Đo lường AI search (khả năng thương hiệu được AI nhắc tới trong câu trả lời) đang là vấn đề cấp lãnh đạo tại nhiều tập đoàn lớn ở Mỹ, nhưng hạ tầng đo lường chưa theo kịp kỳ vọng. Nghiên cứu mới từ TransUnion, được Search Engine Journal dẫn lại, ghi nhận 89% lãnh đạo marketing cấp cao kỳ vọng tăng ngân sách AI-enabled marketing trong 12 đến 24 tháng tới, trong khi chưa đến 48% cho rằng họ có đủ dữ liệu để tự tin ra quyết định tối ưu hóa.
Nghiên cứu TransUnion thực sự cho thấy điều gì?
TransUnion ủy thác cho bộ phận tư vấn thương hiệu của United Talent Agency khảo sát 100 lãnh đạo marketing và công nghệ cấp cao tại các thương hiệu lớn ở Mỹ. Kết quả nổi bật là điều TransUnion gọi là “nghịch lý tự tin-sẵn sàng”: thương hiệu đặt cược ngày càng nhiều vào AI, nhưng lại thiếu hạ tầng để theo dõi xem những cược đó có sinh lời không.
- 89% kỳ vọng ngân sách AI-enabled marketing tăng trong 12-24 tháng tới.
- 64% tự tin sẽ đạt mục tiêu AI đề ra.
- Chỉ 42% đánh giá mức độ sẵn sàng về nhân lực của tổ chức ở mức cao.
- Chỉ 36% nhận xét tương tự về mức độ sẵn sàng của dữ liệu và quy trình.
- Chưa đến 48% có đủ thông tin về AI ở cấp nền tảng để tự tin ra quyết định tối ưu hóa.
Matt Spiegel, Phó Chủ tịch điều hành phụ trách Chiến lược Tăng trưởng TruAudience tại TransUnion, chia sẻ với Search Engine Journal rằng nếu phải xếp hạng ba khoảng cách mà nghiên cứu chỉ ra, dữ liệu đứng đầu tiên.
“AI có thể bù đắp nhiều thứ, nhưng không thể bù đắp dữ liệu không đầy đủ hoặc bị phân mảnh,” Spiegel nói. “Nếu bạn cung cấp cho AI thông tin không đầy đủ, kết quả sẽ kém dự đoán hơn bạn mong đợi.”
Lập luận của Spiegel: vấn đề về nhân lực và quy trình đều bắt nguồn từ vấn đề dữ liệu. Khi hồ sơ khách hàng, lịch sử giao dịch và tín hiệu hành vi được kết nối đầy đủ, quản trị và kỹ năng sẽ theo sau. Thiếu nền tảng đó, mọi thứ khác đều khó hơn.
AI search có nằm trong điểm mù đo lường này không?
Có, và số liệu cho thấy rõ. Theo nghiên cứu TransUnion, 69% người được khảo sát cho biết “walled garden” blind spots (điểm mù từ các nền tảng độc quyền không chia sẻ dữ liệu nội bộ với công cụ đo lường bên ngoài) cản trở khả năng đánh giá hiệu quả AI của họ. 70% nói điểm mù đa kênh khiến họ khó theo dõi tác động của AI xuyên suốt hành trình khách hàng.
Spiegel xác nhận với SEJ rằng AI search nằm ngay trong cùng vấn đề đó, không phải ngoài nó. “AI search là ví dụ điển hình cho thấy tại sao đo lường độc lập đang trở nên quan trọng hơn,” ông nói. Khi người tiêu dùng ngày càng khám phá thương hiệu qua câu trả lời do AI tạo ra thay vì kết quả tìm kiếm truyền thống, các marketer mất khả năng nhìn thấy cách những khuyến nghị đó được hình thành và điều gì ảnh hưởng đến chúng. Ông gọi đây là phần mở rộng tự nhiên của vấn đề walled garden, không phải một vấn đề riêng biệt.
Như Greg Jarboe từ SEJ nhận xét, mọi nghiên cứu về AI citation và GEO (Generative Engine Optimization, tức tối ưu hóa nội dung để hệ thống AI trích dẫn hoặc gợi ý thương hiệu) đang được công bố hiện nay đều đang cố đảo ngược kỹ thuật để nhìn vào một hệ thống chưa bao giờ được thiết kế để quan sát từ bên ngoài. Dữ liệu TransUnion từ 100 lãnh đạo cấp cao không có lợi ích riêng trong các cuộc tranh luận nội bộ ngành SEO là xác nhận độc lập rằng sự mù quáng cấu trúc này xuất hiện ở bất kỳ đâu AI đóng vai trò trung gian trong quyết định của khách hàng.
Góc nhìn Hingewise
Biết thương hiệu được ChatGPT hay Gemini nhắc tên không có nghĩa là biết tại sao được nhắc, và lần nhắc đó có tạo ra kết quả kinh doanh gì không. Khoảng cách này hiện gần như phổ quát, và dữ liệu TransUnion là bằng chứng từ bên thứ ba rõ ràng nhất tính đến thời điểm này.
Hình dung thế này: một nhà bán lẻ chạy quảng cáo đồng thời trên mạng xã hội, connected TV (truyền hình phát qua internet) và Google Search. Một khách hàng sau đó mua hàng dựa trên khuyến nghị sản phẩm do AI tạo ra. Kênh nào được ghi nhận công? Không có hệ thống analytics nào hiện tại trả lời câu hỏi đó gọn gàng. AI search chỉ thêm một vùng chưa được đo vào hành trình khách hàng vốn đã bị phân mảnh trên nhiều nền tảng.
Điều dữ liệu TransUnion gợi mở là đây không phải vấn đề riêng của ngành SEO đang chờ một dashboard tốt hơn. Đây là cùng sự thất bại đo lường mà các CMO đã nêu tên trong họp ngân sách, áp dụng cho một kênh mới. Điều đó quan trọng cho cách các team định vị công việc nội bộ: team SEO đặt GEO trong khung khoảng cách đo lường toàn công ty mà CMO đã nhận ra sẽ dễ được cấp ngân sách hơn team xin một công cụ citation tracking riêng lẻ.
Có một điểm thường bị bỏ qua mà cả nguồn lẫn số liệu chưa nói thẳng: nhiều team xử lý điểm mù walled garden như thể đó là lỗi của nền tảng, trong khi dữ liệu TransUnion cho thấy điểm thắt chính lại nằm bên trong, ở chất lượng dữ liệu nội bộ. Google hay ChatGPT không mở hộp đen được, nhưng CRM bị phân mảnh thì có thể vá. Vấn đề có thể giải quyết gần hơn nhiều so với các team thường thừa nhận.
Lời khuyên của Spiegel, như SEJ ghi lại, đi ngược bản năng thông thường: chi đồng đầu tiên cho chất lượng dữ liệu và identity resolution (quá trình kết nối hồ sơ của cùng một khách hàng trên các hệ thống khác nhau), không phải cho ứng dụng mới. Một công cụ citation tracking xây trên nền analytics bị phân mảnh sẽ báo cáo hoạt động, không phải tác động thực. Câu hỏi khó và bền vững hơn là liệu bất kỳ citation AI nào có ảnh hưởng đến quyết định mà không có nó thì sẽ không xảy ra. Điều đó đòi hỏi incrementality testing (so sánh kết quả giữa nhóm tiếp xúc citation AI và nhóm không tiếp xúc), mà theo dữ liệu TransUnion, hiện chỉ một thiểu số marketer thực hiện.
Hingewise cho rằng đây là cách đặt vấn đề chính xác hơn: thay vì hỏi “làm sao để được AI nhắc tới nhiều hơn,” câu hỏi cần trả lời trước là “lần được nhắc tới đó dẫn đến hành động gì của khách hàng, và chúng ta có đang đo được điều đó không?” Team nào xây dựng năng lực đo lường này trước khi nó trở thành tiêu chuẩn ngành sẽ có vị thế tốt hơn khi lãnh đạo bắt đầu đặt câu hỏi về hiệu quả đầu tư thực sự.
Cần kiểm tra gì trước khi đầu tư công cụ đo lường AI search?
- Xác nhận dữ liệu khách hàng (CRM, lịch sử giao dịch, tín hiệu hành vi) có đủ thống nhất để quy kết kết quả cho bất kỳ kênh nào, kể cả AI search, không.
- Kiểm tra hệ thống tracking đa kênh hiện có để xác định điểm mù đang tồn tại ở đâu trước khi thêm AI search vào.
- Xác định rõ kết quả kinh doanh cụ thể nào mà citation AI được kỳ vọng ảnh hưởng (traffic, lead, doanh thu, mức độ cân nhắc thương hiệu) trước khi chọn công cụ đo lường.
- Kiểm tra xem team có đang chạy incrementality testing cho bất kỳ kênh nào khác không. Nếu không, AI search sẽ là điểm khởi đầu khó nhất để bắt đầu đo tác động gia tăng.
- Đánh giá xem ngân sách AI visibility đang được phân bổ có gắn với một vấn đề kinh doanh cụ thể, hay chỉ đang cải thiện số lượng citation đơn thuần.
Nguồn: Greg Jarboe, How TransUnion’s AI Findings Should Change the Way SEOs Pitch GEO, Search Engine Journal; TransUnion/United Talent Agency Brand Advisory, khảo sát 100 lãnh đạo marketing và công nghệ cấp cao tại các thương hiệu lớn ở Mỹ, 2025.