Hai câu hỏi liên tục xuất hiện từ các chủ cửa hàng. Một là: “chúng tôi đã dùng Search Console và công cụ phân tích cửa hàng, nhưng không cái nào cho biết điều gì xảy ra khi ai đó hỏi ChatGPT hoặc Gemini để được gợi ý sản phẩm.” Câu thứ hai đến từ một người bán suýt trả $3,000 cho một đơn vị dịch vụ để kiểm tra, cộng thêm $400 mỗi tháng để tiếp tục theo dõi: có đáng không?
Câu trả lời hay nhất cho câu thứ hai đến từ một người bán khác trong cùng cuộc thảo luận: nếu thứ bàn giao chỉ là một báo cáo thì bạn có thể bỏ qua, dù giá £450 hay $3,000 — và trả tiền để theo dõi một con số khi chưa thay đổi gì là làm ngược. Vậy đây là chính phép kiểm tra đó. Chúng tôi đã tự thực hiện trên ba nền tảng, và hai phát hiện đã thay đổi cách chúng tôi hành động.
Bước 1 — viết những câu hỏi người mua thực sự đặt ra
Không phải “thương hiệu của tôi có xuất hiện không”. Hãy viết từ hai mươi đến bốn mươi câu hỏi theo đúng cách người mua nhập trước khi mua hàng: <product type> tốt nhất cho <use case>, <product type> đáp ứng <constraint they care about>, các lựa chọn thay thế cho <the obvious mainstream product>. Cũng giữ lại vài câu hỏi có tên thương hiệu — chúng cho kết quả hoàn toàn khác, và hóa ra khác biệt đó rất quan trọng.
Ghi danh sách vào một tệp. Danh sách đó là tài sản, vì bạn sẽ chạy lại nó.
Bước 2 — ghi lại những gì bạn nhận được, không chỉ việc bạn có xuất hiện hay không
Chạy từng câu hỏi trên ChatGPT và Gemini, rồi với mỗi câu trả lời, ghi lại bốn điều: bạn có được nhắc đến; bạn có được được trích dẫn kèm liên kết thực sự trong phần nguồn hay không; những đối thủ nào xuất hiện và theo thứ tự nào; và những URL nào được trích dẫn, bất kể thuộc về ai.
Được nhắc đến và được trích dẫn không giống nhau, và khoảng cách giữa hai điều đó mới là phần có thể hành động. Trong các lượt chạy của mình, chúng tôi thấy những câu trả lời tái hiện gần như nguyên văn định vị của chúng tôi nhưng lại mô tả chung chung — không tên thương hiệu, không liên kết. Đó là vấn đề văn bản nguồn, không phải thứ hạng, và không bảng theo dõi mức độ hiện diện nào chỉ ra được sự khác biệt đó.
Bước 3 — cột dữ liệu thay đổi việc bạn cần làm
Cột thứ tư là nơi có giá trị thực sự. Khi chúng tôi chạy các câu hỏi về danh mục không nêu thương hiệu trên ba nền tảng, mọi trích dẫn đều dẫn đến kho GitHub và bài tổng hợp của bên thứ ba — không phải website của chúng tôi. Những câu hỏi có tên thương hiệu cho kết quả khác và có trích dẫn các trang của chúng tôi.
Có hai hệ quả đối với cửa hàng. Nếu câu trả lời không nêu thương hiệu trong ngành hàng của bạn trích dẫn bài tổng hợp của nhà bán lẻ, trang sản phẩm trên sàn và website đánh giá, viết lại trang chủ sẽ không làm chúng thay đổi; đơn vị phân phối chính là nội dung mà mô hình thực sự trích dẫn. Và hãy kiểm tra riêng hai loại câu hỏi — gộp trung bình thành một điểm hiện diện sẽ tạo ra con số biến động vì những lý do bạn không thể xử lý.
Bước 4 — sửa nguồn, không phải bảng theo dõi
Người bán báo cáo hai kiểu lỗi, cả hai đều có thể sửa từ nguồn.
Thông tin lỗi thời. Một người bán gặp khách đến hỏi mức giá mà họ đã không áp dụng kể từ khi cửa hàng mở hơn một năm trước. Người khác thấy ChatGPT gợi ý sản phẩm họ đã ngừng bán nhiều tháng trước, rồi kiểm tra và thấy hai mô hình khác cũng hiển thị mặt hàng đã ngừng bán đó. Nếu giá cũ hoặc sản phẩm không còn bán vẫn nằm trong trang lưu đệm, bài đăng cũ hay trang niêm yết của bên thứ ba, đó sẽ là thông tin được lặp lại cho khách hàng của bạn.
Thiếu nội dung so sánh. Một mô hình trả lời “X so với Y” cần nội dung để trích dẫn. Nếu không ai trong ngành hàng của bạn viết một bài so sánh trung thực, câu trả lời sẽ được ghép từ nội dung của những người đã viết.
Vì vậy, danh sách hành động là: sửa thông tin lỗi thời ở mọi nơi chúng thực sự tồn tại, kể cả các trang bạn không sở hữu, rồi tạo nội dung so sánh hoặc tình huống sử dụng còn thiếu trên đúng nơi mà các trích dẫn thực sự dẫn tới. Cơ chế khiến một đoạn được trích dẫn còn đoạn khác thì không được trình bày trong bài viết của chúng tôi về cách được ChatGPT trích dẫn.
Bước 5 — đo lại, nhưng đừng ngay tuần sau
Siêu dữ liệu mà mô hình nhìn thấy có độ trễ lớn. Trong các lần kiểm tra của mình, chúng tôi thấy các nền tảng báo số sao và ngày phát hành đã lỗi thời nhiều tháng. Đừng đánh giá bản sửa trong vòng một tuần sau khi thực hiện. Hãy chạy lại cùng danh sách câu hỏi sau vài tuần và so sánh tỷ lệ được nhắc đến, tỷ lệ được trích dẫn cùng thứ tự đối thủ với lượt đầu — đó là lý do bước 1 yêu cầu lưu danh sách vào tệp.
Một nguyên tắc nữa: đây là lấy mẫu, không phải đo lường. Câu trả lời thay đổi giữa các lượt chạy, nên hãy lặp lại mỗi câu hỏi ít nhất ba lần vào những ngày khác nhau trước khi tin rằng đã có thay đổi. Một lượt chạy đơn lẻ gần như không cho bạn biết gì.
Chạy quy trình trong Orkas
Orkas tích hợp sẵn SeoGeoAgent, còn danh sách câu hỏi, bản ghi từng lượt chạy và danh sách sửa lỗi nằm trong cùng một thư mục dự án, nên lượt hai có thể đối chiếu với lượt một thay vì bắt đầu lại. Quy trình rộng hơn — theo dõi bạn xuất hiện trong câu hỏi nào và biến khoảng trống thành các trang nội dung — là trường hợp sử dụng về hiện diện trên tìm kiếm và câu trả lời AI.
Những gì cách này không mang lại
- Không có số liệu lưu lượng truy cập. Báo cáo AI tạo sinh của Google Search Console không có API và về cấu trúc chỉ báo cáo lượt hiển thị — bạn không thể tính tỷ lệ nhấp từ AI bằng báo cáo đó.
- Không có thị phần thực của đối thủ. Bạn đang lấy mẫu câu trả lời, không đo lường toàn bộ quần thể.
- Không bảo đảm bản sửa sẽ được cập nhật khắp nơi. Một số nguồn được trích dẫn hoàn toàn nằm ngoài tầm kiểm soát của bạn.