng chứng của việc ẩn danh hóa chặt chẽ.
Các công cụ truyền thống đòi hỏi mã hóa thủ công từng đoạn: có hệ thống nhưng tốn rất nhiều thời gian (từ vài tuần đến vài tháng). Skimle dùng AI để tự động hóa quá trình mã hóa trong khi vẫn giữ phương pháp luận có hệ thống và minh bạch như vậy. Bạn có được sự chặt chẽ ngang NVivo với tốc độ của AI. Giao diện của Skimle cũng trực quan hơn, chạy trên nền tảng đám mây, và có thể xuất sang REFI-QDA để dự án chuyển qua lại giữa các công cụ. Xem bài so sánh đầy đủ các công cụ QDA.
Dovetail được thiết kế cho các nhóm sản phẩm làm nghiên cứu UX nhẹ nhàng, có thêm tính năng AI. Skimle được xây dựng từ đầu cho phân tích định tính chặt chẽ với phương pháp luận chuẩn học thuật. Nếu bạn cần bảo vệ kết quả trong bình duyệt, trình bày với lãnh đạo còn hoài nghi, hoặc xử lý dữ liệu bảo mật theo GDPR, Skimle mang lại cấu trúc và tính minh bạch mà những tình huống đó đòi hỏi. Đọc bài so sánh đầy đủ giữa Skimle và Dovetail.
Có thể, nhưng bạn sẽ sớm gặp giới hạn: câu trả lời không nhất quán (hỏi cùng một câu hai lần, nhận hai câu trả lời khác nhau), không bao quát có hệ thống (có thể bỏ sót những phát hiện không khớp về ngữ nghĩa với câu hỏi), không truy vết được (không thể chỉ ra kết luận đến từ đâu), và cửa sổ ngữ cảnh hạn chế, vất vả khi có hơn 20 tài liệu. Để tóm tắt nhanh một hai tài liệu, công cụ AI thông dụng là đủ. Để phân tích có hệ thống, hãy dùng Skimle. Đọc thêm về những trường hợp phân tích bằng LLM hiệu quả và thất bại.
Với các dự án nhỏ (dưới 10 cuộc phỏng vấn), đọc thủ công hoàn toàn ổn. Nhưng khi quy mô tăng lên: (1) Thời gian bùng nổ: 20 cuộc phỏng vấn đồng nghĩa với hơn 40 giờ mã hóa thủ công; (2) Tính nhất quán giảm: mệt mỏi và thiên kiến ảnh hưởng đến các tài liệu về sau khác với những tài liệu đầu tiên; (3) Khả năng nhận diện mô thức suy giảm: rất khó ghi nhớ cùng lúc 50 cuộc phỏng vấn. Skimle duy trì chất lượng ở quy mô lớn, đồng thời giải phóng thời gian để bạn dành cho phân tích thực sự thay vì mã hóa máy móc.