Cập nhật 11/10/2026
Ghi chú đo lường · tháng 10/2026
Trang này giải thích các con số trong báo cáo tuần và trên nền tảng được tạo ra thế nào, những thay đổi nào không nên hiểu là thay đổi của thương hiệu, và phương pháp đo mới sẽ được bổ sung.
1. Tháng 10 có gì thay đổi trong phép đo
- Perplexity: câu trả lời mở đầu bằng nhật ký tìm kiếm
- Từ lần quét ngày 02/10, mỗi câu trả lời của Perplexity mở đầu bằng nhật ký tìm kiếm của chính engine (từ khóa và các nguồn tìm được). Phần chấm điểm đọc phần đầu câu trả lời, nên ở các lần quét định kỳ ngày 02/10 và 09/10, mức nổi bật, sắc thái (cảm xúc) và tỷ lệ xuất hiện của Perplexity được chấm trên nhật ký này chứ không phải trên nội dung câu trả lời. Lỗi được sửa ngày 09/10. Hai lần quét đó được đánh dấu * trong báo cáo và không được dùng để kết luận tăng hay giảm; lần quét định kỳ đầu tiên sau khi sửa là mốc mới cho Perplexity.
- Google AI Overview: câu trả lời không thu được từng bị tính là "không xuất hiện"
- Với nhiều câu hỏi, Google tạo phần tổng quan AI sau khi trang kết quả đã tải, và nội dung phải được lấy bằng một yêu cầu thứ hai. Trước ngày 11/10, hai yêu cầu dùng chung một giới hạn 30 giây; khi quá giờ hoặc không lấy được, câu trả lời bị lưu là trống và được tính là thương hiệu không xuất hiện. Từ ngày 11/10, mỗi yêu cầu có giới hạn thời gian riêng, có thử lại một lần, và mỗi câu trả lời được ghi rõ một trong ba kết quả: đã có câu trả lời, Google không hiển thị tổng quan AI, hoặc không thu được. Vì thu được nhiều câu trả lời hơn, số đo của Google AI Overview từ lần quét đầu tiên sau ngày 11/10 chưa hoàn toàn so sánh được với các lần trước; báo cáo ghi chú điều này một lần.
- Perplexity liệt kê ít nguồn hơn
- Cũng từ đầu tháng 10, Perplexity liệt kê ít nguồn hơn hẳn trong mỗi câu trả lời: khoảng 5 nguồn, so với 25–30 trước đó (đo trên một bộ câu hỏi tiếng Việt). Đây là thay đổi của chính engine. Số lượt trích dẫn và danh sách nguồn của Perplexity trước và sau thời điểm này không so sánh được với nhau.
2. Khi nào một con số được coi là đã thay đổi
Báo cáo chỉ gọi một thay đổi là tăng hay giảm khi đáp ứng các quy tắc sau.
- Chỉ so sánh các lần quét định kỳ: cùng bộ câu hỏi, cùng các engine, cùng thời điểm trong tuần. Lần quét thủ công được ghi riêng và không dùng để so sánh.
- Điểm tổng thay đổi trong khoảng ±3 là nhiễu lấy mẫu. Báo cáo ghi con số, không gọi là tăng hay giảm.
- Lần quét bị đánh dấu — chấm sai đối tượng, một engine không trả về phần lớn câu trả lời, hoặc nhà cung cấp đổi mô hình — không được dùng để kết luận. Lần quét hợp lệ tiếp theo là mốc mới.
- Một câu hỏi "có" hay "không có" thương hiệu trong một lần quét chưa phải là thay đổi. Cùng một câu hỏi, hỏi lại sau vài giờ có thể cho kết quả khác: trong một lần kiểm tra, 11 câu hỏi được hỏi ba lần trong một buổi tối và 3 câu cho kết quả không giống nhau giữa các lần. Chỉ kết quả lặp lại qua nhiều lần quét mới được coi là ổn định.
- Không ai chỉnh tay các số đo. Khi công cụ đo có lỗi, chúng tôi sửa công cụ, giữ nguyên số đã ghi và đánh dấu nó.
3. Con số được tạo ra thế nào
Mỗi lần quét đi qua bốn lớp. Chỉ một lớp có phán đoán của mô hình AI; phần tính điểm dùng quy tắc.
- Lớp hỏi
- Bộ câu hỏi cố định bằng tiếng Việt được gửi đến năm engine: ChatGPT, Claude, Gemini, Perplexity và Google AI Overview. Bốn engine đầu được hỏi qua giao diện lập trình của mô hình, nên câu trả lời có thể khác với ứng dụng trên điện thoại của người dùng. Google AI Overview được lấy từ trang kết quả tìm kiếm thật.
- Lớp thu câu trả lời
- Câu trả lời được lưu nguyên văn. Phần nhật ký làm việc của engine, nếu có, được tách ra trước khi chấm.
- Lớp đọc
- Một mô hình ngôn ngữ đọc phần đầu của mỗi câu trả lời và ghi lại bốn điều: thương hiệu có được nhắc đến không, nổi bật đến mức nào, với sắc thái nào, và những thương hiệu nào khác được nhắc. Đây là lớp duy nhất có phán đoán của mô hình; nó được đối chiếu với một bộ mẫu do người gán nhãn.
- Lớp tính điểm
- Điểm AIGVR là một công thức cố định: tỷ lệ xuất hiện 30%, mức nổi bật 25%, thị phần tiếng nói so với đối thủ 20%, sắc thái 15%, trích dẫn 10%. Không có mô hình nào tham gia ở lớp này, nên có thể tính lại từ cùng dữ liệu.
Trong báo cáo tuần, Phần 1 là số đo. Phần 2 (diễn giải) và Phần 3 (gợi ý) do AI viết; từng luận điểm được đối chiếu với dữ liệu quét và câu nào không kiểm chứng được sẽ bị loại. Hai phần này không làm thay đổi số đo ở Phần 1.
Về "mô hình ra quyết định": lớp đọc hiện dùng mô hình hội thoại đa dụng. Một loại mô hình mới, trả về xác suất thay vì văn bản, đang xuất hiện; chúng rẻ hơn và đo được mức "không chắc chắn" chi tiết hơn. Chúng tôi đang đánh giá loại mô hình này. Thay mô hình ở lớp đọc là thay đổi phương pháp: chỉ thực hiện khi mô hình mới đạt mức nhất quán yêu cầu so với bộ mẫu do người gán nhãn, và được thông báo trong báo cáo của kỳ đó.
4. Phương pháp mới: kiểm chứng bằng cặp mệnh đề
Chưa áp dụng cho các dự án tiếng Việt
Tỷ lệ xuất hiện đếm tên thương hiệu, không đo điều AI "tin" về thương hiệu. Một thương hiệu có thể được nhắc thường xuyên mà vẫn bị nói sai.
Phương pháp này lấy một khẳng định trong tài liệu thương hiệu đã công bố, viết câu phủ định trực tiếp của nó, rồi hỏi engine từng câu trong hai lần hỏi tách biệt: câu này đúng hay sai? Engine chỉ được trả lời có, không hoặc không chắc, kèm một câu căn cứ. Hai câu trả lời ghép lại cho một trong bốn kết quả. Mỗi bộ câu được hỏi ít nhất hai lượt; nếu hai lượt cho kết quả khác nhau thì ghi kết quả thứ năm.
| Kết quả | Hai câu trả lời | Ý nghĩa đối với nội dung |
|---|---|---|
| Nhất quán | Đồng ý với khẳng định, không đồng ý với câu phủ định | AI nói giống điều thương hiệu công bố. |
| Trái ngược | Không đồng ý với khẳng định, đồng ý với câu phủ định | Một cách nói ngược lại đang mạnh hơn cách nói của thương hiệu. |
| Tự mâu thuẫn | Đồng ý với cả hai câu | Hai cách nói ngang sức; AI chưa có nhận định ổn định. |
| Khoảng trống | Không đồng ý hoặc không chắc với cả hai câu | Thương hiệu đã viết, nhưng không ở nơi AI đọc được. |
| Không ổn định giữa các lượt | Hai lượt hỏi cho hai kết quả khác nhau | AI chưa có lập trường ổn định về khẳng định này. Không dùng biểu quyết đa số để che kết quả này. |
- Hai câu phải được hỏi riêng. Hỏi chung một cuộc hội thoại, engine sẽ cố giữ cho hai câu trả lời khớp nhau.
- Mỗi lượt có câu đối chứng không liên quan đến thương hiệu, một nửa là câu sai đã biết. Engine đồng ý với câu sai thì toàn bộ kết quả của engine trong lượt đó bị hủy.
- Khẳng định ghép hai ý phải được tách ra, mỗi ý hỏi riêng.
Phương pháp không chấm "điểm chính xác". Chấm điểm chính xác đòi hỏi một trọng tài biết sự thật, mà sự thật về một doanh nghiệp nằm trong tài liệu doanh nghiệp tự công bố, không nằm ở chúng tôi hay ở một mô hình. Phương pháp chỉ quan sát hai điều: AI có nói giống điều thương hiệu công bố không, và AI có tự nhất quán không.
Giới hạn: phương pháp không phán định đúng sai; nó đo câu trả lời lấy qua giao diện lập trình của mô hình; và mỗi thương hiệu chỉ có khoảng mười mấy khẳng định, đủ để chỉ ra câu nào cần bổ sung nguồn kiểm chứng, chưa đủ để kết luận chung về một engine.
Phương pháp do NeuronSpark (观澜智库, Hồng Kông) phát triển và công bố; MemeCMO sử dụng theo giấy phép. Phương pháp đã được đo thực tế trên một thương hiệu mẫu tại Hồng Kông, bằng tiếng Trung. Để áp dụng cho một dự án tiếng Việt, cần bộ câu hỏi và câu đối chứng bằng tiếng Việt, cùng một danh sách khẳng định chỉ lấy từ tài liệu thương hiệu đã công bố và được chính thương hiệu xác nhận.
5. Hai việc giúp phép đo phản ánh đúng công sức của Quý công ty
MemeCMO không đăng nội dung lên bất kỳ AI nào. AI chỉ đọc các trang web công khai. Những gì ghi hoặc chỉnh sửa trên nền tảng (hồ sơ thương hiệu, bản nháp, bản ghi hành động) chỉ thay đổi bản ghi và gợi ý của chúng tôi; muốn AI nhìn thấy, nội dung phải được đăng trên website hoặc báo chí.
- Ghi lại mỗi nội dung đã đăng (liên kết và ngày đăng). Không có bản ghi này, báo cáo không thể nối một bài viết với một thay đổi trong câu trả lời của AI.
- Xác nhận bảng dữ kiện chuẩn của thương hiệu. Đây cũng là danh sách khẳng định cho phương pháp cặp mệnh đề.