Một con số AI Visibility có đủ để báo cáo hiệu quả GEO cho khách hàng?

Khách hàng hỏi: “AI Visibility tháng này là 38%. Vậy GEO đang tốt hay xấu?”

Câu hỏi nghe có vẻ đơn giản. Nhưng nếu chỉ có con số 38%, agency gần như chưa thể trả lời một cách có trách nhiệm.

38% có thể là tỷ lệ prompt có nhắc đến thương hiệu. Cũng có thể là Share of Voice, một điểm số đã chuẩn hóa, một chỉ số có trọng số theo search volume, hoặc một score được tổng hợp từ nhiều nền tảng, nhiều thị trường và nhiều nhóm câu hỏi khác nhau.

Cùng là “AI Visibility”, nhưng nếu mẫu số, phạm vi và cách tính khác nhau thì hai con số giống nhau có thể đang mô tả hai thứ hoàn toàn khác nhau.

Đây là vấn đề ngày càng quan trọng khi GEO và AI Search bắt đầu đi từ giai đoạn thử nghiệm sang giai đoạn agency phải thực sự báo cáo kết quả cho khách hàng.

AI Visibility chưa có một công thức chuẩn chung

Khi đối chiếu methodology công khai của Semrush, SEOmonitor, Ahrefs, OtterlyAI và Profound, tôi nhận thấy một điểm khá rõ: các nền tảng không đo “AI Visibility” theo cùng một cách.

Semrush AI Visibility Index tách dữ liệu mention và citation theo thị trường, thời gian và nền tảng. Ở một sản phẩm khác, Semrush lại có AI Visibility Score dạng normalized benchmark.

SEOmonitor dùng một cách tiếp cận khác: tỷ lệ mention được weight bằng Google search volume. Những trường hợp AI không nêu bất kỳ thương hiệu nào có thể bị loại khỏi denominator của mention score.

Ahrefs lại tách “Found in” khỏi “Citation”. Một URL có thể được hệ thống tìm thấy hoặc retrieve nhưng không đồng nghĩa URL đó được dùng làm citation trong câu trả lời cuối.

OtterlyAI theo dõi Brand Coverage, mentions, citations và đối thủ ở cấp độ prompt. Profound cũng tách Visibility Score, Share of Voice, Average Position và Citation Share thành những metric khác nhau.

Điều đáng chú ý không phải nền tảng nào “đúng hơn”.

Điều quan trọng là: AI Visibility hiện là một họ chỉ số, không phải một con số chuẩn chung của ngành.

Vì vậy, nếu agency báo cho khách hàng rằng “AI Visibility tăng từ 28% lên 38%”, câu hỏi đầu tiên không nên là “tăng bao nhiêu phần trăm”.

Câu hỏi đầu tiên phải là:

38% này được tính từ cái gì?

Agency nên tách AI Visibility thành nhiều lớp

Một cách dễ hiểu hơn là xem AI Visibility như một chuỗi measurement layer:

Prompt coverage
↓
Brand mention
↓
Citation
↓
Source landscape
↓
Competitor visibility
↓
Business outcome

Mỗi lớp trả lời một câu hỏi khác nhau.

Prompt coverage

Chúng ta thực sự đang đo bao nhiêu câu hỏi?

Những câu hỏi đó thuộc nhóm discovery, comparison, recommendation hay branded?

Nếu tháng trước đo 20 câu và tháng này thay 8 câu trong số đó, việc so hai tỷ lệ phần trăm có thể đã mất ý nghĩa.

Brand mention

Trong các câu trả lời hợp lệ, thương hiệu xuất hiện bao nhiêu lần?

Đây là tín hiệu về brand presence, nhưng chưa nói được thương hiệu có được đề xuất hay không.

Citation

Website chính thức có được dùng làm nguồn hay không?

Một câu trả lời có thể nhắc thương hiệu nhưng dẫn nguồn từ báo chí, directory hoặc một website khác. Ngược lại, một website có thể xuất hiện trong source trace mà thương hiệu không được đề xuất trong answer.

Mention khác citation. Citation cũng khác source exposure.

Source landscape

AI đang sử dụng những nguồn nào?

Website chính chủ, báo chí, directory, community, đối thủ hay nguồn chính thức?

Với agency, đây thường là phần hữu ích nhất để xác định “khoảng trống nguồn” thay vì chỉ nhìn một score tổng.

Competitor visibility

Khi thương hiệu không xuất hiện thì ai đang xuất hiện?

Đối thủ nào được nhắc cùng ngữ cảnh? Họ xuất hiện ở nhóm intent nào?

Đây là lớp giúp agency chuyển từ “đo cho biết” sang “đo để tư vấn”.

Business outcome

Traffic, lead và doanh thu thay đổi ra sao?

Đây là lớp cuối cùng và cũng là lớp dễ bị suy diễn nhất.

Một thương hiệu được AI nhắc nhiều hơn không tự chứng minh website có thêm traffic. Có traffic cũng chưa đồng nghĩa có qualified lead.

Vì vậy:

Mention ≠ citation ≠ recommendation ≠ traffic ≠ lead.

Nếu các lớp này bị gộp vào một con số, report có thể trông đơn giản hơn nhưng lại khó giải thích hơn.

Mẫu số quan trọng không kém tử số

Một ví dụ đơn giản:

Giả sử thương hiệu được nhắc trong 8 câu trả lời.

Nếu có 20 câu trả lời hợp lệ:

Mention Rate = 8/20 = 40%

Nhưng nếu một hệ thống khác loại 5 câu “không có bất kỳ brand nào” khỏi denominator:

Mention Rate = 8/15 = 53,3%

Cùng 8 lần mention. Hai tỷ lệ hoàn toàn khác nhau.

Nếu report chỉ hiển thị 40% hoặc 53,3% mà không nói mẫu số, khách hàng rất khó biết hai kỳ có thực sự so sánh được hay không.

Đây là lý do tôi cho rằng một báo cáo AI Visibility tốt nên hiển thị đồng thời:

• numerator;

• denominator;

• prompt count;

• số câu trả lời hợp lệ;

• engine/model;

• language;

• market;

• thời điểm đo.

Muốn báo cáo trend, trước tiên phải giữ cách đo đủ ổn định

Trong R39-B của Ghim AI, chúng tôi chạy 10 prompt cố định, mỗi prompt 5 lần trên ChatGPT, tổng cộng 50 source-trace observations.

Mean prompt-level source-domain Jaccard là 0,954. Có 5/10 prompt giữ nguyên tập domain trong cả 5 lần chạy.

Kết quả này không chứng minh “ChatGPT luôn ổn định”, càng không chứng minh hai lần chạy luôn là đủ.

Nhưng nó cho thấy một nguyên tắc quan trọng:

Muốn nói visibility tăng hay giảm, trước tiên phải giữ measurement design đủ nhất quán để hai kỳ có thể so sánh.

Nếu agency thay prompt, thay ngôn ngữ, thay market hoặc thay cách tính denominator giữa hai tháng, con số trend có thể phản ánh thay đổi phương pháp đo chứ không phải thay đổi của thương hiệu.

Language cũng là một dimension của measurement

Trong một nghiên cứu khác, R39-C, Ghim AI so sánh 12 cặp prompt tiếng Việt và tiếng Anh có cùng intent.

Tổng cộng có 24 ChatGPT observations.

Mean source-domain Jaccard chỉ 0,081. Sáu trong 12 cặp không có domain nào trùng nhau.

Average pair-level VN-source share của prompt tiếng Việt là 85,4%, trong khi bản tiếng Anh là 52,5%.

Đây là một nghiên cứu nhỏ, ChatGPT-only, và không chứng minh ngôn ngữ là nguyên nhân duy nhất của khác biệt.

Nhưng nó đủ để cảnh báo rằng:

Nếu doanh nghiệp phục vụ cả tiếng Việt và tiếng Anh, việc gộp hai language context thành một score duy nhất có thể che mất khác biệt quan trọng.

Với agency phục vụ khách inbound, hospitality, B2B hoặc thị trường quốc tế, language nên được coi là một chiều của report thay vì chỉ là một bộ lọc giao diện.

Một báo cáo AI Visibility tối thiểu nên có gì?

Theo tôi, report dành cho khách hàng không cần quá nhiều metric, nhưng nên trả lời được ít nhất bảy câu hỏi:

Báo cáoCâu hỏi cần trả lời

Prompt coverageChúng ta thực sự đo bao nhiêu câu và nhóm intent nào?

Mention RateBrand được nhắc trong bao nhiêu câu trả lời hợp lệ?

Citation RateDomain chính chủ được dẫn trong điều kiện nào?

Competitor presenceAi xuất hiện khi mình không xuất hiện?

Source landscapeAI đang dùng những nguồn nào?

TrendĐiều gì thay đổi so với kỳ trước, với cùng measurement design?

EvidenceRaw answer/source/run nào chứng minh kết luận?

Sau đó mới thêm lớp business outcome nếu doanh nghiệp có analytics, CRM hoặc dữ liệu lead đủ tốt.

Agency nên nói gì khi khách hỏi “38% có tốt không?”

Có lẽ câu trả lời phù hợp không phải là “tốt” hay “xấu” ngay lập tức.

Agency nên trả lời theo dạng:

38% nghĩa là thương hiệu xuất hiện trong X trên Y câu trả lời hợp lệ của bộ prompt đang theo dõi. So với kỳ trước, cùng nhóm prompt và cùng phạm vi đo, tỷ lệ này tăng từ A lên B. Tuy nhiên citation của website chính thức chưa tăng tương ứng và hai đối thủ vẫn xuất hiện thường xuyên hơn ở nhóm comparison.

Câu trả lời dài hơn một chút.

Nhưng nó có giá trị tư vấn cao hơn rất nhiều so với việc chỉ đưa một dashboard có một con số màu xanh.

Measurement trước optimization

GEO thường được nói đến như một bài toán “làm sao để được AI nhắc tới”.

Tôi nghĩ agency nên bắt đầu sớm hơn một bước:

Chúng ta đang đo cái gì, và hai kỳ có thực sự so sánh được với nhau không?

Nếu measurement layer không rõ, optimization phía sau rất dễ chạy theo một score mà chính agency cũng không giải thích được.

Đây cũng là lý do tôi đang xây Ghim AI theo hướng công cụ đo và phân tích AI Visibility cho agency và người làm SEO/GEO, thay vì cố gom mọi thứ thành một “GEO score”.

Research foundation cho bài này:
Ghim AI — AI Visibility methodology benchmark 2026
https://ghimai.com/research/ai-visibility-methodology-benchmark-2026

Nguồn tham khảo methodology

• Semrush AI Visibility Index methodology: https://ai-visibility-index.semrush.com/methodology

• Semrush Visibility Overview Report: https://www.semrush.com/kb/1596-visibility-overview-report

• SEOmonitor AI Visibility methodology: https://www.seomonitor.com/ai-visibility/methodology

• Ahrefs AI Visibility Metrics: https://help.ahrefs.com/en/articles/15501968-ai-visibility-metrics

• Ahrefs Brand Radar methodology: https://ahrefs.com/blog/brand-radar-methodology/

• OtterlyAI research methodology: https://otterly.ai/blog/ai-search-research-methodology/

Các methodology trên được dùng để đối chiếu cách định nghĩa/đo, không phải endorsement của các nền tảng đối với Ghim AI.

Giới thiệu ngắn về tác giả/Ghim AI

Ghim AI là công cụ đo và phân tích AI Visibility cho agency và người làm SEO/GEO. Nền tảng tập trung vào việc theo dõi thương hiệu, đối thủ, nguồn dẫn và biến động theo bộ câu hỏi có phạm vi đo rõ ràng.