Thiết kế data model AI Visibility: tách Source, Citation, Mention và Recommendation

Vì sao một boolean brand_found không đủ?

Một URL xuất hiện trong source trace không đồng nghĩa URL đó được citation. Một citation không đồng nghĩa thương hiệu được mention; mention cũng không đồng nghĩa recommendation. Nếu các trạng thái này cùng bị nén vào một boolean, những metric phía trên sẽ khó audit và dễ bị inflate.

Một nguyên tắc an toàn là coi mỗi lượt chạy là observation unit, còn source exposure, citation, brand mention, competitor mention và recommendation là các observation riêng của cùng lượt chạy.

Run cần lưu context của phép đo

Mỗi run nên lưu project, prompt/version, engine, model, interface, language, market, thời gian và status. Hai kỳ chỉ nên được so sánh như một trend khi measurement design đủ tương thích.

ChatGPT UI, OpenAI API và các trải nghiệm search khác không nên bị mặc định là cùng một measurement surface. Interface/model cần được lưu để người đọc biết hai kỳ đang so cái gì.

• run_id, project_id, prompt_id, prompt_version
• engine, model, interface
• language, market
• started_at, completed_at
• status, error_code

Prompt cần versioning

Nếu text của prompt thay đổi nhưng vẫn giữ nguyên ID, dashboard có thể vẽ trend giữa hai measurement instruments khác nhau. Vì vậy prompt nên có version, intent group, language, market và khoảng hiệu lực.

Trend nên so compatible prompt cohort; khi mở rộng câu hỏi, giữ cohort cũ để có một lớp so sánh ổn định.

Source exposure và Citation là hai observation khác nhau

Một source có thể được hệ thống retrieve hoặc lộ ra trong source trace nhưng không được dùng làm citation trong final answer. Ahrefs Brand Radar công khai tách Found in khỏi Citation; R39-A/B/C của Ghim AI cũng giữ source trace riêng và không nâng nó thành citation bằng suy luận.

Nếu hai lớp bị gộp, Domain Citation Rate có thể tăng giả chỉ vì retrieval/source exposure.

Mention và Recommendation cần tách riêng

Một thương hiệu có thể được nhắc trong phần giải thích nhưng không nằm trong danh sách lựa chọn mà answer đề xuất. Vì vậy brand observation nên lưu ít nhất mentioned, mention_count, recommended và recommendation_position nếu vị trí có định nghĩa rõ.

Competitor observation cũng nên lưu riêng để trả lời câu hỏi quan trọng với agency: khi brand không xuất hiện thì ai đang xuất hiện?

Denominator phải phụ thuộc run state

Một run lỗi provider, timeout hoặc không có answer không nên tự động được tính thành 'brand không xuất hiện'. Nếu lỗi kỹ thuật bị biến thành zero, outage có thể kéo visibility xuống mà không phản ánh thay đổi thương hiệu.

Mỗi metric cần denominator contract rõ. Mention Rate có thể dùng valid runs trong scope; Citation Rate có thể cần valid runs nơi citation thực sự observable.

• valid
• provider_error
• timeout
• blocked
• no_answer
• unsupported

Share of Voice cần metric definition có version

Share of Voice có thể dựa trên mentions, recommendation slots hoặc một weighting khác. Vì vậy nên lưu raw observation trước và tính metric sau bằng một metric definition có version.

Khi công thức thay đổi, report lịch sử vẫn có thể trace về numerator_rule, denominator_rule, weighting_rule và scope_rule đã dùng.

Language và market là measurement dimension

R39-C của Ghim AI so sánh 12 cặp prompt Việt/Anh và quan sát mean source-domain Jaccard 0,081 trong sample ChatGPT-only. Nghiên cứu không chứng minh language là nguyên nhân duy nhất, nhưng cho thấy language/market không nên chỉ tồn tại như UI filter.

Lưu language và market trong observation giúp audit việc score thay đổi do context đo hay do brand visibility thực sự thay đổi.

Repeatability nên nằm trong measurement batch

R39-B gồm 10 prompt × 5 repeats = 50 source-trace observations, với mean prompt-level source-domain Jaccard 0,954 trong sample. Kết quả này hỗ trợ việc đo repeatability, nhưng không chứng minh hai lần chạy luôn đủ hay final-answer luôn ổn định.

Một measurement batch nên ghi prompt_set_version, engine/model, language/market, repeat_count và thời gian để biết hai batch có thực sự comparable.

Raw evidence phải truy ngược được từ metric

Một dashboard chỉ thực sự có giá trị tư vấn khi người dùng có thể drill down từ metric về run, answer, source/citation và brand observation tạo ra con số đó.

Nếu Mention Rate là 38%, người làm SEO/GEO cần mở được những run tạo nên 38% để giải thích cho khách hàng thay vì chỉ nhìn một score tổng.

Visibility và business outcome nên là hai subsystem

AI measurement và business analytics có nguồn dữ liệu khác nhau. Prompt/run/answer/citation không nên bị trộn trực tiếp với session/lead/customer/revenue chỉ để dashboard tiện hơn.

Hai lớp có thể được nối khi có analytics, CRM hoặc attribution hợp lệ, nhưng recommendation tăng không tự chứng minh lead tăng.

Bốn câu hỏi trước khi thêm một metric

Trước khi đưa một metric mới lên dashboard, nên trả lời được bốn câu hỏi: observation unit là gì, numerator là gì, denominator là gì và missing/error được xử lý thế nào.

Nếu một trong bốn câu chưa có câu trả lời rõ, metric đó chưa đủ điều kiện để dùng như bằng chứng báo cáo.