Khoảng 30% thương hiệu duy trì được visibility giữa hai lần chạy truy vấn liên tiếp, trong khi 57% số trang biến mất rồi lại xuất hiện trở lại, cho thấy tốc độ thay đổi vị trí thương hiệu trong câu trả lời AI nhanh đến mức nào.
Tóm tắt các điểm chính
Theo Infinity, đây không phải hiện tượng bất thường mà là trạng thái vận hành bình thường của kết quả đầu ra của AI, và các thương hiệu coi AI SEO là dạng SEO tĩnh sẽ chứng kiến visibility dao động dữ dội mà không hiểu tại sao.
AI Volatility (biến động tìm kiếm AI) là sự thay đổi thường xuyên về tần suất, vị trí và mức độ trích dẫn của thương hiệu trong câu trả lời do AI tạo ra
Khác với ranking Google thường trôi dần theo thời gian, kết quả AI có thể thay đổi hoàn toàn giữa hai lần chạy cùng một truy vấn
Có chín nhóm nguyên nhân gây biến động: cập nhật mô hình, phương thức truy xuất thời gian thực, cài đặt tìm kiếm web, ngữ cảnh người dùng, khác biệt vùng miền, tín hiệu ý định truy vấn, giới hạn dữ liệu huấn luyện, thay đổi nội dung của đối thủ, và yếu tố xếp hạng riêng của từng nền tảng
Nội dung được làm mới trong 90 ngày gần nhất có khả năng xuất hiện trong kết quả tạo sinh cao hơn đáng kể so với nội dung cũ, tĩnh
Giải pháp không phải là chống lại biến động mà là giám sát liên tục và xây dựng thẩm quyền chủ đề đủ sâu để duy trì hiện diện ngay cả khi đối thủ liên tục ra nội dung mới
Infinity phân tích từng nhóm nguyên nhân gây biến động và cách theo dõi sự dịch chuyển của visibility dưới đây.
1/ AI Volatility là gì?
AI Volatility là sự thay đổi thường xuyên về cách thương hiệu hoặc thực thể được hiển thị, định vị hoặc trích dẫn trong câu trả lời do AI tạo ra.
Biến động này ảnh hưởng đến ba khía cạnh chính.
Thứ nhất là tần suất xuất hiện: thương hiệu được nhắc đến trong câu trả lời của mô hình ngôn ngữ lớn thường xuyên đến mức nào.
Thứ hai là chất lượng định vị: thương hiệu được đóng khung là lựa chọn chính, một trong nhiều lựa chọn, hay chỉ là phương án phụ.
Thứ ba là mức độ trích dẫn: thương hiệu nhận được link, chỉ được nhắc tên mà không có link, hay hoàn toàn không được trích dẫn.
Trong khi ranking Google có thể trôi dần theo thời gian, câu trả lời AI có thể dao động giữa các nguồn, đường lý luận hoặc khuyến nghị khác nhau từ lần tìm kiếm này sang lần khác, ngay cả với cùng một truy vấn hệt nhau.
2/ Vì sao Brand Visibility liên tục biến động trong các LLMs?
1. Cập nhật thuật toán và huấn luyện lại mô hình
Mô hình AI được cập nhật thường xuyên để cải thiện độ chính xác, an toàn và độ bao phủ, và mỗi lần cập nhật có thể âm thầm thay đổi cách truy vấn được diễn giải, nguồn nào được ưu tiên, và cách đánh giá uy tín.
Những thay đổi này có thể khiến một thương hiệu từng xuất hiện ổn định bỗng dao động về visibility, ngay cả khi thương hiệu đó không hề cập nhật bất kỳ nội dung nào của mình.
Các yếu tố kỹ thuật khác góp phần vào biến động trong quá trình cập nhật mô hình bao gồm: thay đổi mô hình embedding làm thay đổi cách tính độ tương đồng nội dung, cập nhật hệ thống RAG (retrieval-augmented generation, tạo sinh có truy xuất tăng cường) làm thay đổi cách nội dung được chia nhỏ và truy xuất, điều chỉnh ngưỡng tương đồng quyết định điều gì được coi là liên quan, và thay đổi cách nội dung được chuyển thành vector cho tìm kiếm ngữ nghĩa.
2. Phương thức truy xuất thời gian thực
Nhiều nền tảng AI kết hợp dữ liệu huấn luyện tĩnh với truy xuất trực tiếp, và sự kết hợp này đưa vào tính biến động cho kết quả.
Ba yếu tố đóng vai trò quan trọng: thời điểm crawl tức là tốc độ nội dung mới hoặc đã cập nhật từ website được lập chỉ mục, lựa chọn nguồn tức là hệ thống chọn tên miền nào để lấy dữ liệu khi tạo câu trả lời, và chu kỳ cache tức là mô hình đang tham chiếu dữ liệu mới hay dựa vào phiên bản đã lưu trữ. Vì các phương thức truy xuất này có thể thay đổi giữa các lần chạy, cùng một truy vấn có thể hiển thị nguồn và hành vi trả lời khác nhau, ngay cả trong cùng một cuộc hội thoại.
Kiến trúc kỹ thuật đằng sau truy xuất cũng tạo ra biến động thông qua giới hạn context window (cửa sổ ngữ cảnh) hạn chế lượng nội dung có thể xử lý cùng lúc, phân bổ token thay đổi theo tải hệ thống và độ phức tạp truy vấn, số lượng nguồn truy xuất động thay đổi tùy tình huống, và tốc độ tokenization khác nhau giữa nội dung kỹ thuật và nội dung đơn giản.
3. Cài đặt tìm kiếm web
Các nền tảng AI khác nhau về mức độ phụ thuộc vào truy xuất web trực tiếp so với dữ liệu huấn luyện tĩnh, và trong nhiều trường hợp, chính mô hình quyết định có lấy dữ liệu mới hay không dựa trên loại truy vấn.
Ví dụ, câu hỏi về tin tức nóng có khả năng kích hoạt tìm kiếm trực tiếp cao hơn, trong khi các chủ đề mang tính lâu bền có thể mặc định dùng dữ liệu huấn luyện. Ngoài ra, một số nền tảng cho phép người dùng chủ động bật hoặc tắt tìm kiếm web (mode trong AI), tạo thêm một lớp biến động nữa vì cùng một truy vấn có thể trả về kết quả rất khác nhau tùy vào việc truy xuất thời gian thực có đang hoạt động hay không.
Kết quả là hai người hỏi cùng một câu hỏi có thể nhận được câu trả lời khác nhau tùy vào cách phân loại truy vấn, cài đặt cá nhân, gói đăng ký, hoặc cách mô hình chọn lấy dữ liệu.
4. Ngữ cảnh và hành vi tìm kiếm của người dùng
Hệ thống AI không chỉ diễn giải truy vấn một cách độc lập mà thường điều chỉnh câu trả lời dựa trên ngữ cảnh và hoạt động của người dùng, đặc biệt khi người dùng đã đăng nhập.
Điều này có nghĩa là hai người hỏi cùng một câu hỏi có thể nhận được câu trả lời khác biệt đáng kể dựa trên cá nhân hóa. Một số yếu tố có thể ảnh hưởng đến sự khác biệt này bao gồm: lịch sử và mẫu hình tìm kiếm trước đó có thể định hình thương hiệu hoặc danh mục nào được nhấn mạnh, luồng hội thoại tức là bắt đầu truy vấn mới so với tiếp tục một luồng đang có có thể thay đổi cách mô hình diễn giải ý định, phong cách ngôn ngữ khi cách hỏi thông thường như "CRM nào tốt" có thể hiển thị lựa chọn phổ thông trong khi cách hỏi kỹ thuật như "triển khai CRM cho doanh nghiệp" sẽ nêu bật công cụ chuyên biệt hơn, và thời điểm cùng tải hệ thống có thể ảnh hưởng đến nguồn nào được truy xuất.
5. Khác biệt địa lý
Vị trí địa lý nơi người dùng gửi truy vấn có thể ảnh hưởng đến cách mô hình ngôn ngữ lớn định hình câu trả lời, thông qua xử lý truy vấn theo địa phương, ưu tiên nguồn thông tin theo vùng, hoặc điều chỉnh để phản ánh ngữ cảnh khu vực.
Các yếu tố chính bao gồm: ưu tiên thương hiệu địa phương, ví dụ truy vấn "phần mềm kế toán tốt nhất" ở London có thể nêu bật nhà cung cấp Anh trong khi cùng truy vấn đó ở New York lại nhấn mạnh công ty Mỹ; độ liên quan về tiền tệ và thị trường khi mức giá hoặc case study có thể được bản địa hóa theo khu vực người dùng; giới hạn quyền truy cập dữ liệu khi một số nguồn bị hạ ưu tiên hoặc không khả dụng vì khung pháp lý hoặc rào cản kỹ thuật; ngôn ngữ và phiên bản mô hình khác nhau tùy bản địa hóa; và bối cảnh văn hóa định hình ví dụ hoặc giải pháp nào được nêu bật.
Điều này có thể khiến visibility dao động giữa các khu vực, khi một thương hiệu xuất hiện nổi bật ở thị trường này nhưng vắng mặt ở thị trường khác, không phải lúc nào cũng vì độ liên quan mà vì cách nền tảng AI tính đến yếu tố vùng miền.
6. Tín hiệu ý định truy vấn
Ý định đằng sau một truy vấn, tức là người dùng đang tìm hiểu thông tin nền, so sánh lựa chọn, hay chuẩn bị mua hàng, có thể ảnh hưởng mạnh đến cách hệ thống AI xây dựng câu trả lời.
Truy vấn mang tính thông tin thường trả về định nghĩa, giải thích hoặc khái niệm chung thay vì thương hiệu cụ thể. Truy vấn mang tính so sánh hoặc giao dịch với cách diễn đạt gợi ý đánh giá hoặc mua hàng có thể giới thiệu nhà cung cấp, chi tiết giá cả hoặc khuyến nghị sản phẩm. Các từ điều chỉnh nhỏ như thêm năm cụ thể, thêm cụm "cho doanh nghiệp nhỏ", hoặc dùng thuật ngữ chuyên ngành, có thể ảnh hưởng đến việc mô hình dựa vào dữ liệu huấn luyện hay thực hiện truy xuất từ web.
Vì cách diễn giải không phải lúc nào cũng nhất quán, ý định là một trong những khía cạnh biến động nhất của AI search. Một thay đổi nhỏ trong cách diễn đạt có thể khiến thương hiệu xuất hiện nổi bật, thay đổi ngữ cảnh, hoặc biến mất hoàn toàn khỏi kết quả.
7. Giới hạn và khoảng trống dữ liệu
Các mô hình AI khác nhau về cách và thời điểm được huấn luyện, tạo ra sự khác biệt về những gì mỗi hệ thống "biết".
Một số mô hình chủ yếu dựa vào bản snapshot tĩnh của web, trong khi số khác tích hợp cập nhật thường xuyên hơn hoặc bổ sung nguồn dữ liệu bên thứ ba. Nội dung được xuất bản sau chu kỳ huấn luyện cuối cùng của mô hình có thể không xuất hiện trừ khi nền tảng cũng truy xuất thông tin trực tiếp từ web.
Theo nghiên cứu của Infinity, nội dung được làm mới trong 90 ngày gần nhất có khả năng xuất hiện trong kết quả tạo sinh cao hơn đáng kể so với nội dung cũ, tĩnh. Khi dữ liệu huấn luyện tĩnh được kết hợp với truy xuất thời gian thực, kết quả có thể khác biệt rất lớn giữa các nền tảng, hoặc thậm chí trong cùng một nền tảng, dẫn đến visibility không đồng đều giữa các thương hiệu.
8. Thay đổi nội dung của đối thủ ảnh hưởng đến visibility
Visibility của một thương hiệu trong AI search không chỉ được định hình bởi nội dung và uy tín của chính nó mà còn bởi những gì đối thủ xuất bản.
Một báo cáo nghiên cứu mới, một đề cập trên truyền thông, hoặc một lần cập nhật trang từ thương hiệu khác trong cùng danh mục có thể thay đổi nguồn nào hệ thống AI đưa vào câu trả lời. Trong các thị trường cạnh tranh, dòng chảy hoạt động liên tục này có thể ảnh hưởng đến tần suất và ngữ cảnh thương hiệu của bạn xuất hiện, thêm một lớp biến động nữa cho AI search.
Trong một nghiên cứu gần đây của Infinity, khoảng 30% thương hiệu duy trì visibility giữa các lần chạy liên tiếp, trong khi 57% số trang tái xuất hiện sau khi biến mất, cho thấy hoạt động của đối thủ và sự dịch chuyển mô hình có thể nhanh chóng thay thế visibility của một thương hiệu này bằng thương hiệu khác đến mức nào.
Đây chính là lý do xây dựng thẩm quyền chủ đề quan trọng: thương hiệu có độ bao phủ nhất quán và sâu về một lĩnh vực có khả năng được tham chiếu như nguồn đáng tin cậy cao hơn, giúp duy trì visibility ngay cả khi đối thủ liên tục ra nội dung mới.
3/ Câu hỏi thường gặp
1. Yếu tố xếp hạng riêng biệt của từng nền tảng tạo ra biến động nào?
Các nền tảng AI không dùng chung tiêu chí khi tạo câu trả lời, và mỗi hệ thống mô hình đánh giá tín hiệu độ liên quan, uy tín, độ tin cậy và độ mới theo cách khác nhau.
Những khác biệt kỹ thuật chính giữa các nền tảng bao gồm: chiến lược cache câu trả lời ảnh hưởng đến tần suất câu trả lời mới được tạo ra, tham số nhiệt độ và lấy mẫu kiểm soát mức độ biến thiên của câu trả lời, pipeline suy luận nhiều giai đoạn lọc nội dung ở các điểm khác nhau, và thuật toán xếp hạng lại khác nhau ưu tiên nguồn theo cách riêng.
Kết quả là cùng một truy vấn có thể tạo ra citation hoặc mention thương hiệu khác nhau giữa các nền tảng như ChatGPT, Perplexity hay Gemini. Điều này nhấn mạnh tầm quan trọng của việc giám sát hiệu suất trên nhiều hệ thống, vì visibility ở một môi trường không đảm bảo hiện diện ở môi trường khác.
2. Làm thế nào để theo dõi sự dịch chuyển của Brand Visibility theo thời gian?
Để theo dõi brand visibility của thương hiệu thay đổi ra sao trên các mô hình ngôn ngữ lớn như ChatGPT, Claude, Gemini và Perplexity, cần đo share of voice và tần suất citation theo thời gian bằng một bộ truy vấn và tập dữ liệu nhất quán.
Mục tiêu là xem thương hiệu của bạn có đang được nhắc đến, dẫn link, hoặc trích dẫn nhiều hơn hay ít hơn so với đối thủ trong câu trả lời do AI tạo ra. Đây là điểm kết nối trực tiếp với quy trình đo lường AI visibility mà Infinity đã phân tích trước đó: baseline và giám sát liên tục chính là công cụ để phát hiện biến động này trước khi nó gây thiệt hại tích lũy.
3. Vì sao thương hiệu biến mất khỏi kết quả của Answer engine?
Nội dung từng xuất hiện trong câu trả lời do AI tạo ra có thể ngừng hiển thị, ngay cả khi bản thân trang đó không hề thay đổi gì, và điều này có thể xảy ra vì nhiều lý do.
Cập nhật mô hình qua việc huấn luyện lại hoặc tinh chỉnh có thể thay đổi cách truy vấn được diễn giải hoặc nguồn nào được ưu tiên. Sự dịch chuyển trong truy xuất khi các nền tảng dựa vào tìm kiếm web trực tiếp, nguồn mới hơn hoặc thay thế có thể đẩy nội dung cũ ra khỏi kết quả. Hoạt động cạnh tranh từ nghiên cứu mới, đưa tin trên truyền thông hoặc cập nhật trang của đối thủ có thể đẩy trang của họ vào kết quả thay thế. Giới hạn dữ liệu huấn luyện khiến nội dung xuất bản sau chu kỳ huấn luyện cuối cùng của mô hình không xuất hiện trừ khi truy xuất trực tiếp được kích hoạt. Uy tín và độ sâu chủ đề khi trang không thể hiện độ bao phủ hoặc chuyên môn đủ mạnh có thể bị thay thế bởi nguồn có thẩm quyền chủ đề lớn hơn. Và tín hiệu ngữ cảnh cùng người dùng khi khác biệt về cách diễn đạt truy vấn, cá nhân hóa hoặc địa lý có thể khiến trang xuất hiện với người này nhưng không xuất hiện với người khác.
Các yếu tố kỹ thuật khác cũng góp phần vào việc biến mất bao gồm sự trôi dạt của không gian embedding khi mô hình ngôn ngữ phát triển, cạnh tranh trong context window giữa nhiều nguồn, chiến lược truy xuất thích ứng điều chỉnh động số lượng nguồn, và thay đổi yêu cầu về hiệu quả token.
Những yếu tố này hiếm khi hoạt động độc lập. Trong hầu hết trường hợp, việc biến mất khỏi kết quả tạo sinh phản ánh sự kết hợp giữa hành vi mô hình đang tiến hóa, quyết định truy xuất, và dịch chuyển cạnh tranh, khiến visibility trong AI search về bản chất mang tính động.
4. Biến động là trạng thái bình thường mới, doanh nghiệp cần làm gì?
Biến động là trạng thái bình thường của môi trường AI search và có khả năng gia tăng khi thêm nhiều nền tảng được phát hành và mô hình tiếp tục được cập nhật.
Infinity nhận thấy các thương hiệu xây dựng chiến lược AI SEO thích ứng sẽ phát triển mạnh, trong khi những thương hiệu coi AI search như SEO tĩnh sẽ chứng kiến visibility dao động dữ dội mà không hiểu tại sao. Giải pháp không phải là chống lại biến động mà là chấp nhận nó với công cụ và phương pháp phù hợp.
Cách nhanh nhất để xác định nội dung đang mất visibility là theo dõi truy vấn theo thời gian và so sánh trang nào đang được trích dẫn, nhắc đến, hoặc bỏ qua qua các lần chạy thử. Giám sát nhất quán làm nổi bật thời điểm một trang từng xuất hiện trong kết quả tạo sinh bắt đầu rớt khỏi đó, giúp đội ngũ hành động trước khi tổn thất visibility tích lũy lại.
Không có tần suất cập nhật cố định vì visibility phụ thuộc vào tần suất mô hình làm mới, thời điểm truy xuất được kích hoạt, và mức độ cạnh tranh của thị trường cho chủ đề đó. Một cách tiếp cận thực tế là rà soát nội dung hàng tháng hoặc hàng quý, ưu tiên cập nhật thường xuyên hơn cho các ngành có thị trường biến động nhanh.
4/ Kết luận
AI Volatility không phải lỗi cần sửa mà là đặc tính cấu trúc cần được quản lý liên tục. Infinity nhận thấy toàn bộ dữ liệu chỉ về một kết luận: kết quả AI dao động vì answer engine liên tục điều chỉnh cách diễn giải truy vấn, truy xuất nguồn và cân nhắc tín hiệu độ liên quan. Cập nhật mô hình, hành vi truy xuất trực tiếp, ngữ cảnh người dùng và thay đổi nội dung đối thủ đều có thể làm thay đổi trang nào được hiển thị hoặc trích dẫn cho cùng một truy vấn.
Điều này có nghĩa là visibility trong AI search mang tính động theo thiết kế, và thương hiệu cần giám sát liên tục thay vì tối ưu một lần rồi thôi để hiểu và phản ứng kịp thời với những dịch chuyển này.
