Được trí tuệ nhân tạo (AI) thấu hiểu không đồng nghĩa với việc được nó đề xuất. Một nghiên cứu mới đây đã vạch trần khoảng cách lớn giữa hai khái niệm này.
Trong hai năm qua, các chuyên gia tối ưu hóa tìm kiếm (SEO) đã dành rất nhiều thời gian để gia tăng khả năng hiển thị trên AI. Chúng ta tập trung vào những gì thương hiệu tự nói về chính mình như: viết trang giới thiệu tốt hơn, bổ sung dữ liệu cấu trúc (schema) và thuộc tính SameAs rõ ràng, tổ chức nội dung hiệu quả hơn, và cung cấp các câu trả lời trực diện hơn.
Tất cả những nguyên lý trên vẫn hoàn toàn đúng và đóng vai trò thiết yếu trong giai đoạn đánh giá điều kiện (bao gồm sự rõ ràng và tính liên quan) khi các mô hình ngôn ngữ lớn (LLM) xử lý dữ liệu thương hiệu. Tuy nhiên, một nghiên cứu do tôi và đồng nghiệp João da Silva thực hiện trên nền tảng của Friction AI đã chứng minh được một yếu tố định lượng mà ngành SEO lâu nay mới chỉ dự đoán chứ chưa thể chứng minh bằng số liệu cụ thể.
Đối với những thương hiệu đã có độ nhận diện nhất định (tức là những thương hiệu được LLM mô tả một cách chính xác), sức mạnh của Đồ thị tri thức (Knowledge Graph – KG) sẽ dự đoán được khả năng hiển thị của thương hiệu đó trong chính danh mục gốc mà nó được định nghĩa. Thế nhưng, sức mạnh của KG lại không thể dự đoán liệu thương hiệu đó có xuất hiện trong các câu lệnh truy vấn thuộc danh mục phụ cận hay không, ngay cả khi thương hiệu đó thực sự kinh doanh sản phẩm thuộc danh mục phụ cận đó. Nói một cách khác: Được AI nhận diện không đảm bảo việc được AI đề xuất. Đây chính là “khoảng cách về mặt bối cảnh” (framing gap).
Phương pháp nghiên cứu và các thương hiệu thử nghiệm
Trong bài nghiên cứu tình huống này, chúng tôi đã thử nghiệm 12 thương hiệu thời trang thể thao (athleisure và activewear) trên 5 nền tảng lớn bao gồm: ChatGPT, Gemini, Perplexity, Claude và Google AI Overviews. Chúng tôi đã thực hiện tổng cộng 14.140 lượt chạy API trong vòng 7 ngày, sử dụng định vị địa lý tại Vương quốc Anh (UK) và kích hoạt tính năng tìm kiếm web.
Đối với mỗi thương hiệu, chúng tôi đã vận hành hai nhóm câu lệnh (prompt) mục tiêu:
- Câu lệnh nhận diện (Recognition prompts): Ví dụ: ” [Tên thương hiệu] là gì?” và “Hãy mô tả về [Tên thương hiệu]”.
- Câu lệnh đề xuất (Recommendation prompts): Ví dụ: “Những thương hiệu thời trang thể thao tốt nhất”, “Top 10 thương hiệu thời trang thể thao”, và “Những thương hiệu quần áo thể thao nào đáng mua nhất năm 2026?”.
Các thương hiệu thử nghiệm được chia thành 3 nhóm dựa trên thứ hạng Đồ thị tri thức (Knowledge Graph). Thứ hạng này được xác định bằng điểm số resultScore từ API tìm kiếm Đồ thị tri thức của Google (đây là chỉ số đại diện cho mức độ định hình vững chắc của một thực thể trong chỉ mục của Google). Việc phân loại này giúp chúng tôi kiểm tra xem liệu sức mạnh của KG có dự đoán được khả năng hiển thị khi AI đưa ra đề xuất hay không:
| Nhóm KG Thấp (Low KG) | Nhóm KG Trung bình (Mid KG) | Nhóm KG Cao (High KG) |
| LNDR TALA Gymshark Varley | Reebok Outdoor Voices Rhone Apparel Sweaty Betty | Alo Yoga Nike lululemon New Balance |
Kết quả bất ngờ: Các thương hiệu thuộc nhóm KG cao không hề thống trị các câu trả lời đề xuất. Trong khi đó, nhóm thương hiệu thuộc phân khúc KG trung bình lại là nhóm ghi nhận khoảng cách trung bình lớn nhất giữa mức độ nhận diện và mức độ đề xuất.
Ngay trong chính nhóm KG cao, một số thương hiệu được các AI đề xuất ở mọi nơi, trong khi một số thương hiệu khác lại gần như “vô hình” trong các câu lệnh đề xuất, mặc dù chúng được tất cả các LLM nhận diện một cách hoàn hảo.
Kết quả từ dữ liệu đồng xuất hiện (Co-mention)
Chúng tôi đã lập bản đồ tần suất các thương hiệu xuất hiện cùng nhau trong các nội dung về thời trang thể thao từ các nguồn bên ngoài (như bài viết, bài đánh giá, bài so sánh và danh sách của biên tập viên). Các dữ liệu này được thu thập qua API từ các nguồn đã được lập chỉ mục tại Vương quốc Anh.
Dưới đây là số liệu về các cặp thương hiệu có tần suất đồng xuất hiện cao nhất:
- lululemon + Alo Yoga: 534 lần đồng xuất hiện.
- lululemon + Nike: 482 lần đồng xuất hiện.
- Alo Yoga + Nike: 449 lần đồng xuất hiện.
- Gymshark + lululemon: 264 lần đồng xuất hiện.
- Gymshark + Alo Yoga: 252 lần đồng xuất hiện.
Các thương hiệu này liên tục xuất hiện cùng nhau trong các bài viết, bài tổng hợp và các bài viết so sánh từ nhiều nguồn độc lập khác nhau. Sự kết hợp lặp đi lặp lại này đã tạo thành một “cụm thương hiệu” (cluster) mà các mô hình LLM mặc định gắn mác là “thời trang thể thao” (athleisure).
Bây giờ, chúng ta hãy nhìn vào khía cạnh ngược lại của biểu đồ. Thương hiệu New Balance rất hiếm khi xuất hiện cùng lululemon trong các nội dung về thời trang thể thao, đến mức thương hiệu này không hề có mặt trong danh sách các cặp đôi xuất hiện nhiều nhất. Tần suất Nike xuất hiện cùng lululemon cao gấp 50 lần so với New Balance.
Xét về mặt lý thuyết, ba thương hiệu Nike, New Balance và Reebok sở hữu mô tả hoàn toàn giống nhau trên Đồ thị tri thức của Google, đó là: “Công ty giày dép” (Footwear company). Nếu xét thuần túy dưới góc độ thực thể (entity), cả ba đều xuất phát từ một vị trí tương đương. Tuy nhiên, Nike đã nằm gọn bên trong cụm “thời trang thể thao”, còn New Balance và Reebok thì hoàn toàn đứng ngoài rìa cụm này.
Bản chất vận hành của AI: Các mô hình LLM không tự đánh giá các thương hiệu một cách độc lập để quyết định xem thương hiệu nào phù hợp với ngành thời trang thể thao. Thay vào đó, AI đang thực hiện đối sánh mẫu (pattern-matching) dựa trên các mối liên kết được xây dựng từ nội dung bên ngoài. Nếu một thương hiệu không xuất hiện một cách nhất quán bên cạnh lululemon, Alo Yoga hay Gymshark trong dữ liệu mà mô hình AI được đào tạo (hoặc dữ liệu mà AI truy xuất được), thương hiệu đó sẽ không thuộc về cụm danh mục đó vì mối liên kết ngữ nghĩa chưa bao giờ được hình thành.
Trường hợp của Nike: Cùng mô tả KG, kết quả hoàn toàn khác biệt
Mặc dù các thử nghiệm chuyên sâu trên cả 5 hệ thống AI đều xếp cả ba thương hiệu Nike, New Balance và Reebok vào danh mục giày dép thể thao (athletic_footwear), nhưng tỷ lệ được đề xuất của họ trong các truy vấn về thời trang thể thao lại không hề tương đương.
- Nike xuất hiện trong 71% các câu lệnh đề xuất về thời trang thể thao.
- New Balance và Reebok xuất hiện với tỷ lệ 0% trên cả 5 mô hình LLM trong toàn bộ 14.140 lượt chạy thử nghiệm.
Sự khác biệt ở đây không nằm ở định nghĩa của thương hiệu (“Công ty giày dép”), mà nó nằm ở việc thương hiệu đó xuất hiện trong cuộc hội thoại nào và những thương hiệu nào đang xuất hiện cùng với họ.
Các mô hình LLM không có khả năng tự suy luận ra các danh mục phụ cận. Nếu một thương hiệu không được nhắc đến một cách nhất quán bên cạnh các tên tuổi lớn trong ngành (trên báo chí, bài đánh giá, nội dung biên tập hay bài viết so sánh), mô hình AI sẽ không tự tạo ra bước nhảy vọt về mặt tư duy đó. Chuyên gia Jason Barnard đã mô tả rất chính xác điều này: Nếu bạn muốn A cộng B bằng J, bạn phải tự mình xây dựng lộ trình đó một cách rõ ràng. Mô hình AI sẽ không tự xây dựng lộ trình thay cho bạn.
Mật độ đồng xuất hiện của New Balance chủ yếu tồn tại trong các nội dung về chạy bộ và thể thao hiệu suất cao. Do không có ai xây dựng chiếc cầu nối ngữ nghĩa từ Chạy bộ $\rightarrow$ Phong cách sống thể thao $\rightarrow$ Thời trang thể thao trong các nội dung bên ngoài, mô hình AI đã không thể tự mình bước qua. Đồ thị tri thức ghi nhận họ là “Công ty giày dép”, và kho dữ liệu từ bên thứ ba cũng xác nhận họ kinh doanh giày dép. Khi người dùng tìm kiếm về thời trang thể thao, AI sẽ truy xuất kho dữ liệu về thời trang thể thao, và New Balance hoàn toàn không nằm trong kho dữ liệu đó.
Vai trò của nguồn trích dẫn từ bên thứ ba trong dữ liệu Đề xuất và Nhận diện
Khi chúng tôi phân tách các nguồn trích dẫn theo từng loại câu lệnh (Nhận diện so với Đề xuất), một mô hình rõ ràng đã xuất hiện. Kết quả này buộc chúng ta phải thay đổi tư duy về cách phân bổ ngân sách tối ưu hóa công cụ tìm kiếm dựa trên AI (GEO – Generative Engine Optimization).
Đối với các câu lệnh nhận diện (khi người dùng đã chủ động gõ tên thương hiệu của bạn), nội dung do chính thương hiệu sở hữu (own-brand content) là nguồn tài liệu chiếm ưu thế:
- ChatGPT trích dẫn nội dung của chính thương hiệu trong 49% trường hợp.
- Perplexity: 36%.
- Claude: 23%.
Đây chính là lúc trang Giới thiệu (About page) và trang chủ của bạn phát huy tác dụng để tạo ra sự rõ ràng, đồng thời các trang dịch vụ, danh mục và trang hướng dẫn của bạn được sử dụng để chứng minh tính liên quan.
Ngược lại, các câu lệnh đề xuất lại cho ra kết quả hoàn toàn khác biệt. Khi người dùng không gọi đích danh thương hiệu của bạn mà chỉ yêu cầu tìm lựa chọn tốt nhất trong một danh mục, tỷ lệ trích dẫn từ nội dung thuộc sở hữu thương hiệu giảm xuống còn 18% trên ChatGPT, và giảm về mức gần như bằng 0% trên Gemini, Claude, Perplexity cũng như Google AI Overviews. Các nguồn từ bên thứ ba chiếm từ 82% đến 100% tỷ lệ được trích dẫn trên cả 5 hệ thống AI.
Cộng đồng làm GEO từ lâu đã tranh luận rằng các tín hiệu bên ngoài quan trọng hơn việc tối ưu hóa trên trang web (on-site) đối với khả năng hiển thị đề xuất. Dữ liệu nghiên cứu này đã cung cấp những con số cụ thể để chứng minh cho luận điểm đó. Đồng thời, nghiên cứu cũng chỉ ra rằng không phải tất cả các tín hiệu bên ngoài đều có giá trị như nhau:
- Sự rõ ràng của thực thể (Entity clarity) giúp thương hiệu được nhận diện. Đây là bài toán bạn có thể tự giải quyết ngay trên trang web của mình.
- Uy tín từ bên ngoài (External credibility) giúp thương hiệu được cân nhắc. Đây là bài toán thuộc về quan hệ công chúng (PR) và sự chứng thực từ bên ngoài.
- Mật độ đồng xuất hiện (Co-mention density) trong đúng cụm danh mục mục tiêu sẽ đưa thương hiệu vào đồ thị khái niệm (concept graph) cho một truy vấn đề xuất cụ thể. Đây là bài toán thuộc về định vị danh mục (category-positioning).
Đây là ba bài toán hoàn toàn riêng biệt và đòi hỏi các giải pháp khác nhau. Việc đánh đồng ba bài toán này là lý do khiến nhiều chiến lược kiểm định GEO thường thất bại trước khi đạt được kết quả mong muốn.
Hành động thực tế cho chiến lược PR và Nội dung
Bước bổ sung thiết thực cho bất kỳ quy trình kiểm định GEO nào là: Sau khi kiểm tra sự rõ ràng của thực thể và uy tín từ bên ngoài, bạn cần kiểm định xem thương hiệu của mình đang xuất hiện ở đâu trong mối tương quan với các đối thủ khác.
- Các bài báo nhắc đến bạn có đang xếp bạn ngồi chung hàng với các đối thủ cạnh tranh thực tế trong danh mục của bạn không?
- Các bài viết tổng hợp có tên bạn có đồng thời nhắc đến những thương hiệu đang thống trị danh mục mục tiêu của bạn không?
Nếu câu trả lời là không, mô hình LLM có thể chưa bao giờ học được cách liên kết bạn với danh mục đó vì nó chưa từng thấy bạn xuất hiện trong cùng một “vòng bạn bè”. Khác với sự rõ ràng của thực thể hay dữ liệu cấu trúc (schema), đây không phải là điều bạn có thể sửa chữa trên chính website của mình. Đó chính là khoảng cách cần khỏa lấp.
Như chúng ta đã thấy, việc chỉ được nhắc tên trong một danh mục là chưa đủ. Được nhắc tên bên cạnh những thương hiệu phù hợp trong cùng một danh mục mới là yếu tố đưa bạn vào đồ thị khái niệm của cụm ngành đó.
- Một bài báo mô tả thương hiệu của bạn là “quần áo hiệu suất cao” một cách cô lập sẽ có rất ít tác dụng trong việc thúc đẩy vị trí của bạn trên đồ thị khái niệm thời trang thể thao.
- Ngược lại, một bài báo liệt kê thương hiệu của bạn bên cạnh lululemon, Alo Yoga và Gymshark trong một bài viết so sánh của biên tập viên sẽ mang lại hiệu quả cao hơn rất nhiều, bởi vì nó xây dựng tín hiệu đồng xuất hiện mà mô hình AI cần để liên kết thương hiệu của bạn với cụm ngành đó.
Tư duy logic này cũng áp dụng tương tự trên mọi loại hình nội dung:
- Các bài tổng hợp của biên tập viên và bài viết so sánh: Việc được góp mặt trong các danh sách “thốt nhất” có tên các đối thủ cạnh tranh cùng danh mục sẽ có giá trị đối với đồ thị khái niệm của bạn hơn là một bài viết hồ sơ thương hiệu độc lập. Tín hiệu cụm đến từ việc xuất hiện trong cùng một bài viết với các thương hiệu định hình danh mục.
- Sự xuất hiện trên Podcast: Nếu người dẫn chương trình giới thiệu bạn trong mối tương quan với các thương hiệu cụ thể, hoặc so sánh hướng tiếp cận của bạn với một thương hiệu dẫn đầu danh mục, sự đồng xuất hiện đó sẽ được lập chỉ mục. Một đoạn tiểu sử ghi: “Người sáng lập của [Thương hiệu], đối thủ cạnh tranh trực tiếp với lululemon và Gymshark trong phân khúc thời trang thể thao cao cấp” sẽ tạo ra giá trị hoàn toàn khác biệt so với một đoạn tiểu sử chỉ ghi: “Người sáng lập của [Thương hiệu], một công ty quần áo hiệu suất cao”.
- Báo cáo phân tích và báo cáo ngành: Các báo cáo cấp danh mục thực hiện gom nhóm các thương hiệu lại với nhau là những nguồn đồng xuất hiện có tín hiệu rất mạnh. Việc được đưa vào một bài phân tích chuyên ngành bên cạnh các đối thủ cùng ngành sẽ giúp bạn có một vị trí trong đồ thị khái niệm theo cách mà các bài viết độc lập không thể làm được.
- Hệ thống phân loại của nhà bán lẻ và trang so sánh: Việc thương hiệu của bạn được lưu kho và phân loại bên cạnh các thương hiệu dẫn đầu trong hệ thống phân loại của một nhà bán lẻ lớn chính là một tín hiệu đồng xuất hiện. Trang danh mục của nhà bán lẻ đó chính là nội dung bên ngoài giúp xếp thương hiệu của bạn vào một cụm.
Mục tiêu cốt lõi: Mục tiêu cuối cùng là khả năng hiển thị khi đứng cùng những người đồng hành phù hợp.
Lưu ý về dữ liệu nghiên cứu
Nghiên cứu này mới chỉ giới hạn trong một danh mục duy nhất là thời trang thể thao và quần áo năng động (athleisure và activewear) với 12 thương hiệu được thử nghiệm tại thị trường Vương quốc Anh. Các số liệu về đồng xuất hiện là số lượng đồng xuất hiện thô từ các nguồn dữ liệu được lập chỉ mục tại Vương quốc Anh, được thu thập qua API vào thời điểm nghiên cứu diễn ra vào tháng 5 năm 2026. Việc xác thực chéo giữa các danh mục và thử nghiệm bổ sung tại các khu vực địa lý khác hiện đang được chúng tôi triển khai.
Báo cáo toàn văn với tiêu đề “Khoảng cách giữa Nhận diện và Đề xuất: Bằng chứng thực nghiệm cho thấy việc định mã danh mục, chứ không phải sức mạnh của Đồ thị tri thức, quyết định khả năng hiển thị thương hiệu trong kết quả đầu ra của AI tạo sinh” đã được João da Silva và tôi công bố trên nền tảng Zenodo. Báo cáo này tài liệu hóa chi tiết về phương pháp luận, mẫu thương hiệu, bộ câu lệnh và mã trích xuất dữ liệu để phục vụ cho các nghiên cứu độc lập muốn tái lặp lại thử nghiệm.
Tuy nhiên, mô hình xuất hiện trong dữ liệu đồng xuất hiện đã đủ rõ ràng để chúng ta hành động ngay từ bây giờ. Ba thương hiệu có cùng một mô tả trong Đồ thị tri thức: một thương hiệu xuất hiện trong 71% câu trả lời đề xuất về thời trang thể thao, và hai thương hiệu còn lại xuất hiện với tỷ lệ 0%. Sự khác biệt mang tính cấu trúc ở đây chính là mật độ đồng xuất hiện trong các nội dung từ bên thứ ba đã được đồng bộ hóa theo danh mục.
Câu hỏi giá trị nhất cần đặt ra cho bất kỳ thương hiệu nào lúc này là: Trong những nội dung thảo luận về danh mục sản phẩm của bạn, bạn đã có mặt trong phòng chưa, và bạn đã ngồi đúng mâm với những người đồng hành phù hợp hay chưa?
