Phân tích hơn 45.000 lượt trích dẫn trên nhiều lượt trả lời của mô hình LLM cho thấy khả năng hiển thị của một thương hiệu trong AI search không cố định, mà dao động liên tục qua từng lần câu hỏi được đặt lại. Trung bình chỉ khoảng 30% thương hiệu giữ được vị trí ở hai lượt trả lời liên tiếp nhau.
Tóm tắt các điểm chính
Dưới đây là tóm tắt các số insight chính rút ra được mà Infinity đã phân tích để làm rõ cơ chế đứng sau hiện tượng này và tại sao đây không phải lỗi hệ thống mà là cách các mô hình AI có tích hợp web search vận hành.
Khoảng 57% thương hiệu từng biến mất khỏi một câu trả lời AI sẽ xuất hiện trở lại ở một lượt chạy sau đó.
Thương hiệu vừa được trích dẫn vừa được nhắc tên có khả năng xuất hiện trở lại cao hơn 40% so với thương hiệu chỉ được trích dẫn đơn thuần.
Duy trì hiển thị ổn định là ngoại lệ (outlier), không phải quy luật: trung bình chỉ 30% thương hiệu giữ được vị trí ở hai lượt trả lời liên tiếp.
Trong hơn 45.000 trích dẫn phân tích, chỉ 1 trên 5 thương hiệu duy trì được khả năng hiển thị xuyên suốt từ lượt chạy đầu tiên đến lượt chạy thứ năm.
Trang được trích dẫn ổn định chia sẻ đặc điểm cấu trúc chung: schema đầy đủ, hệ thống heading tuần tự, định dạng dễ quét, ngôn ngữ súc tích.
Lần xuất hiện đầu tiên của một thương hiệu là điểm neo đáng tin cậy để dự đoán độ bền của khả năng hiển thị sau đó.
1/ Tại sao khả năng hiển thị AI không cố định?
Kỷ nguyên giữ vững "vị trí số 1" cố định trên trang kết quả đã kết thúc.
Trong các mô hình LLM có tích hợp tìm kiếm web, mỗi lần một câu hỏi được đặt ra, mô hình không tái sử dụng lại đúng tập nguồn của lần trước, mà lấy mẫu lại từ một tập nguồn mới.
Kết quả: khả năng hiển thị của một thương hiệu trong câu trả lời có thể dịch chuyển từ lượt trả lời này sang lượt trả lời tiếp theo, khiến việc đo lường và quản lý hiển thị trên các công cụ AI trở nên khó khăn hơn nhiều so với theo dõi thứ hạng tìm kiếm truyền thống.
Nghiên cứu này đặt ra ba câu hỏi cốt lõi:
1/ Liệu các mô hình biến động (volatility pattern) có lặp lại theo cách mà đội ngũ content có thể đo lường và lên kế hoạch hay không?
2/ Liệu việc được nhắc tên trong câu trả lời (như thể mô hình đang khuyến nghị thương hiệu) có tạo ra hiển thị ổn định hơn so với chỉ được trích dẫn đơn thuần hay không?
3/ Và làm thế nào các đội ngũ dùng những mô hình này để ưu tiên việc cập nhật nội dung và xác định khung thời gian đo lường phù hợp?
Phạm vi nghiên cứu: 800 câu hỏi được chạy qua nhiều lượt output LLM, tạo ra hơn 45.000 lượt trích dẫn. Bộ câu hỏi cân bằng giữa ý định thông tin và ý định thương mại, ưu tiên các câu hỏi dài và tự nhiên (từ 7 từ trở lên) để phản ánh đúng cách người dùng thực sự đặt câu hỏi cho AI, thay vì các từ khóa ngắn kiểu tìm kiếm truyền thống.
Bốn chỉ số chính được đo lường xuyên suốt các lượt chạy:
Bốn chỉ số này cùng nhau tạo thành một điểm tham chiếu thực tế để diễn giải hiển thị thương hiệu trong LLM, thay vì chỉ nhìn vào một lần chụp ảnh duy nhất rồi kết luận vội vàng.
Tham khảo nội dung: AI Volatility là gì? Vì sao Brand Visibility liên tục biến động trong AI
2/ Sự khác biệt giữa Citation và Mention
Không phải mọi lượt trích dẫn đều mang giá trị ngang nhau. Được trích dẫn như một nguồn cho thấy nội dung của thương hiệu khớp với câu hỏi được đặt ra. Nhưng được nhắc tên trực tiếp trong nội dung câu trả lời đi xa hơn nhiều: nó cho thấy mô hình đang chủ động đưa thương hiệu vào cuộc trò chuyện, như một sự công nhận, không chỉ là một đường link đính kèm ở cuối.
Sự khác biệt này tạo ra khả năng ghi nhớ mạnh hơn và xác suất xuất hiện lặp lại cao hơn theo thời gian.
Trên cùng một bộ câu hỏi, cứ 4 lần thương hiệu xuất hiện trong câu trả lời AI thì 3 lần chỉ có link trích dẫn ở cuối, còn 1 lần mới thực sự được gọi tên trong nội dung câu trả lời. Nói cách khác, được AI chủ động nhắc đến tên thương hiệu trong câu trả lời là kết quả hiếm hơn gấp 3 lần so với chỉ đơn thuần được gắn link nguồn.
Trung bình, 28% câu trả lời của LLM chứa thương hiệu đồng thời được nhắc tên trong nội dung và được trích dẫn như một nguồn. Phân tích cho thấy tổ hợp "vừa được nhắc tên vừa được trích dẫn" này làm tăng khả năng tái xuất hiện ở nhiều lượt chạy khác nhau lên 40% so với thương hiệu chỉ được trích dẫn.
Ngược lại, những thương hiệu chỉ được trích dẫn một cách sơ lược tỏ ra dễ bị ảnh hưởng bởi hiện tượng "citation drift" (trôi dạt trích dẫn) hơn: xuất hiện trong lần này, biến mất trong lần khác và đôi khi lại xuất hiện trở lại sau đó.
Sự phân biệt này cho thấy tại sao việc được nhắc tên quan trọng, nhưng nó cũng đặt ra câu hỏi lớn hơn: một khi hiển thị đã đạt được, dù qua trích dẫn, qua nhắc tên, hay cả hai, thương hiệu nên kỳ vọng giữ được hiển thị đó trong bao lâu?
Tham khảo nội dung: AI Citation và Brand Mention là hai hệ thống khác nhau
3/ Citation drift là trạng thái bình thường mới
Một khi hiển thị đã đạt được, câu hỏi tiếp theo là: nó bền vững đến mức nào? Điều thoạt nhìn giống như hiển thị thiếu nhất quán, thực chất nên được hiểu đúng bản chất là citation drift (trích dẫn trôi): sự luân chuyển ra vào liên tục của các nguồn khi mô hình liên tục cân bằng lại cho tính đa dạng, độ mới và độ bao phủ ý định người dùng.
Phân tích cho thấy khoảng 30% thương hiệu duy trì được hiển thị từ một lượt chạy sang lượt chạy ngay sau đó, khiến sự bền vững liên tiếp trở thành ngoại lệ (outlier - giá trị ngoại lệ trong XSTK), không phải quy tắc phổ biến.
Khi mở rộng phạm vi quan sát sang cả các lượt chạy không liên tiếp (không chỉ so sánh lượt kề nhau), khoảng 57% thương hiệu vừa được trích dẫn vừa được nhắc tên tái xuất hiện ít nhất hai lần, trong khi các thương hiệu chỉ được trích dẫn đơn thuần có tỷ lệ tái xuất hiện thấp hơn rõ rệt.
Ý nghĩa đối với các đội ngũ marketing: sự biến động này có thể dự đoán được. Thách thức thực sự không phải là loại bỏ hoàn toàn citation drift (điều gần như bất khả thi với cơ chế web search của LLM), mà là học cách đo lường và vận hành hiệu quả bên trong quy luật biến động đó, để có thể hành động một cách chiến lược và có ưu tiên rõ ràng.
Tham khảo nội dung hướng dẫn: Cách đo lường và quản lý Citation Drift trong AI Search
4/ Được hiển thị một cách liên tục là ngoại lệ
Trong suốt phân tích, một số thương hiệu vẫn giữ được vị trí ổn định trong kết quả AI search, nhưng đây là ngoại lệ, không phải quy luật. Trong tổng số hơn 45.000 lượt trích dẫn, chỉ 1 trên 5 thương hiệu duy trì được hiển thị xuyên suốt từ lượt chạy đầu tiên cho đến lượt chạy thứ năm.
Các trang được trích dẫn ổn định nhất chia sẻ những đặc điểm cấu trúc chung: các thành phần có cấu trúc như schema đầy đủ, hệ thống heading được sắp xếp tuần tự, định dạng dễ quét (scannable) và ngôn ngữ súc tích. Tất cả đều là những tín hiệu giúp cả người dùng lẫn mô hình diễn giải nội dung hiệu quả hơn.
Quan sát này khớp với nghiên cứu trước đó về cấu trúc nội dung, cho thấy các trang có hệ thống heading được tổ chức tốt có khả năng được trích dẫn cao gấp 2,8 lần so với trang không có cấu trúc rõ ràng.
Tham khảo nội dung hướng dẫn: Nội dung như nào thì dễ được AI trích dẫn? - 5 đặc điểm giúp nội dung được trích dẫn nhiều hơn
5/ Ý nghĩa của việc khi thương hiệu lần đầu xuất hiện trong kết quả AI
Lần xuất hiện đầu tiên của một thương hiệu cung cấp một điểm chuẩn đáng tin cậy để dự đoán khả năng hiển thị sẽ kéo dài bao lâu. Biến động là điều đương nhiên: rất nhiều thương hiệu xuất hiện, biến mất, rồi lại xuất hiện qua nhiều lượt chạy khác nhau.
Trung bình, phần lớn thương hiệu biến mất khỏi câu trả lời sẽ tái xuất hiện trong vòng hai lượt chạy tiếp theo, cho thấy những lần "rớt hạng" tạm thời này thường chỉ tồn tại trong thời gian ngắn, không phải dấu hiệu mất hiển thị vĩnh viễn.
Đây là một lưu ý quan trọng cho các đội ngũ theo dõi AI visibility: neo việc đo lường vào lần xuất hiện đầu tiên giúp thiết lập kỳ vọng thực tế, tránh phản ứng thái quá trước một đợt biến động hoàn toàn bình thường và làm nổi bật đúng nơi cần tập trung nỗ lực thay vì chạy theo mọi biến động nhỏ.
Cách tiếp cận đúng đắn hơn là áp dụng nhiều khung đo lường thời gian khác nhau trước khi đưa ra bất kỳ thay đổi lớn nào về chiến lược nội dung. Vùng đệm thời gian này giúp phân biệt biến động bình thường với hiệu suất kém thực sự, biến sự dao động từ nhiễu tín hiệu thành một tín hiệu có thể đo lường và hành động được.
Tham khảo nội dung hướng dẫn: Những yếu tố nào ảnh hưởng đến AI visibility và Hướng dẫn đo lường AI Visibility
6/ Biến sự biến động thành lợi thế
Tìm kiếm bằng AI vốn dĩ không ổn định, nhưng việc duy trì khả năng hiển thị trên các công cụ tìm kiếm không nhất thiết phải dựa vào phỏng đoán. Chìa khóa là xây dựng các phương pháp đo lường có tính đến sự biến động, xác định các mẫu và phân biệt tín hiệu thực sự với nhiễu dự kiến.
Dưới đây là cách các đội có thể tận dụng sự biến động để đạt được lợi thế:
Hãy neo vào những lần xuất hiện đầu tiên để thiết lập mức cơ sở về khả năng hiển thị.
Theo dõi cả lượt đề cập và trích dẫn để nắm bắt các tín hiệu về độ tin cậy mà mô hình đang sử dụng .
Sử dụng các khung thời gian đo lường có cấu trúc để tránh phản ứng thái quá trước những biến động ngắn hạn.
Cập nhật nội dung thường xuyên và theo dõi phản hồi ban đầu để hiểu những bản cập nhật nào giúp duy trì sự hiện diện.
Tham khảo nội dung hướng dẫn: thiết lập khung tối ưu tìm kiếm AI qua hướng dẫn này
Biến động là điều không thể tránh khỏi. Những đội chiến thắng trong lĩnh vực tìm kiếm bằng AI là những đội biết biến sự biến động thành những thông tin hữu ích có thể hành động được.
Đây là Phần 2 trong series "Nghiên cứu khả năng hiển thị AI". Infinity vẫn sẽ tiếp tục ra các nội dung mới từ series về AI Visibility này. Bạn đọc quan tâm hãy thường xuyên quay trở lại Advertising Vietnam để tìm hiểu các nội dung mới nhất lĩnh vực AI Marketing từ Infinity và các chuyên gia khác.
