Hãy tìm kiếm những cơ hội tăng trưởng đáng ưu tiên dựa trên nhu cầu thị trường, bối cảnh cạnh tranh, giá trị cốt lõi của thương hiệu và các nguồn trích dẫn.
Thông tin chi tiết về hiệu suất AI trong Google Merchant Center cho thấy tỷ lệ hiện diện trong câu trả lời AI, các giai đoạn mua hàng, cụm từ về sản phẩm và những thuộc tính còn thiếu. Sau đây là những việc thương hiệu nên làm tiếp theo.
Khám phá hơn 12,000 thị trường ngách.
Cập nhật bởi
Cập nhật vào Oct 12, 2026
Google Merchant Center đang bắt đầu cung cấp AI Performance Insights cho các nhà bán hàng. Lần đầu tiên, các thương hiệu có thể sử dụng trang tổng quan chính thức của Google để xem sản phẩm của họ đáp ứng những nhu cầu nào của người tiêu dùng trên AI Mode, AI Overviews và Gemini, những nhu cầu đó thuộc giai đoạn nào trong hành trình mua hàng và mức độ hiển thị mà họ nhận được từ AI so với các thương hiệu tương tự.
Tuy nhiên, sau khi xem báo cáo, tôi càng tin chắc hơn vào một điều:
Dữ liệu giá trị nhất trong giai đoạn tiếp theo của Generative Engine Optimization, hay GEO, sẽ không phải là số lần AI nhắc đến một thương hiệu. Điều quan trọng là nhu cầu của khách hàng tập trung ở đâu và liệu thương hiệu có thực sự đáp ứng được nhu cầu đó hay không.
Cách đây không lâu, tôi đã viết về việc Google Search Console và Bing Webmaster Tools bắt đầu cung cấp dữ liệu liên quan đến tìm kiếm bằng AI.
Kết luận của tôi lúc đó là GEO đang chuyển từ một khái niệm mới, phần lớn dựa trên hoạt động giám sát của bên thứ ba và nhận định của ngành, sang giai đoạn mà dữ liệu chính thức từ các nền tảng có thể xác thực khái niệm này.
Microsoft bắt đầu báo cáo lượt trích dẫn, trong khi Google Search Console bắt đầu báo cáo lượt hiển thị AI. Ít nhất, điều này chứng minh một điều: mức độ hiển thị thương hiệu và lượt trích dẫn trong câu trả lời do AI tạo ra đã trở thành các chỉ số mà những nền tảng tìm kiếm sẵn sàng theo dõi một cách chính thức.
Đợt cập nhật đó chủ yếu tập trung vào lớp website và nội dung:
Giờ đây, Google đã tiến thêm một bước.
Lần này, dữ liệu đã được đưa vào Merchant Center, tức là đã mở rộng sang lớp sản phẩm và thương mại điện tử.
AI Performance Insights của Google đang bắt đầu cho các nhà bán hàng thấy cách người tiêu dùng khám phá sản phẩm của họ qua AI Mode, AI Overviews và Gemini, mức Share of Voice mà thương hiệu nắm giữ so với các sản phẩm có thể so sánh, cũng như những thuật ngữ và thuộc tính sản phẩm mà người dùng quan tâm nhất.
Đây không chỉ đơn thuần là một báo cáo khác.
Điều này cho thấy Google đang cố gắng trả lời một câu hỏi quan trọng hơn nhiều so với việc sản phẩm có được hiển thị hay không:
Người tiêu dùng thực sự quan tâm đến điều gì khi mua sắm thông qua AI?
Dựa trên các giao diện và giải thích chính thức hiện có, AI Performance Insights bao gồm bốn nhóm dữ liệu chính.
Chỉ số đầu tiên là Share of Voice của một thương hiệu trong trải nghiệm mua sắm bằng AI của Google.
Nói đơn giản, chỉ số này ước tính mức độ hiển thị trên AI mà một thương hiệu và các sản phẩm của thương hiệu đó nhận được đối với những nhu cầu mua sắm có liên quan, sau đó so sánh mức độ hiển thị này với các thương hiệu tương tự do Google tự động xác định.
Hình 1: Ví dụ về AI Performance Insights trong Google Merchant Center, thể hiện Share of Voice trên AI của một thương hiệu và mức trung bình của các thương hiệu tương tự.
Chỉ số này có thể nghe tương tự Visibility Score được nhiều công cụ GEO sử dụng, nhưng có một khác biệt quan trọng.
Các công cụ GEO của bên thứ ba thường:
Xác định một nhóm prompt, truy vấn nhiều mô hình theo định kỳ và tính toán tần suất thương hiệu xuất hiện.
Dữ liệu của Google đến từ chính các môi trường mua sắm bằng AI của Google, bao gồm AI Mode, AI Overviews và Gemini. Vì vậy, dữ liệu này gần với mức độ hiển thị thực tế trong hệ sinh thái Google hơn, dù không thể đo lường hiệu quả bên ngoài hệ sinh thái đó.
Giá trị của dữ liệu không nằm ở việc nó thay thế mọi công cụ giám sát của bên thứ ba. Giá trị nằm ở chỗ nó cung cấp cho các thương hiệu một chuẩn cơ sở chính thức.
Các thương hiệu thương mại điện tử giờ đây có thể xác định chắc chắn hơn rằng:
Sản phẩm của tôi không chỉ xuất hiện trong một vài prompt thử nghiệm. Chúng thực sự đã bước vào bức tranh nhu cầu mua sắm bằng AI của Google.
Tuy nhiên, không nên diễn giải Share of Voice là thị phần.
Google tự động chọn các thương hiệu để so sánh, và nhà bán hàng không thể kiểm soát hoàn toàn nhóm đối thủ cạnh tranh. Quy mô mẫu, cách phân loại sản phẩm và phạm vi nhận diện thực thể của Google cũng có thể ảnh hưởng đến tỷ lệ phần trăm.
Share of Voice ở mức 100% không nhất thiết có nghĩa là một thương hiệu đã độc chiếm danh mục sản phẩm của mình. Điểm số 0% cũng không nhất thiết có nghĩa là thương hiệu hoàn toàn không có mức độ hiển thị nào.
Chỉ số này hữu ích hơn khi được dùng để xác định xu hướng thay vì làm thước đo độc lập cho hiệu quả kinh doanh.
Google cũng phân loại các truy vấn mua sắm bằng AI theo phễu mua hàng:
Ví dụ:
Hình 2: AI Performance Insights chia nhu cầu mua sắm thành các giai đoạn Khám phá, Đánh giá và Mua hàng.
Tôi cho rằng điều này có giá trị hơn việc chỉ đo lường mức độ hiển thị trên AI.
Trước đây, nhiều chương trình giám sát GEO chỉ đếm xem thương hiệu có xuất hiện hay không.
Nhưng xuất hiện trong câu trả lời cho câu hỏi “Máy lọc không khí là gì?” có giá trị thương mại rất khác với việc xuất hiện trong câu trả lời cho câu hỏi “Máy lọc không khí nào tốt nhất cho nhà có thú cưng?”
Truy vấn đầu tiên có thể chỉ nhằm tìm hiểu thông tin chung. Truy vấn thứ hai đã gần với quyết định mua hàng hơn.
Nếu không phân biệt ý định tìm kiếm và giai đoạn ra quyết định, 100 lượt nhắc đến thương hiệu có thể kém giá trị hơn 10 lượt đề xuất gắn với các truy vấn có ý định mua hàng cao.
Bằng cách đưa dữ liệu này trực tiếp vào Merchant Center, Google đang thực sự nói với các nhà bán hàng rằng:
Không nên chỉ đánh giá hoạt động mua sắm bằng AI dựa trên tổng mức độ hiển thị. Bạn cần biết mức độ hiển thị đó xuất hiện ở giai đoạn nào trong hành trình mua hàng.
Google cũng cung cấp Product Terms, tức các khái niệm và cách diễn đạt về sản phẩm mà người tiêu dùng thường sử dụng khi mua sắm có sự hỗ trợ của AI.
Điều này cần được diễn giải cẩn thận.
Google không cung cấp danh sách đầy đủ các prompt thô. Google cung cấp các thuật ngữ sản phẩm và loại truy vấn đã được tổng hợp.
Cấu trúc này phù hợp với bản chất của tìm kiếm bằng AI.
Trong tìm kiếm truyền thống, một từ khóa có thể rất ngắn:
Alexa for Shoppinggiày chạy bộThay vào đó, người dùng AI có thể hỏi:
Tôi chạy bộ bốn lần mỗi tuần, cân nặng cao hơn mức trung bình và đầu gối thường cảm thấy khó chịu. Có loại giày chạy bộ nào có đệm tốt hơn cho những buổi chạy đường dài với tốc độ nhẹ nhàng không?
Chỉ một câu hỏi đó đã bao gồm nhiều khía cạnh:
Nếu phân tích truy vấn này bằng báo cáo từ khóa truyền thống, dữ liệu sẽ bị phân mảnh.
Tuy nhiên, xét theo ý định của người tiêu dùng, nhu cầu cốt lõi rất rõ ràng:
Giày chạy đường dài có đệm tốt dành cho người chạy bộ nặng cân bị khó chịu ở đầu gối.
Thay vì cung cấp cho nhà bán hàng từng prompt dài riêng lẻ, Google tổng hợp các truy vấn này thành những chủ đề nhu cầu, thuật ngữ sản phẩm và giai đoạn mua hàng dễ quản lý hơn.
Các phân tích của ngành về báo cáo này cũng đưa ra kết luận tương tự: ngày càng có nhiều dữ liệu được cung cấp, nhưng nhà bán hàng vẫn chưa thể xem toàn bộ hành trình từ truy vấn thô đến lượt nhấp và chuyển đổi.
Đây là một tín hiệu quan trọng đối với ngành GEO.
Trong tương lai, đơn vị phân tích có giá trị nhất có thể không phải là một prompt đơn lẻ. Mà có thể là:
Một nhóm truy vấn được diễn đạt theo nhiều cách khác nhau nhưng cùng xuất phát từ một ý định khách hàng cốt lõi.
Nhóm dữ liệu thứ tư tập trung vào những thuộc tính sản phẩm mà người dùng quan tâm và liệu những thuộc tính đó có bị thiếu trong dữ liệu sản phẩm của thương hiệu hay không.
Người dùng có thể thường xuyên hỏi về:
Giả sử người tiêu dùng liên tục hỏi liệu sản phẩm có phù hợp để sử dụng ngoài trời hay không, nhưng nguồn cấp dữ liệu sản phẩm, dữ liệu có cấu trúc và trang sản phẩm lại không mô tả môi trường sử dụng. Google sẽ khó xác định liệu có nên đề xuất sản phẩm đó hay không.
Google Merchant Center từ lâu đã dựa vào dữ liệu sản phẩm do nhà bán hàng gửi lên để khớp sản phẩm với các truy vấn có liên quan. Google cũng liên tục nhấn mạnh rằng thông tin sản phẩm chính xác và đầy đủ ảnh hưởng trực tiếp đến việc sản phẩm có được hiển thị chính xác hay không.
Trước đây, nhà bán hàng chủ yếu tối ưu nguồn cấp dữ liệu cho Quảng cáo mua sắm và danh sách sản phẩm miễn phí.
Giờ đây, những trường dữ liệu đó cũng đang bắt đầu ảnh hưởng đến việc khám phá sản phẩm trên AI Mode, AI Overviews và Gemini.
Vai trò của nguồn cấp dữ liệu sản phẩm đang thay đổi:
Nó không còn chỉ là nguồn dữ liệu cho quảng cáo. Nó đang trở thành ngôn ngữ nền tảng mà AI sử dụng để hiểu sản phẩm.
Phần ít được chú ý nhất trong bản cập nhật này không phải là việc Google giới thiệu Share of Voice. Đó là cách Google lựa chọn tổ chức dữ liệu.
Google không chỉ đơn giản đưa cho nhà bán hàng một danh sách từ khóa AI.
Thay vào đó, báo cáo AI Shopping được tổ chức xoay quanh:
Tại sao?
Bởi vì người dùng AI không liên tục sử dụng một nhóm từ khóa nhỏ và cố định.
Cùng một nhu cầu có thể được diễn đạt theo hàng chục cách.
Ví dụ, người dùng đang tìm mua máy lọc không khí cho nhà nhỏ có thể hỏi:
Những câu hỏi này trông hoàn toàn khác nhau ở cấp độ câu chữ.
Tuy nhiên, xét về nhu cầu thương mại, chúng có thể thuộc một vài nhóm ý định ổn định:
Điều thực sự ảnh hưởng đến các đề xuất của AI không phải là việc thương hiệu có tình cờ đáp ứng một prompt cụ thể hay không. Mà là:
Thông tin sản phẩm và nội dung của thương hiệu có bao quát toàn diện các cấu trúc nhu cầu lặp lại mà khách hàng sử dụng khi ra quyết định hay không.
Đó là lý do từ lâu tôi vẫn cho rằng việc chỉ sử dụng vài chục prompt được xác định trước để đo lường GEO sẽ tạo ra cảm giác chắc chắn sai lầm.
Một công ty có thể lựa chọn cẩn thận 100 câu hỏi và báo cáo rằng mức độ hiển thị thương hiệu đã tăng 20%.
Nhưng nếu những câu hỏi đó không phản ánh điều khách hàng thực sự quan tâm, hoặc bỏ qua các tình huống mua hàng có giá trị cao, thì mức tăng 20% đó chẳng có nhiều ý nghĩa.
Google cũng đang chuyển từ các truy vấn riêng lẻ sang nhu cầu và ý định đã được tổng hợp.
Nhìn vào quá trình phát triển dữ liệu từ các nền tảng chính thức, Google đang bắt đầu hoàn thiện ba lớp dữ liệu.
Lớp đầu tiên là Search Console, báo cáo lượt hiển thị của nội dung website trên các tính năng tìm kiếm bằng AI.
Lớp thứ hai là Merchant Center, báo cáo Share of Voice của sản phẩm, giai đoạn mua sắm, thuật ngữ sản phẩm và nhu cầu về thuộc tính trong các bối cảnh AI Shopping.
Lớp thứ ba là Google Ads và Merchant Center, tiếp tục kết nối nguồn cấp dữ liệu sản phẩm, quảng cáo và dữ liệu giao dịch.
Dù vậy, những khoảng trống quan trọng nhất vẫn còn đó.
Hiện tại, nhà bán hàng thấy các thuật ngữ và loại truy vấn đã được tổng hợp chứ không phải bản ghi đầy đủ theo từng prompt.
Thương hiệu có thể biết sản phẩm nhận được mức độ hiển thị trên AI, nhưng có thể chưa biết một nhóm truy vấn AI cụ thể tạo ra bao nhiêu lượt nhấp.
Vẫn chưa có chuỗi phân bổ đầy đủ ở cấp truy vấn để kết nối:
Báo cáo có thể cho thấy kết quả, nhưng có thể chưa giải thích đầy đủ liệu nguyên nhân là:
Báo cáo chủ yếu trả lời câu hỏi:
Thương hiệu đã xuất hiện trong một nhóm nhu cầu cụ thể trên Google AI Shopping hay chưa?
Báo cáo vẫn chưa trả lời đầy đủ câu hỏi:
Vì sao thương hiệu xuất hiện, vì sao thương hiệu không xuất hiện và làm thế nào để cải thiện một cách có hệ thống khả năng xuất hiện?
Các tin bài trong ngành đã tóm tắt chính xác bản cập nhật này: dữ liệu tìm kiếm bằng AI của Google đang được mở rộng, nhưng vẫn còn những khoảng trống lớn về lượt nhấp, truy vấn chính xác, nhóm đối thủ cạnh tranh và phân bổ chuyển đổi.
Có thêm báo cáo chính thức không đồng nghĩa với việc giá trị của các công cụ bên thứ ba tự động biến mất.
Tuy nhiên, các sản phẩm chỉ dựa vào quy trình “xác định prompt, truy vấn lặp lại, tính tỷ lệ nhắc đến” sẽ ngày càng bị hạn chế.
Google đã có thể cho nhà bán hàng biết:
Nếu một sản phẩm của bên thứ ba vẫn chỉ báo cáo rằng:
Thương hiệu của bạn xuất hiện trong 13 trên 50 prompt.
Thì rõ ràng như vậy là chưa đủ.
Các sản phẩm GEO của bên thứ ba sẽ cần cung cấp ít nhất ba điều mà dữ liệu từ các nền tảng chính thức vẫn chưa thể đáp ứng.
Google chỉ có thể giải thích hệ sinh thái của Google.
Các thương hiệu vẫn cần hiểu hiệu quả của họ trên ChatGPT, Perplexity, Copilot, Claude và các điểm truy cập AI khác.
Mỗi nền tảng có nguồn dữ liệu, cơ chế trích dẫn, danh mục sản phẩm và logic đề xuất khác nhau.
Các nền tảng chính thức chỉ hiển thị dữ liệu mà họ thu thập và tổng hợp.
Các thương hiệu vẫn cần một cấu trúc nhu cầu ngành hoàn chỉnh, bao gồm:
Giá trị kinh doanh thực sự không đến từ việc nói với thương hiệu rằng: “Bạn đã không xuất hiện.”
Giá trị nằm ở việc giải thích:
Khi dữ liệu chính thức ngày càng hoàn thiện, các công cụ bên thứ ba cần phát triển từ hệ thống giám sát thành hệ thống phân tích và ra quyết định.
Tôi không khuyến nghị phản ứng với bản cập nhật này bằng cách ngay lập tức chạy theo một con số Share of Voice trên AI khác.
Cách tiếp cận thực tế hơn là trước tiên rà soát bốn khía cạnh.
Nhiều thương hiệu thương mại điện tử độc lập chỉ cung cấp những thông tin cơ bản nhất trong nguồn cấp dữ liệu Merchant Center:
Nhưng những câu hỏi người tiêu dùng đặt ra thông qua AI phức tạp hơn nhiều.
Họ hỏi:
Nếu những thông tin này chỉ tồn tại trong kiến thức của đội ngũ chăm sóc khách hàng, hoặc bị rải rác trong hình ảnh mà không xuất hiện trong nguồn cấp dữ liệu, dữ liệu có cấu trúc hay các trang sản phẩm có thể được thu thập, AI sẽ khó hiểu chính xác về sản phẩm.
Nhiều trang sản phẩm của thương hiệu trông bắt mắt, nhưng nội dung chủ yếu chỉ gồm:
Kiểu trang này có thể hiệu quả với người đã quyết định mua, nhưng không phù hợp để giúp AI trả lời các câu hỏi phức tạp.
Một trang sản phẩm dễ được AI hiểu và đề xuất hơn nên giải thích rõ:
Các thương hiệu đã quen với việc tạo nội dung xoay quanh tên sản phẩm:
Người dùng AI Shopping thường bày tỏ nhu cầu thông qua các bối cảnh:
Trong tương lai, cấu trúc nội dung cần mở rộng từ danh mục sản phẩm thành danh mục quyết định của khách hàng.
AI Performance Insights không thể tự mình chứng minh doanh thu tăng trưởng.
Cách tiếp cận hợp lý hơn là kết hợp:
Chỉ khi đó, thương hiệu mới có thể đánh giá:
Hầu hết các sản phẩm GEO thời kỳ đầu đều bắt đầu bằng việc giám sát prompt.
Khách hàng nhập một nhóm câu hỏi, công cụ truy vấn các mô hình AI theo lịch trình, rồi hệ thống ghi nhận thương hiệu có xuất hiện hay không, xuất hiện ở thứ hạng nào và nguồn nào được trích dẫn.
Điều đó có giá trị trong giai đoạn đầu của ngành, bởi các thương hiệu trước hết cần biết liệu mình có xuất hiện trong câu trả lời do AI tạo ra hay không.
Tuy nhiên, những hạn chế ngày càng trở nên rõ ràng:
Dageno đang chuyển từ hoạt động giám sát prompt hạn chế sang bao quát toàn diện ý định trong ngành.
Chúng tôi ít quan tâm hơn đến câu hỏi:
Thương hiệu xuất hiện bao nhiêu lần trong 100 câu hỏi được xác định trước này?
Chúng tôi quan tâm hơn đến:
Trên toàn ngành, người dùng đặt câu hỏi trong những tình huống nào? Những nhu cầu đó thuộc giai đoạn mua hàng nào? Đối thủ cạnh tranh đã đáp ứng được những nhu cầu nào? Thương hiệu hoàn toàn vắng mặt trong những cụm ý định nào? Sự vắng mặt đó là do thông tin sản phẩm, cấu trúc nội dung, nguồn tạo độ tin cậy hay mức độ nhận biết thương hiệu?
Báo cáo của Google cũng đang tổ chức dữ liệu AI xoay quanh các giai đoạn mua hàng, thuật ngữ sản phẩm, loại truy vấn và thuộc tính sản phẩm.
Điều đó phù hợp với nhận định của chúng tôi về hướng phát triển của ngành:
Đơn vị cơ bản của tìm kiếm AI sẽ không còn là một prompt riêng lẻ. Dần dần, đơn vị đó sẽ trở thành ý định người dùng được tổng hợp và tình huống ra quyết định.
Google có thể cung cấp dữ liệu từ hệ sinh thái của Google.
Dageno cần bổ sung phạm vi bao phủ đa nền tảng, thông tin chuyên sâu về nhu cầu trên toàn ngành và các giải thích về nguyên nhân.
Mục tiêu không phải là cung cấp cho khách hàng thêm một ảnh chụp màn hình cho thấy “khả năng hiển thị trên AI tăng 10%”.
Mục tiêu là giúp các thương hiệu xây dựng bản đồ nhu cầu thị trường mới, trả lời các câu hỏi:
Việc Google Merchant Center ra mắt AI Performance Insights là một cập nhật quan trọng.
Lần đầu tiên, các thương hiệu thương mại điện tử có thể sử dụng bảng điều khiển chính thức để xem tỷ trọng hiển thị sản phẩm của mình trong Google AI Shopping, các giai đoạn mua hàng liên quan đến mức độ hiển thị đó, thuật ngữ sản phẩm mà người dùng quan tâm và những khoảng trống về thuộc tính sản phẩm.
Nhưng ý nghĩa quan trọng nhất của bản cập nhật này không phải là Google bổ sung thêm một chỉ số về khả năng hiển thị trên AI.
Mà là Google đang công khai thừa nhận:
Cạnh tranh trong AI Shopping không chỉ là việc sản phẩm có được lập chỉ mục hay không. Điều quan trọng là sản phẩm có thể đáp ứng nhu cầu thực sự ẩn sau ngôn ngữ tự nhiên của người dùng hay không.
Trước đây, các nhà bán hàng tối ưu hóa tiêu đề và nguồn cấp dữ liệu xoay quanh từ khóa.
Tiếp theo, các thương hiệu sẽ cần tái cấu trúc toàn bộ hệ thống thông tin sản phẩm xoay quanh đối tượng khách hàng, tình huống, thuộc tính, vấn đề và các giai đoạn mua hàng.
Điều này cũng có nghĩa là GEO sẽ ngày càng giống một lĩnh vực tăng trưởng bài bản, thay vì một khái niệm mới phải chứng minh giá trị thông qua việc nhập prompt thủ công.
Vòng lặp dữ liệu vẫn chưa hoàn chỉnh.
Vẫn còn những khoảng trống lớn liên quan đến prompt chính xác, lượt nhấp, logic đề xuất và khả năng quy kết đơn hàng.
Nhưng số lượng bảng điều khiển đang tăng lên.
Giai đoạn tiếp theo sẽ không thuộc về thương hiệu đầu tiên mua công cụ theo dõi khả năng hiển thị trên AI. Nó sẽ thuộc về thương hiệu đầu tiên kết nối được nhu cầu toàn ngành, dữ liệu sản phẩm, tài sản nội dung và các chỉ số hiệu suất chính thức.
Người dùng đã và đang đưa ra quyết định mua hàng thông qua AI.
Điều các thương hiệu cần cạnh tranh để giành lấy không chỉ là thêm một lượt hiển thị.
Mà là quyền được xuất hiện trong câu trả lời cuối cùng của người dùng.
Cập nhật bởi
Tim
Tim is the co-founder of Dageno and a serial AI SaaS entrepreneur, focused on data-driven growth systems. He has led multiple AI SaaS products from early concept to production, with hands-on experience across product strategy, data pipelines, and AI-powered search optimization. At Dageno, Tim works on building practical GEO and AI visibility solutions that help brands understand how generative models retrieve, rank, and cite information across modern search and discovery platforms.
Dageno • Oct 15, 2026
Dageno • Nov 03, 2026
Dageno • Nov 03, 2026
Tim • Nov 03, 2026