Cùng một nhu cầu, hỏi ChatGPT bằng tiếng Việt và tiếng Anh: nguồn thay đổi ra sao?

Thử nghiệm 12 cặp câu hỏi cho thấy chỉ cần đổi ngôn ngữ, tập nguồn ChatGPT lộ ra có thể khác rất nhiều — nhưng chưa thể kết luận rằng ngôn ngữ là nguyên nhân duy nhất.

Nếu một khách hàng Việt Nam hỏi ChatGPT:

“Nên chọn công ty nào để triển khai CRM cho doanh nghiệp?”

và một khách hàng nước ngoài hỏi:

“Which CRM providers should a business in Vietnam consider?”

hai người đang nói về gần như cùng một nhu cầu.

Nhưng ChatGPT có nhìn thấy cùng một hệ nguồn hay không?

Đây là câu hỏi tôi bắt đầu để ý sau khi thực hiện một thử nghiệm trước đó với 45 câu hỏi tiếng Việt về dịch vụ.

Ở thử nghiệm đó, tôi nhận thấy phần lớn source trace được ChatGPT lộ ra là các nguồn có liên quan trực tiếp đến thị trường Việt Nam.

Từ đó phát sinh một câu hỏi khác:

Nếu giữ nguyên ý định tìm kiếm nhưng đổi ngôn ngữ từ tiếng Việt sang tiếng Anh, tập nguồn có thay đổi không?

Đây là điều đặc biệt đáng quan tâm với những doanh nghiệp Việt đang phục vụ khách quốc tế: khách sạn, tour, spa, dịch vụ B2B, phần mềm, agency hay các công ty muốn xuất hiện trước người dùng nước ngoài.

Tôi đã thử như thế nào?

Tôi sử dụng 12 cặp câu hỏi tiếng Việt và tiếng Anh.

Mỗi cặp được thiết kế để có cùng intent, nhưng không dịch từng chữ một cách máy móc.

Các câu hỏi trải trên một số nhóm:

• travel / hotel;
• local services;
• B2B / professional services;
• ecommerce / consumer;
• marketing / software.

Tổng cộng có 24 quan sát trên ChatGPT.

Tôi chỉ ghi lại những source mà ChatGPT thực tế lộ ra trong source trace.

Điều này rất quan trọng:

Source trace không đồng nghĩa với citation trong câu trả lời cuối cùng.

Một domain xuất hiện trong source trace không có nghĩa ChatGPT chắc chắn đã trích dẫn nó, đề xuất thương hiệu đó hoặc dùng nó làm lý do chính cho câu trả lời.

Mục tiêu ở đây đơn giản hơn:

Hai câu hỏi cùng intent nhưng khác ngôn ngữ có nhìn thấy cùng tập domain hay không?

Kết quả đầu tiên khiến tôi khá bất ngờ

Tôi sử dụng Jaccard Index để đo mức độ trùng nhau giữa hai tập domain.

Nếu hai tập giống hệt nhau, Jaccard = 1.

Nếu hoàn toàn không trùng domain nào, Jaccard = 0.

Kết quả trên 12 cặp:

• Jaccard trung bình ở cấp domain: 0,081
• median: 0,032
• 6/12 cặp không có domain nào trùng nhau
• 11/12 cặp có mức overlap dưới 0,25

Nói đơn giản:

Trong sample nhỏ này, chỉ đổi từ tiếng Việt sang tiếng Anh đã đi kèm với sự thay đổi khá lớn về những domain được lộ ra.

Tôi dùng chữ “đi kèm” thay vì “gây ra”, vì nghiên cứu này chưa đủ để chứng minh quan hệ nhân quả.

Nhưng có một chi tiết thú vị hơn

Khi nhìn ở cấp domain, hai ngôn ngữ khác nhau rất mạnh.

Nhưng khi nhìn ở cấp loại nguồn, mức khác biệt nhỏ hơn.

Ví dụ:

Prompt tiếng Việt có thể lộ ra:

• website doanh nghiệp A;
• một báo Việt Nam;
• một directory địa phương.

Trong khi prompt tiếng Anh có thể lộ ra:

• website doanh nghiệp B;
• một trang travel quốc tế;
• một directory khác.

Domain khác nhau.

Nhưng vai trò của nguồn vẫn có thể khá giống:

• provider;
• editorial;
• directory;
• official source.

Trong sample này:

• Jaccard trung bình ở cấp domain: 0,081
• Jaccard trung bình ở cấp source class: 0,417

Theo tôi, đây là một điểm khá quan trọng.

Khi nghiên cứu AI Search, nếu chỉ hỏi:

“Hai prompt có dùng cùng nguồn không?”

thì chúng ta có thể bỏ lỡ một lớp thông tin khác:

“Hai prompt có đang dùng cùng kiểu nguồn không?”

AI có thể thay domain, nhưng cấu trúc bằng chứng mà nó tìm kiếm vẫn tương tự.

Prompt tiếng Việt có xu hướng local hơn trong sample này

Tôi cũng đo tỷ lệ nguồn có phạm vi Việt Nam.

Trung bình theo từng cặp:

• prompt tiếng Việt: 85,4% nguồn có Vietnam scope
• prompt tiếng Anh: 52,5%

Điều này cho thấy các prompt tiếng Việt trong sample có xu hướng lộ ra nguồn địa phương nhiều hơn.

Nhưng tôi không nghĩ chúng ta nên biến kết quả đó thành một công thức kiểu:

“Viết tiếng Việt thì ChatGPT ưu tiên nguồn Việt Nam.”

Dữ liệu không hỗ trợ một kết luận mạnh như vậy.

Có những prompt tiếng Anh vẫn lộ ra phần lớn nguồn Việt Nam.

Đặc biệt với những intent mang tính local khá rõ, như tìm nhà cung cấp hoặc dịch vụ tại Việt Nam.

Ở chiều ngược lại, một số prompt B2B và marketing/software khi chuyển sang tiếng Anh lại lộ ra nhiều nguồn global hơn đáng kể.

Nói cách khác:

Ngôn ngữ có vẻ tương tác với intent, ngành và tính local của câu hỏi.

Nó không hoạt động như một nút bật/tắt đơn giản.

Điều này có ý nghĩa gì với marketer?

Điểm đầu tiên tôi rút ra là:

Không nên dùng một bộ prompt tiếng Việt để đại diện cho toàn bộ AI Visibility của một thương hiệu có khách quốc tế.

Ví dụ một khách sạn tại Việt Nam có thể được người Việt hỏi:

“Khách sạn nào gần phố cổ Hội An?”

nhưng khách nước ngoài lại hỏi:

“Best boutique hotels near Hoi An Ancient Town?”

Hai câu hỏi có cùng một nhu cầu thương mại.

Nhưng source landscape có thể khác.

Nếu doanh nghiệp chỉ kiểm tra tiếng Việt, họ có thể bỏ qua một phần visibility quan trọng trong nhóm khách quốc tế.

Điều này cũng áp dụng cho:

• công ty tour inbound;
• spa phục vụ khách nước ngoài;
• agency;
• B2B services;
• SaaS;
• xuất khẩu;
• giáo dục quốc tế.

Có phải doanh nghiệp nên dịch toàn bộ website sang tiếng Anh?

Tôi chưa nghĩ vậy.

Đây cũng là điểm tôi muốn tránh biến nghiên cứu thành checklist máy móc.

Kết quả này không chứng minh rằng:

“Có website tiếng Anh thì ChatGPT sẽ nhắc đến bạn nhiều hơn.”

Nó chỉ cho thấy:

cùng một nhu cầu, hai ngôn ngữ có thể mở ra hai hệ nguồn khác nhau.

Từ đó, câu hỏi thực tế hơn với doanh nghiệp là:

• Khách hàng của mình có thực sự hỏi bằng cả hai ngôn ngữ không?
• Các factual page quan trọng có tồn tại trong ngôn ngữ mà khách sử dụng không?
• Tên thương hiệu, dịch vụ, địa điểm và thông tin doanh nghiệp có nhất quán giữa các ngôn ngữ không?
• Khi hỏi bằng tiếng Anh, nguồn nào đang đại diện cho thị trường của mình?
• Khi hỏi bằng tiếng Việt, nguồn nào đang đại diện cho mình?

Đó là câu hỏi measurement trước khi là câu hỏi content production.

Một điểm mà marketer dễ bỏ qua: content language khác entity language

Một doanh nghiệp có thể có website tiếng Việt rất tốt.

Nhưng một khách nước ngoài có thể gặp thương hiệu đó qua:

• TripAdvisor;
• Booking;
• báo quốc tế;
• directory;
• review platform;
• website đối tác;
• bài viết tiếng Anh của bên thứ ba.

AI không nhất thiết chỉ học về thương hiệu từ website chính thức.

Vì vậy, bài toán bilingual visibility không chỉ là:

“Doanh nghiệp có trang English chưa?”

mà còn là:

“Khi người dùng hỏi bằng English, ecosystem nào đang mô tả doanh nghiệp này?”

Theo tôi, đây là điểm mà SEO truyền thống và AI Visibility bắt đầu giao nhau theo cách khá thú vị.

Website vẫn là factual owner quan trọng.

Nhưng những nguồn bên ngoài cũng có thể ảnh hưởng đến cách thương hiệu được mô tả, so sánh và xác nhận.

Tôi sẽ không dùng nghiên cứu này để kết luận điều gì?

Sample này chỉ có 12 cặp.

Chỉ chạy trên ChatGPT.

Đây là source trace, không phải final-answer citation.

Một phần các lượt tiếng Việt được tái sử dụng từ lần chạy cùng ngày trong bộ nghiên cứu trước, nên tiếng Việt và tiếng Anh không phải lúc nào cũng được thu thập cùng một phút.

Backend, search index, cache hoặc trạng thái tìm kiếm có thể thay đổi giữa các lần chạy.

Vì vậy tôi không cho rằng dữ liệu này chứng minh:

• ChatGPT có một “thuật toán ưu tiên ngôn ngữ” cố định;
• tiếng Việt luôn ưu tiên nguồn Việt;
• tiếng Anh luôn ưu tiên nguồn global;
• chỉ cần làm website song ngữ là AI Visibility tăng;
• source exposure đồng nghĩa với citation;
• kết quả này áp dụng cho Gemini hay Perplexity.

Tôi nghĩ việc giữ những giới hạn này quan trọng hơn việc cố rút ra một “công thức GEO”.

Điều tôi sẽ làm nếu một thương hiệu có khách hàng song ngữ

Nếu phải thiết kế một bài kiểm tra đơn giản, tôi sẽ bắt đầu bằng:

1. Chọn 10–20 câu hỏi thương mại quan trọng nhất.

Không chọn keyword chung chung.

Chọn câu mà khách thực sự có thể hỏi.

2. Viết mỗi câu ở cả tiếng Việt và tiếng Anh.

Giữ intent giống nhau.

Không dịch từng chữ nếu cách nói tự nhiên của người dùng khác.

3. Đo riêng từng ngôn ngữ.

Theo dõi:

• thương hiệu được nhắc hay không;
• nguồn nào xuất hiện;
• domain nào được dùng;
• đối thủ nào xuất hiện;
• nguồn Việt Nam hay global;
• factual owner có xuất hiện không.

4. So sánh khoảng trống.

Không chỉ hỏi:

“Tôi có được nhắc không?”

Mà hỏi:

“Ở ngôn ngữ nào tôi đang mất quyền đại diện cho chính mình?”

Theo tôi, đây mới là câu hỏi đáng quan tâm.

AI Search có thể không chỉ là cuộc chơi của từ khóa

Trong SEO truyền thống, chúng ta đã quen với việc phân tách:

• keyword tiếng Việt;
• keyword tiếng Anh;
• thị trường Việt Nam;
• thị trường quốc tế.

Với AI Search, logic này có thể còn phức tạp hơn.

Người dùng không chỉ đổi từ khóa.

Họ đổi cả cách đặt câu hỏi, bối cảnh và ngôn ngữ.

Và điều đó có thể làm thay đổi nguồn mà AI tiếp cận.

Từ 12 cặp prompt trong thử nghiệm nhỏ này, tôi chưa thể nói ngôn ngữ quyết định cách ChatGPT chọn nguồn.

Nhưng tôi có thể nói một điều:

Không nên mặc định rằng kết quả đo bằng tiếng Việt sẽ đại diện cho kết quả khi khách hỏi bằng tiếng Anh.

Với những doanh nghiệp Việt phục vụ khách quốc tế, đây có thể là một trong những lớp measurement đáng kiểm tra sớm nhất.

Nguồn dữ liệu và phương pháp:
Nghiên cứu R39-C của Ghim AI, snapshot 30/09/2026. 12 cặp prompt tiếng Việt/tiếng Anh tương đương về intent, 24 quan sát trên ChatGPT. Đây là ChatGPT-only source trace, không phải final-answer citation study.

Bài nghiên cứu đầy đủ:

https://ghimai.com/research/chatgpt-tieng-viet-vs-tieng-anh-2026