Đo lường
Website nhận được bao nhiêu khách từ AI? Cách thiết lập đo lường thực tế, không phỏng đoán
Phần lớn công cụ phân tích web chưa có nhãn nguồn riêng cho AI, khiến lưu lượng từ ChatGPT hay Perplexity dễ bị gộp lẫn vào referral hoặc direct. Bài viết hướng dẫn ba lớp thiết lập cụ thể để tách bạch nhóm lưu lượng này và đọc đúng chỉ số phản ánh chất lượng, không chỉ số lượng.
Ban Nghiên cứu AEO Hanoi · 11/8/2026 · 9 phút đọc
Nhiều doanh nghiệp đã bắt đầu theo dõi tần suất trích dẫn thương hiệu trên các hệ thống AI, nhưng khi được hỏi "vậy có bao nhiêu khách thực sự bấm vào website từ đó", câu trả lời thường là im lặng hoặc một con số phỏng đoán. Nguyên nhân không phải vì lưu lượng đó không tồn tại, mà vì công cụ phân tích web phổ biến hiện nay — Google Analytics và các nền tảng tương đương — chưa có nhãn "nguồn: AI" sẵn có như nhãn "nguồn: tìm kiếm tự nhiên" đã quen thuộc hàng chục năm nay. Kết quả là một phần lưu lượng giá trị bị gộp lẫn vào nhóm referral chung chung hoặc tệ hơn, vào nhóm direct traffic — nơi nó biến mất khỏi mọi phân tích kênh. Bài viết này đi vào phần thực hành: làm thế nào để quý doanh nghiệp tự tay thiết lập được một hệ thống đo lường tối thiểu, đủ tin cậy để đưa vào báo cáo, thay vì chỉ nói về khái niệm.
Vì sao lưu lượng từ AI khó nhận diện hơn lưu lượng tìm kiếm truyền thống?
Với tìm kiếm truyền thống, hành vi gửi thông tin nguồn đã được chuẩn hoá qua nhiều năm: công cụ tìm kiếm gửi kèm dữ liệu đủ để công cụ phân tích xếp lượt truy cập vào đúng nhóm "organic search". Với các nền tảng AI, hành vi này chưa thống nhất và có thể thay đổi theo thời gian. Một số nền tảng khi người dùng nhấp vào đường dẫn được trích dẫn trong câu trả lời có gửi kèm tham số nhận diện nguồn; một số trường hợp khác không gửi thông tin gì đáng kể, khiến lượt truy cập hiển thị trong công cụ phân tích như thể người dùng gõ thẳng địa chỉ website vào trình duyệt — tức nhóm "direct". Hành vi cụ thể của từng nền tảng như ChatGPT, Perplexity, Copilot hay Gemini cũng không đồng nhất với nhau, và có thể được điều chỉnh bởi chính nhà cung cấp nền tảng theo thời gian mà doanh nghiệp không được thông báo trước.
Hệ quả thực tế là hai loại sai lệch cùng tồn tại. Sai lệch thứ nhất: lưu lượng bị đánh giá thấp vì một phần đáng kể rơi vào nhóm "direct" thay vì được ghi nhận đúng nguồn. Sai lệch thứ hai: ngay cả khi có tham số nguồn, nếu công cụ phân tích không được cấu hình để nhận diện và nhóm các tham số đó lại, dữ liệu vẫn nằm rải rác dưới dạng hàng chục dòng referral riêng lẻ, không ai đọc được thành một bức tranh tổng thể. Cả hai vấn đề đều xử lý được — không cần công cụ chuyên dụng, chỉ cần thiết lập đúng cách trong công cụ phân tích đang dùng.
Ba lớp thiết lập tracking cơ bản gồm những gì?
Chúng tôi chia việc thiết lập thành ba lớp bổ sung cho nhau: lớp rà soát (tìm ra dữ liệu đang có nhưng bị gộp lẫn), lớp phân nhóm (tổ chức lại dữ liệu để đọc được thành một khối), và lớp gắn thẻ chủ động (chuẩn bị cho việc đo chính xác hơn ở nội dung mới). Chi tiết từng bước được trình bày trong hướng dẫn dưới đây.
Sau khi có dữ liệu, nên đọc chỉ số nào là quan trọng nhất?
Sai lầm phổ biến nhất sau khi thiết lập xong là dừng lại ở một con số duy nhất: tổng lượt truy cập từ nhóm AI. Con số này cho biết quy mô, nhưng không cho biết chất lượng. Ba chỉ số bổ sung đáng theo dõi song song. Thứ nhất, tỷ lệ chuyển đổi của nhóm lưu lượng này so với các kênh khác — nếu khách đến từ AI có tỷ lệ để lại thông tin liên hệ hoặc hoàn tất đơn hàng cao hơn mặt bằng chung, đó là tín hiệu cho thấy họ đến với mức độ sẵn sàng cao hơn, vì đã được AI "tiền lọc" và giải đáp một phần thắc mắc trước khi ghé thăm. Thứ hai, hành vi trên trang: thời gian ở lại và số trang xem trong một phiên. Nhóm khách này thường đã có sẵn kỳ vọng cụ thể từ câu trả lời AI, nên hành vi duyệt trang của họ phản ánh khá rõ nội dung có đáp ứng đúng kỳ vọng đó hay không. Thứ ba, trang đích họ vào đầu tiên — dữ liệu này giúp nhận diện những trang nào đang thực sự được các hệ thống AI trích dẫn và đưa khách đến, để ưu tiên đầu tư tiếp vào đúng chủ đề.
Đọc ba chỉ số này cùng nhau quan trọng hơn đọc riêng lẻ. Lượt truy cập cao nhưng chuyển đổi thấp và thời gian ở lại ngắn có thể chỉ là lượt ghé qua tò mò. Lượt truy cập khiêm tốn nhưng chuyển đổi vượt trội lại là tín hiệu đáng đầu tư mở rộng.
Với giới hạn đó, cách tiếp cận hợp lý là dùng lưu lượng đo được như một chỉ báo xu hướng đi kèm hai nhóm chỉ số hiện diện khác — tần suất trích dẫn và chất lượng ngữ cảnh — thay vì dùng riêng lẻ để kết luận về hiệu quả. Một quý có lưu lượng đo được tăng, đi cùng tần suất trích dẫn tăng, là tín hiệu đáng tin hơn nhiều so với một con số lưu lượng đứng riêng lẻ.
Ba lớp thiết lập đo lưu lượng giới thiệu từ AI cơ bản
Bước 1
Rà soát báo cáo referral hiện có
Mở báo cáo nguồn lưu lượng referral trong công cụ phân tích đang dùng, lọc theo khoảng thời gian gần nhất, và rà từng dòng tìm các tên miền liên quan đến nền tảng AI như chatgpt.com, perplexity.ai hoặc tương tự. Phần lớn doanh nghiệp phát hiện những dòng này đã tồn tại từ lâu nhưng chưa từng được để ý vì nằm lẫn giữa hàng chục nguồn referral khác.
Bước 2
Thiết lập kênh hoặc nhóm riêng cho các nguồn AI
Trong phần cấu hình kênh của công cụ phân tích, tạo một quy tắc phân nhóm gộp các tên miền đã xác định ở bước trên thành một kênh riêng, đặt tên rõ ràng để dễ theo dõi qua thời gian. Việc này biến dữ liệu rải rác thành một chỉ số duy nhất xuất hiện đều đặn trong báo cáo, thay vì phải lọc lại thủ công mỗi kỳ.
Bước 3
Gắn tham số theo dõi cho nội dung hướng đến AI, nếu nền tảng phân tích hỗ trợ
Với các trang nội dung được thiết kế chuyên biệt để AI trích dẫn — ví dụ trang trả lời câu hỏi kỹ thuật hoặc trang dữ liệu có cấu trúc — cân nhắc gắn tham số theo dõi riêng cho các đường dẫn được đưa ra ngoài, tương tự cách vẫn làm với chiến dịch quảng cáo. Đây là biện pháp bổ sung mang tính chuẩn bị dài hạn, không thay thế hai bước trên, và mức độ hiệu quả phụ thuộc vào việc nền tảng AI có giữ nguyên tham số khi dẫn khách đến hay không.
Bước 4
Đối chiếu định kỳ với xu hướng direct traffic
Mỗi kỳ báo cáo, đặt cạnh nhau biến động của kênh AI vừa thiết lập và biến động của nhóm direct traffic tổng thể. Một đợt tăng bất thường ở direct traffic trùng thời điểm tần suất trích dẫn thương hiệu tăng là tín hiệu bổ sung đáng ghi nhận cho thấy một phần lưu lượng AI đang bị ẩn trong nhóm này, dù không thể tách bạch chính xác con số.
Câu hỏi thường gặp
Không thấy tên miền AI nào trong báo cáo referral thì có nghĩa là chưa có khách từ AI?
Không hẳn. Việc không thấy tên miền AI trong referral có thể do hai lý do khác nhau: thực sự chưa có lưu lượng đáng kể, hoặc lưu lượng đã tồn tại nhưng nền tảng AI đó không gửi kèm thông tin nguồn nên bị ghi nhận thành direct traffic. Cách phân biệt hai khả năng này là theo dõi thêm xu hướng direct traffic theo thời gian, đối chiếu với các giai đoạn tần suất trích dẫn thương hiệu tăng, thay vì kết luận ngay từ một báo cáo referral trống.
Doanh nghiệp nhỏ, chưa có bộ phận phân tích chuyên trách, có làm được không?
Làm được. Hai bước đầu trong quy trình — rà soát referral và thiết lập nhóm kênh riêng — chỉ cần một người có quyền truy cập cấu hình công cụ phân tích đang dùng, thực hiện một lần và duy trì rà soát mỗi tháng. Hai bước sau đòi hỏi nhiều công sức hơn và có thể triển khai dần sau khi hai bước đầu đã ổn định và cho ra dữ liệu đều đặn.
Vì sao không nên chỉ báo cáo một con số tổng lượt truy cập từ AI cho ban lãnh đạo?
Một con số tổng dễ gây hiểu lầm theo cả hai hướng: có thể khiến ban lãnh đạo đánh giá thấp giá trị nếu con số còn khiêm tốn trong giai đoạn đầu, hoặc đánh giá quá cao nếu không kèm giới hạn rằng đây chỉ là phần đo được, chưa phải toàn bộ tác động. Báo cáo nên đi kèm tối thiểu tỷ lệ chuyển đổi so với kênh khác và một dòng chú thích về giới hạn đo lường, để con số được đọc đúng bối cảnh.