AI SEO và GEO không lầm tưởng: điều gì thực sự hiệu quả

Thương hiệu đi vào câu trả lời của ChatGPT, Gemini, Perplexity và AI Overview chủ yếu qua hai con đường đan xen vào nhau, và AI SEO là công việc trên cả hai:

1. Qua tìm kiếm. Trong lúc trả lời, mô hình tìm trên web và trích dẫn một phần các trang nó tìm thấy. Ở đây áp dụng đúng những gì áp dụng trong SEO: quyền truy cập cho bot, chỉ mục, khả năng hiển thị theo từ khóa và các biến thể của nó, cùng những đoạn văn trả lời được câu hỏi mà không cần phần còn lại của trang. Kết quả, cũng như trong SEO, thấy sau vài tuần hoặc vài tháng.
2. Qua trí nhớ của mô hình. Mô hình trả lời từ những gì nó học được trước khi kết thúc huấn luyện, và trí nhớ đó cũng ảnh hưởng đến việc nó nhắc tên ai khi tìm trên web. Ở đây điều quan trọng là những gì người khác viết về thương hiệu và một mô tả thương hiệu nhất quán ở nhiều nguồn. Tôi chưa đo tốc độ thay đổi của trí nhớ, nên trong khung một quý tôi không hứa điều gì ở đây.

Phần lớn các “chiêu GEO” không có bằng chứng, và một số trong đó tôi đã kiểm tra trên dữ liệu của chính mình. Tệp llms.txt và dữ liệu có cấu trúc chưa có bằng chứng là mang lại lượt trích dẫn. Nhiều thẻ heading hơn không đưa các trang lên top 3 trong thử nghiệm của tôi. Thử nghiệm xem vị trí theo truy vấn con có dự đoán lượt trích dẫn tốt hơn vị trí theo từ khóa chính hay không đã không cho kết luận nào, và kết luận đầu tiên của tôi từ đó bị vòng kiểm tra chéo bác bỏ. Bằng chứng cho từng câu này nằm ở phần dưới.

AI SEO là gì và còn có những tên gọi nào?

AI SEO là công việc giúp thương hiệu xuất hiện trong các câu trả lời do AI tạo ra: trong AI Overview và Chế độ AI của Google, trong ChatGPT, Gemini, Perplexity và Copilot. Cùng một công việc có vài tên gọi, và khác biệt giữa chúng chủ yếu là khác biệt về marketing:

Cái tên GEO có nguồn gốc khoa học, còn nền tảng của toàn bộ công việc này vẫn giống SEO. GEO xuất phát từ một bài nghiên cứu tháng 11 năm 2023, được nhận tại hội nghị KDD 2024. Các tác giả, Pranjal Aggarwal và cộng sự, đã cho thấy trên bộ dữ liệu thử nghiệm của họ rằng thay đổi nội dung có thể tăng khả năng hiển thị của nguồn trong các câu trả lời tạo sinh lên tới 40% (arXiv). Google viết trong tài liệu của mình rằng tối ưu cho tìm kiếm tạo sinh vẫn là SEO (Google Search Central). Cyrus Shepard của Zyppy trả lời tương tự cho câu hỏi liệu công ty có cần một chiến lược GEO riêng không:

Mọi người cũng không có một cái tên chung cho công việc này, và điều đó thấy rõ trong kết quả Google. Câu hỏi “Jak nazywa się pozycjonowanie w AI?” (việc tối ưu cho AI gọi là gì) xuất hiện trong mục “Mọi người cũng hỏi” ở kết quả tại Ba Lan, các câu hỏi tương đương có trong kết quả từ Đức, Tây Ban Nha và Phần Lan, còn câu tiếng Anh “What is AI SEO called now?” có trong kết quả từ Mỹ, Thụy Điển và Singapore. Câu hỏi về sự khác biệt giữa GEO (hoặc LLMO) và SEO xuất hiện ở 9 trên 27 thị trường được kiểm tra, từ Brazil đến Nhật Bản.

Cái tên chiếm ưu thế phụ thuộc vào thị trường. Ở Nhật Bản, 72% trong khoảng 16.730 lượt tìm kiếm mỗi tháng về chủ đề này là LLMO, và riêng cụm “llmo” có khoảng 12.100 lượt tìm kiếm, nhiều hơn “ai seo” ở Mỹ (khoảng 6.600). Ở Đức và Pháp GEO chiếm ưu thế (64% và 66%), ở Hàn Quốc là 83%. Ở Ba Lan, 58% trong khoảng 2.265 lượt tìm kiếm mỗi tháng là AI SEO, tính cả cụm “ai seo” và các cách gọi bằng tiếng Ba Lan (“pozycjonowanie ai”, “pozycjonowanie w ai”), còn GEO là 32%. Ở Mỹ AI SEO và GEO ngang nhau: 42% và 39% trong khoảng 25.400 lượt tìm kiếm, còn ở Tây Ban Nha là hòa (44% và 44%). Ở Séc, trong dữ liệu không có nhu cầu với bất kỳ cái tên nào.

Cụm “ai seo” mang nhiều nghĩa, nên tôi coi tỷ lệ của AI SEO là giới hạn trên. Với “ai seo”, bên cạnh các bài về tối ưu cho AI, Google còn hiển thị các công cụ AI và hướng dẫn làm SEO bằng AI: ở Mỹ đó là hơn một nửa kết quả trong top 10, ở Đan Mạch ít nhất 6 trên 8. Tuy vậy AI Overview cho cụm này ở Mỹ và Đan Mạch mô tả AI SEO là tối ưu cho câu trả lời của AI, nên Google coi nó là tên của công việc này. Nếu bỏ riêng cụm này, GEO dẫn đầu ở 25 trên 26 thị trường trong blog của tôi, còn ở Nhật Bản vẫn là LLMO. Ở Ba Lan, các cách gọi rõ nghĩa bằng tiếng Ba Lan (“pozycjonowanie ai”, “pozycjonowanie w ai”) cộng lại có khoảng 580 lượt tìm kiếm mỗi tháng, còn GEO khoảng 725. Về các công cụ AI cho SEO, tôi sẽ viết một bài riêng.

Riêng cụm “aeo” tôi không tính, vì ở Ba Lan nó chủ yếu nghĩa là chứng nhận hải quan, còn ở Mỹ một phần kết quả là giá cổ phiếu của chuỗi bán lẻ quần áo American Eagle. Với “aeo” trong Google Ba Lan, ba trong bốn kết quả đầu tiên là trang của bộ tài chính. Các cụm đầy đủ, ví dụ “answer engine optimization”, tôi tính vào nhóm “Khác”.

Mỗi phiên bản ngôn ngữ của bài này dùng cái tên mà người dùng tìm kiếm ở thị trường đó. Bản tiếng Nhật nói về LLMO, bản tiếng Đức và tiếng Pháp nói về GEO, còn bản tiếng Ba Lan nói về “pozycjonowanie w AI” và AI SEO. Bản tiếng Việt dùng AI SEO, vì ở Việt Nam AI SEO chiếm 78% trong 630 lượt tìm kiếm mỗi tháng, chủ yếu nhờ cụm “ai seo” (480), còn GEO chiếm 22%.

AI chọn nguồn cho câu trả lời như thế nào?

Mô hình trả lời từ tìm kiếm hoặc từ trí nhớ, và việc bạn có thể thay đổi được gì phụ thuộc vào điều đó. Khi tìm trên web, nó tách câu hỏi thành vài truy vấn, lấy kết quả, chọn từ đó các đoạn và trích dẫn một phần trong số đó. Google gọi điều này trong tài liệu là “query fan-out”: hệ thống gửi nhiều tìm kiếm liên quan về các chủ đề con và từ nhiều nguồn khác nhau (Google Search Central). Khi mô hình không tìm kiếm, nó trả lời từ những gì đã học trong lúc huấn luyện, và khi đó vị trí của trang trong Google không thay đổi điều gì.

Hai con đường này đan xen, vì trí nhớ của mô hình cũng ảnh hưởng đến cả câu trả lời khi mô hình có tìm trên web. Dan Petrovic của Dejan viết rằng việc nhắc tên thương hiệu trong nội dung câu trả lời chủ yếu dựa trên kiến thức có sẵn của mô hình, còn một trang đơn lẻ hầu như không làm nó dịch chuyển (Dejan, 07/07/2026). Vì vậy tôi đo hai con đường riêng, nhưng làm song song.

Mô hình tìm trên web thường xuyên đến mức nào phụ thuộc vào mô hình: trong thử nghiệm của tôi từ 10 đến 94 trên 94 từ khóa. Tôi kiểm tra qua API trên 94 từ khóa từ các dự án tôi đang làm, bằng tiếng Anh và tiếng Ba Lan, trong đêm từ 3 sang 4 tháng 10 năm 2026 và lần thứ hai vào buổi sáng. Trong bài về chiến lược SEO tôi đã mô tả cùng hiệu ứng này trên năm câu hỏi hướng dẫn, ở đây là trên tập lớn hơn.

• 93 trên 94Đó là số lần Gemini 2.5 Flash dùng tìm kiếm trong lượt chạy đầu (lượt thứ hai: 94 trên 94).Thử nghiệm của tôi qua API, 3-4/10/2026
• 71 trên 94Đó là số lần Gemini 3.5 Flash tìm kiếm (lượt thứ hai: 69 trên 94).Thử nghiệm của tôi qua API, 3-4/10/2026
• 25 trên 84Đó là số lần Gemini 3.1 Pro tìm kiếm (10 lần gọi kết thúc bằng lỗi giới hạn; lượt thứ hai: 32 trên 94).Thử nghiệm của tôi qua API, 3-4/10/2026
• 10 trên 94Đó là số lần Gemini 3.8 Flash tìm kiếm (lượt thứ hai: 15 trên 94). Với các từ khóa còn lại nó trả lời từ trí nhớ.Thử nghiệm của tôi qua API, 3-4/10/2026

Trong cấu hình này, các phiên bản Gemini Flash mới hơn tìm kiếm ít hơn, nhưng Gemini 3.1 Pro không khớp với quy luật đó. Pro có số phiên bản cũ hơn 3.5 Flash, vậy mà tìm kiếm ít hơn nó. Đây là một họ mô hình và một cấu hình API, không phải ứng dụng Gemini mà người dùng nhìn thấy, nên tôi coi các con số là tín hiệu, không phải quy luật. Nhưng như vậy là đủ để mỗi lần đo tôi đều kiểm tra mô hình có tìm kiếm ở bao nhiêu câu hỏi.

Trí nhớ của các mô hình về một thương hiệu Ba Lan mới hóa ra có lỗ hổng, và một số mô hình bịa ra mô tả cho nó. Trong cùng dự án, khoảng 500 câu trả lời cho các câu hỏi về những thương hiệu tôi phụ trách được một mô hình riêng chấm mù. Một trong các thương hiệu Ba Lan mới trong tập này không được mô hình nào được kiểm tra biết đến, và trong 9 trên 12 câu trả lời về nó, mô tả là bịa. Tỷ lệ bịa phụ thuộc vào mô hình: từ 5% đến 77% số câu trả lời về mọi thương hiệu. Các câu trả lời do một mô hình làm giám khảo chấm, nên chênh lệch dưới khoảng 10 điểm phần trăm tôi coi là nhiễu.

Cùng một tên miền có thể hiển thị trên con đường này và không hiển thị trên con đường kia. Một website được trích dẫn trong Chế độ AI của Google ở 10 trên 13 cặp từ khóa, còn trong câu trả lời của các mô hình không tìm kiếm thì không xuất hiện lần nào (0 trên 13). Đó là một tên miền và 13 cặp, nên đây là minh họa, không phải quy luật.

Hiện tượng liên quan còn thấy trong một nghiên cứu quy mô lớn hơn. Dan Petrovic thuật lại nghiên cứu của Google Research trên 13 mô hình và 2.150 dữ kiện từ Wikipedia: các mô hình hàng đầu, như Gemini 3 Pro và GPT-5, có 95-98% kiến thức này trong trọng số, nhưng không thể gợi lại 26-34% trong đó (Dejan, 17/08/2026). Đó là các dữ kiện bách khoa, không phải kiến thức về thương hiệu, nhưng kết luận cho thương hiệu tương tự: thông tin có trong dữ liệu huấn luyện không đảm bảo mô hình sẽ nói ra.

Làm thế nào để xuất hiện trong câu trả lời của AI qua tìm kiếm?

Trên con đường qua tìm kiếm, áp dụng đúng những gì áp dụng trong SEO, với một khác biệt. Google viết rằng để vào AI Overview và Chế độ AI, trang phải nằm trong chỉ mục và có thể hiển thị trong kết quả kèm một đoạn văn bản, ngoài ra không có yêu cầu kỹ thuật bổ sung (Google Search Central). Khác biệt ở chỗ mô hình gửi nhiều truy vấn cùng lúc, nên trang chỉ hiển thị cho một từ khóa chính có ít cơ hội được trích dẫn hơn trang cũng hiển thị cho các biến thể của nó. ChatGPT còn có bot tìm kiếm riêng (sẽ nói ở dưới), nên khả năng hiển thị trong Google không chuyển trực tiếp sang nó.

Quyền truy cập của bot AI

Bot của công cụ tìm kiếm AI có thể bị chặn mà chủ website không biết. Tường lửa hoặc một thiết lập trong mạng phân phối nội dung (CDN) có thể chặn chúng, thường chỉ sau khi số yêu cầu vượt một ngưỡng, nên một lần kiểm tra đơn lẻ sẽ không cho thấy gì. Tôi kiểm tra một loạt yêu cầu với tên bot của Google, OpenAI, Perplexity và Anthropic rồi so phản hồi của máy chủ với phản hồi mà trình duyệt thông thường nhận được.

Chặn việc huấn luyện mô hình là quyết định khác với chặn tìm kiếm. OpenAI tách hai vai trò này: GPTBot thu thập nội dung có thể đưa vào huấn luyện mô hình, còn OAI-SearchBot quyết định việc có mặt trong kết quả tìm kiếm của ChatGPT. OpenAI viết rằng các trang chặn OAI-SearchBot sẽ không được hiển thị trong câu trả lời tìm kiếm của ChatGPT, còn chặn GPTBot không làm thay đổi điều đó (OpenAI). Tương tự, Google-Extended điều khiển việc các mô hình Gemini sử dụng nội dung, nhưng theo Google không ảnh hưởng đến sự hiện diện cũng như thứ hạng trong công cụ tìm kiếm (Google Search Central). Ai chặn mọi bot AI bằng một công tắc có thể mất sự hiện diện trong tìm kiếm của ChatGPT mà họ chưa hề muốn từ bỏ.

Vị trí theo từ khóa và truy vấn con

Tôi không biết vị trí cao hơn có làm tăng khả năng được trích dẫn hay không, vì dữ liệu của tôi không phân định được. Trong bài về chiến lược SEO, ở bản đồ giả thuyết, tôi đã mô tả một bài viết chỉ được trích dẫn trong AI Overview ở một trong năm từ khóa rất gần nhau, và lại là từ khóa mà nó đứng thấp nhất. Truy vấn con do mô hình tạo ra và có thể khác nhau ở mỗi câu trả lời, nên không có danh sách “truy vấn con cho từ khóa X” cố định. Trong tập 94 từ khóa của tôi, mô hình tạo ra 493 truy vấn con khác nhau trong một lượt chạy, trung bình hơn năm cho mỗi từ khóa.

Tôi kiểm tra xem vị trí theo truy vấn con có dự đoán lượt trích dẫn tốt hơn vị trí theo từ khóa chính không, và kết quả đầu tiên của tôi không qua được vòng kiểm tra. Trên các cặp từ khóa - trang từ những dự án tôi đang làm, tôi ghi quy tắc trước khi tính kết quả. Thước đo là diện tích dưới đường cong ROC (AUC), tức mức tín hiệu tách tốt các trang được trích dẫn khỏi các trang không được trích dẫn (0,5 là mức tung đồng xu, 1 là tách không sai sót). Truy vấn con sẽ thắng nếu diện tích của chúng lớn hơn ít nhất 0,10. Trên 29 cặp để riêng cho thử nghiệm AI Overview, chênh lệch là 0,44, tức thử nghiệm “đạt”.

Vòng kiểm tra chéo cho thấy tôi đã so sánh hai phép đo có độ chính xác khác nhau. Người đánh giá tính lại mọi thứ từ đầu đã tái tạo các con số của tôi đến từng chữ số, nhưng nhận thấy tôi lấy vị trí theo từ khóa chính từ một lần lấy kết quả Google, còn lượt trích dẫn từ năm lần. Sau khi tính vị trí từ chính năm lần lấy đó, chênh lệch giảm xuống 0,04, với khoảng từ -0,28 đến +0,36. Vậy tôi không chứng minh được rằng truy vấn con tốt hơn vị trí, cũng không chứng minh được rằng chúng kém hơn. Cả hai tín hiệu đều nói lên điều gì đó, nên tôi làm việc trên cả hai.

Vị trí từ một lần lấy dữ liệu của DataForSEO hóa ra là việc bốc thăm một trong vài biến thể kết quả. Khi tôi lấy cùng 94 từ khóa đó ba lần cách nhau khoảng một giờ, hai lần lấy cùng một từ khóa có ở mức trung vị ít địa chỉ chung trong top 10: chỉ số Jaccard, tức thước đo mức trùng nhau của hai tập hợp từ 0 đến 1, là 0,14-0,15. Một phần các biến thể có lẽ là kết quả mà người dùng trong trình duyệt không thấy, vì ở 5 từ khóa, trình duyệt khớp với một trong số chúng. Còn AI Overview thì ổn định: sự có mặt của nó khớp giữa các lần lấy ở mức 97-99%. Vì thế hiện nay tôi tính vị trí từ công cụ này như tỷ lệ từ khoảng 10 lần lấy gửi cùng lúc. Các công cụ khác tôi chưa kiểm tra theo cách đó.

Đoạn văn tự trả lời được

Mô hình thường không dùng cả trang, mà dùng các đoạn trả lời cho truy vấn của nó. Vì vậy tôi viết sao cho mỗi đoạn đều hiểu được mà không cần phần còn lại của trang: câu trả lời ở câu đầu tiên dưới heading, các con số cụ thể kèm mẫu số và ngày, tên riêng thay cho “cái này” và “đó”. Mỗi đoạn trong bài này bắt đầu bằng một câu kết luận chính vì lý do đó. Đây là cách viết tốt, giúp cả người đọc, chứ không phải một kỹ thuật riêng cho AI.

Điều đó không có nghĩa là phải chặt nội dung thành mảnh nhỏ hay thêm thật nhiều heading. Google viết thẳng rằng không có yêu cầu chia nội dung thành các mảnh nhỏ để AI hiểu tốt hơn (Google Search Central). Tôi cũng kiểm tra xem nhiều heading hơn có giúp vào top 3 không. Trên 632 trang trong top 10 cho 119 truy vấn tiếng Anh thuộc ngành phần mềm cho doanh nghiệp (Mỹ, ngày 26 tháng 9 năm 2026), tỷ số chênh (odds ratio) là 0,95 (khoảng tin cậy 95%: 0,81-1,12), còn sau khi tính đến độ dài văn bản là 1,00. Tỷ lệ trang trong top 3 gần như bằng nhau ở ba nhóm từ ít nhất đến nhiều nhất heading: 32%, 34% và 32%. Đây là cùng thử nghiệm tôi nêu trong bài về chiến lược SEO: một ngành và một ngày đo. Nhưng như vậy là đủ để tôi không thêm heading chỉ nhằm cải thiện vị trí: heading cần nói đoạn bên dưới nó viết về điều gì.

Câu hỏi tiếng Ba Lan, truy vấn con tiếng Anh

Trong tập của tôi, một phần truy vấn con cho các câu hỏi tiếng Ba Lan là tiếng Anh. 81 trên 277 truy vấn con được tạo cho các từ khóa tiếng Ba Lan không có đặc điểm của tiếng Ba Lan. Ví dụ, câu hỏi tiếng Ba Lan về bảng xếp hạng sản phẩm trong một danh mục đã biến thành truy vấn tiếng Anh có kèm năm. Đây là phép kiểm tra thô trên một tập dữ liệu, nhưng như vậy là đủ để với thương hiệu Ba Lan tôi kiểm tra thêm những gì các nguồn tiếng Anh nói về nó.

Làm thế nào để vào trí nhớ của mô hình?

Bạn không thay đổi được trí nhớ của mô hình chỉ bằng website của chính mình: điều quan trọng là những gì người khác viết về bạn. Mô hình học từ các tập văn bản lớn thu thập trước khi kết thúc huấn luyện. Nếu thông tin về thương hiệu chủ yếu do chính thương hiệu tự viết, còn các nguồn bên ngoài đã cũ hoặc mâu thuẫn, mô hình sẽ lặp lại hình ảnh cũ hoặc mâu thuẫn. Tôi không có phép đo trí nhớ của mô hình được làm mới nhanh đến đâu. Tôi giả định là chỉ ở các phiên bản tiếp theo, nên trong khung một quý tôi không hứa điều gì ở đây.

Trên thương hiệu của chính mình, tôi thấy cả hai nguồn lỗi cùng lúc. Gemini mô tả tôi ở nơi làm việc cách đây vài năm bằng thì hiện tại, còn rogala.pro là website “đang xây dựng”. Hai mô tả mà các mô hình lặp lại về tôi nhiều nhất nguyên văn đến từ tiểu sử của tôi trên một trang ngành, trang này hiển thị cao trong Google cho tên tôi. Ngược lại, không trang nào trong 26 trang tôi kiểm tra trong kết quả cho họ tên tôi nêu nơi làm việc đó là nơi hiện tại, nên lỗi này nhiều khả năng nằm trong trí nhớ của mô hình. Tôi sẽ kiểm tra bằng chính những câu hỏi đó khi tiểu sử được cập nhật.

Mô hình nhớ gì về thương hiệu thì bạn có thể tự kiểm tra, không cần công cụ đo mức hiển thị trong AI. Hãy hỏi về thương hiệu mà không cho mô hình tìm kiếm, chắc nhất là qua API không có công cụ tìm kiếm. Hỏi thương hiệu làm gì, cho ai và hoạt động từ khi nào, mỗi câu hỏi ba lần. Sau đó so các câu trả lời với sự thật và ghi riêng điều nào còn đúng, điều nào đã cũ, điều nào là bịa.

Các lượt nhắc đến mà không có định nghĩa thương hiệu nhất quán sẽ lặp lại mô tả cũ, nên tôi bắt đầu từ danh tính. Thứ tự của tôi:

• một định nghĩa thương hiệu, giống nhau trên website, trong các hồ sơ và trong tiểu sử đăng ở website của người khác;
• dữ liệu có cấu trúc với các mã định danh mà tôi đã kiểm tra thủ công;
• mục trong các cơ sở tri thức như Wikidata, chỉ ở nơi có nguồn xác nhận chúng;
• chỉ sau đó mới đến các lượt nhắc đến và bài đăng ở những nơi do người khác biên tập.

Mã định danh phải được mở ra và đọc trước khi đưa vào mã nguồn của trang. Ngày 5 tháng 10 năm 2026 tôi nhận thấy mã định danh Knowledge Graph, đã nằm trong dữ liệu có cấu trúc của rogala.pro từ ngày hôm trước, dẫn đến bảng tri thức của một diễn viên trùng họ tên. Trong khoảng một ngày, website của tôi đã tuyên bố với công cụ tìm kiếm rằng tôi là diễn viên. Việc kiểm tra mất một phút: địa chỉ google.com/search?kgmid= kèm mã định danh cho thấy nó thực sự thuộc về ai.

Wikidata không mang lại vị trí nào nếu không có nguồn. Wikidata yêu cầu nguồn cho thông tin về người còn sống, nên không thể khai báo trong đó một chuyên môn mà ngoài bạn không ai viết. Vì vậy trong trường hợp của tôi, tôi bắt đầu từ các bài đăng ở những nơi do người khác biên tập, chứ không phải từ mục trong cơ sở dữ liệu.

Điều gì trong AI SEO có hiệu quả, điều gì chỉ là lầm tưởng?

Tôi chia các nhận định về GEO theo sức mạnh của bằng chứng. “Có tài liệu” nghĩa là tài liệu của công cụ tìm kiếm xác nhận, còn “Phép đo của tôi” là kết quả từ một cấu hình mà tôi lặp lại. “Bị bác bỏ” và “chưa chứng minh được” là những điều tôi đã kiểm tra trên dữ liệu của mình và chúng không qua được hoặc không phân định được gì. “Không có bằng chứng” là những lời khuyên phổ biến mà không có phép đo nào đứng sau, và đôi khi có bằng chứng ngược lại.

Không có bằng chứng rằng tệp llms.txt và phiên bản trang bằng Markdown giúp vào câu trả lời của AI. Google viết rằng để có mặt trong công cụ tìm kiếm của họ không cần tạo tệp mới cho máy, tệp văn bản cho AI, thẻ đánh dấu hay Markdown (Google Search Central). Khi tháng 7 năm 2026 tôi kiểm tra 10 tên miền trong danh mục của mình, không tên miền nào cung cấp cho tác nhân AI phiên bản Markdown. Trên rogala.pro, từ ngày 8 tháng 10 mỗi trang có phiên bản Markdown và tệp llms.txt, và đến ngày 8 tháng 11 tôi đo trong nhật ký máy chủ xem có ai tải chúng không. Ở Ba Lan cụm “llms txt” có khoảng 720 lượt tìm kiếm mỗi tháng, nên tôi sẽ viết riêng về chủ đề này.

Dữ liệu có cấu trúc mô tả thương hiệu cho công cụ tìm kiếm, nhưng không có bằng chứng là chúng mang lại lượt trích dẫn. Google viết rằng dữ liệu có cấu trúc không bắt buộc trong tìm kiếm tạo sinh và không có thẻ schema.org đặc biệt nào cần thêm (Google Search Central). Matt Buxbaum của Seer Interactive phân tích 8.500 từ khóa có AI Overview và 6.354 trang giành lượt trích dẫn đầu tiên trong đó: schema và các tín hiệu E-E-A-T liên quan yếu nhất đến việc thắng, còn các trang có nhiều thẻ FAQ và HowTo nhất thì kém khoảng 10 lần (Seer Interactive, 28/05/2026). Đây là tương quan, nên tôi không biết các thẻ này có gây hại không, nhưng tôi không đọc dữ liệu này như bằng chứng về lợi ích. Tôi dùng dữ liệu có cấu trúc để mô tả thực thể (ai, cái gì, ở đâu, với những mã định danh nào), vì chúng sinh ra để làm việc đó. Thử nghiệm riêng về ảnh hưởng của chúng lên câu trả lời của AI thì tôi chưa xong.

Lượt nhắc đến và lượt trích dẫn là hai việc khác nhau, và nhiều báo cáo nhầm chúng. Petrovic tách ba sự kiện: trang mà hệ thống lấy về làm tư liệu cho câu trả lời, lượt trích dẫn, tức trang được hiển thị là nguồn, và lượt nhắc đến, tức tên thương hiệu trong nội dung câu trả lời mà người dùng đọc và ghi nhớ (Dejan, 07/07/2026). Thương hiệu có thể được trích dẫn mà không được nhắc trong văn bản, và được nhắc tên mà trang không được trích dẫn. Vì vậy tôi đo hai thứ này riêng và không cộng chúng thành một “điểm hiển thị trong AI”.

Làm sao biết AI SEO có hiệu quả?

Không có mốc xuất phát thì bạn không gán được hiệu quả cho thay đổi nào, nên tôi ghi lại nó trước lần chỉnh sửa đầu tiên. Mốc xuất phát gồm các câu hỏi ghi nguyên văn, tên và phiên bản mô hình, ngày và thị trường. Tôi xây các câu hỏi từ dữ liệu nhu cầu và từ Search Console, và phần lớn không chứa tên thương hiệu, vì tên trong câu hỏi tự gợi ý câu trả lời cho mô hình. Bộ câu hỏi từ hai dải vị trí tôi mô tả trong bài về chiến lược SEO.

Tôi đo riêng năm thứ, vì mỗi thứ có thể đi theo hướng khác:

1. Lượt nhắc đến thương hiệu trong nội dung câu trả lời.
2. Lượt trích dẫn trang làm nguồn.
3. Việc mô hình có tìm trên web hay không, tức tìm kiếm và trí nhớ tách riêng.
4. Traffic từ các trợ lý AI trong analytics, luôn là giới hạn dưới, vì một phần lượt truy cập đến mà không có thông tin về nguồn.
5. Traffic từ Google trong cùng kỳ, để thay đổi cho AI không diễn ra với cái giá là các kết quả thông thường.

Câu trả lời của chatbot là ngẫu nhiên, nên một câu hỏi tôi hỏi ba lần cùng lúc. AI Overview ổn định và với nó một lần lấy dữ liệu là đủ. Con số từ công cụ đo mức hiển thị trong AI tôi luôn đọc cùng mẫu số: đó là tỷ lệ trong bộ câu hỏi của tôi, không phải “thị phần trong thị trường AI” mà không ai biết.

Tôi làm gì trên website của mình và chưa biết điều gì?

Tôi nói công khai về AI trong tìm kiếm từ năm 2016, còn thương hiệu của mình trong câu trả lời của AI thì tôi chưa có, và thử nghiệm của tôi bắt đầu từ đó. Mốc xuất phát ngày 26 tháng 7 năm 2026: rogala.pro không có một lượt trích dẫn nào trên cả 7 bề mặt AI được kiểm tra trong Ahrefs cho Ba Lan, và trong 6 lần kiểm tra trên ba nền tảng, ở các câu hỏi không có tên tôi, không mô hình nào nhắc đến tôi. Khi được hỏi về tôi bằng họ tên, mô hình lặp lại mô tả từ vài năm trước. Đây là một phép đo và không có ChatGPT, vì công cụ tôi dùng để thu thập câu trả lời không trả về kết quả cho nó, nên tôi coi đây là điểm bắt đầu, không phải bằng chứng.

Thứ tự công việc xuất phát từ dữ liệu: trước hết là danh tính, sau đó là phạm vi tiếp cận. Tôi đã thống nhất một định nghĩa trong các hồ sơ (trên LinkedIn ở 30 phiên bản ngôn ngữ), kiểm tra các mã định danh trong dữ liệu có cấu trúc (từ đó có sự cố với diễn viên), dựng website và blog bằng 27 ngôn ngữ cùng các phiên bản Markdown. Phạm vi tiếp cận, tức các bài đăng và lượt nhắc đến trên truyền thông của người khác, chỉ đến sau đó.

Tôi chưa biết điều này có hiệu quả hay không. Lần đo lại đầu tiên các câu trả lời của AI tôi lên kế hoạch từ ngày 1 tháng 11 năm 2026, còn kết quả đo các tệp Markdown sẽ có sau ngày 8 tháng 11. Tôi sẽ bổ sung kết quả vào bài này, kể cả khi chúng bằng không.

Câu hỏi thường gặp về AI SEO

Nên bắt đầu từ đâu?

Ba bước đầu tiên không tốn gì ngoài thời gian. Kiểm tra xem bot của công cụ tìm kiếm AI có vào được website của bạn không. Hỏi ba lần cùng lúc vài câu mà khách hàng của bạn hỏi, không kèm tên thương hiệu, và ghi lại ai được nhắc tên và ai được trích dẫn. Đọc xem kết quả Google cho đúng tên thương hiệu của bạn nói gì, vì các mô hình dùng chính những nguồn đó. Nếu kết quả khiến bạn bất ngờ, đó là chủ đề phù hợp để tư vấn.