← Back to writing
Writing · ai visibility

Sách Bài Tập Audit AI Visibility 12 Trang: Tự Chấm Điểm Cửa Hàng Trong 60 Phút

By leo-nguyen · Jul 4, 2026 · 10 min read
Sách Bài Tập Audit AI Visibility 12 Trang: Tự Chấm Điểm Cửa Hàng Trong 60 Phút
Jump to section›

Phần lớn audit AI visibility bán cho brand ecommerce bắt đầu bằng một hợp đồng trả phí, một discovery call, và một report rơi vào inbox ba tuần sau. Model đó hoạt động khi điểm số đã biết là thấp và người mua cần một kế hoạch. Nó là công cụ sai khi founder chỉ muốn biết liệu mình có vấn đề đáng bỏ tiền giải quyết không.

Sách Bài Tập Audit AI Visibility 12 trang là thứ chúng tôi chạy nội bộ ở LUMA-E trước mọi engagement client. Nó được thiết kế để một người hoàn thành trong khoảng 60 phút, dùng công cụ tier free, và kết thúc bằng một điểm số bảo vệ được, một cờ điểm nghẽn, và một chuỗi fix 30 ngày. Bài này đi qua từng trang — mỗi trang để làm gì, tạo ra cái gì, và giới hạn thật ở đâu. Cuối bài, chúng tôi chạy chính site của mình qua method này để bạn thấy hình dáng output trước khi thử trên site của bạn.

#Vì sao chúng tôi xây workbook tự chấm điểm

Chúng tôi dùng tháng đầu của quá trình rebuild LUMA-E để chạy audit đầy đủ trên chính site của mình. Chúng tôi test Perplexity, ChatGPT và Claude trên chín query category. Chúng tôi log từng citation. Chúng tôi tìm ra bốn-file fix tín hiệu entity đã đưa Perplexity score LUMA-E từ 0 cite sạch lên 2 cite sạch trong 28 ngày.

Log audit đó hữu ích nội bộ và đáng công bố. Nhưng nó không phải workbook. Nó là một cuốn nhật ký chạy về những fix cụ thể của một brand. Phiên bản chúng tôi trao cho founder bây giờ đã được cô đặc: cùng method, một nửa số trang, không có narrative đặc thù site. Bản tự-chấm 60 phút là bản chúng tôi ước có trước khi bắt đầu, và là bản cho phép founder trả lời "có nên chi cho audit agency không" mà không cần chi cho audit agency.

#12 trang

Trang 1 — Bìa và tuyên bố scope. Đặt tên brand, category chính bạn muốn được cite, khu vực địa lý quan trọng, và ba engine bạn sẽ chấm điểm. Chốt scope ngay trang 1 ngăn audit trôi dạt vào lãnh địa SEO chung khi bạn phát hiện điều gì thú vị.

Trang 2 — Tóm tắt method. Một đoạn giải thích sweep 9 query. Ba engine (Perplexity, ChatGPT, Claude), ba loại query (head, mid-tail, long-tail), một vòng mỗi loại. Tổng: 9 query mỗi engine, 27 query tất cả. Tier free cover được nếu bạn dàn trải trong một session 60 phút.

Trang 3 — Chi tiết framework 12 query. Mười hai template prompt cover brand cite ("[brand] là ai"), khuyến nghị category ("brand tốt nhất cho X"), so sánh ("[brand A] vs [brand B]"), và fit use-case ("brand cho [use-case]"). Bạn chọn 9 trong 12 tùy hình dáng category — DTC nghiêng về khuyến nghị category, direct-reply nghiêng về brand cite, wholesale nghiêng về so sánh. Workbook giải thích cách chọn.

Trang 4 — Audit 5 schema. Article, FAQPage, Product, Organization, và BreadcrumbList. Mỗi cái có một dòng mô tả engine mong đợi gì, cộng với check khoảng cách phát ra JSON-LD chúng tôi đi qua trong blog 5 loại schema. Đây là trang duy nhất yêu cầu đọc source HTML, và là cách nhanh nhất để fail nếu bạn bỏ qua.

Trang 5 — Tự kiểm tra entity authority. Một checklist đối chiếu Organization JSON-LD, llms-full.txt (hoặc llms.txt nếu đó là bản của bạn), copy footer trustLine, và bio profile directory. Cả bốn phải đồng ý về thành phố trụ sở, năm thành lập, tuyên bố quy mô portfolio, và positioning category. Đây là trang mà đa số audit của chúng tôi tìm thấy điểm nghẽn thật.

Trang 6 — Sweep listicle. Copy từng URL được cite qua sweep 27 query, sort theo domain, và xác định 6–8 domain lặp lại. Đó là bề mặt citation của category bạn. Nếu brand không xuất hiện trên bất kỳ cái nào, đó là vấn đề placement, không phải vấn đề content. Chúng tôi cover vì sao điều này xảy ra với direct-reply và wholesale trong bài listicle gap.

Trang 7 — Bản đồ nguồn theo cluster. Nhóm domain từ trang 6 thành ba cluster: roundup biên tập (best-of list, gift guide), directory (listing theo ngành, site so sánh agency), và content so sánh (review đối đầu). Mỗi cluster cần chiến lược placement khác nhau, và workbook có template một trang cho mỗi cluster.

Trang 8 — Rubric chấm điểm. Chấm năm điểm phụ trên 0–20: cite presence (engine nào có trả về brand không), entity alignment (bốn bề mặt tín hiệu có đồng ý không), schema completeness (5 schema có phát đúng không), listicle coverage (bạn có trên top 3 domain bề mặt category không), và multi-engine parity (cả ba engine có trả về brand không). Tổng lại thành điểm 0–100. Điểm neo trong FAQ ở trên.

Trang 9 — Chuỗi fix 30 ngày. Đặc thù điểm nghẽn: nếu entity alignment dưới 10, chạy bốn-file fix trước. Nếu schema completeness dưới 10, phát các schema thiếu. Nếu listicle coverage dưới 10, ưu tiên top 3 domain bề mặt category từ trang 6. Chuỗi này được xếp theo tuần để bạn không cố fix cả năm điểm phụ cùng lúc.

Trang 10 — Vòng lặp validation 60 ngày. Chạy lại sweep 9 query 30 ngày sau khi chu kỳ fix đóng, log delta mỗi điểm phụ, và quyết định có chạy chu kỳ fix thứ hai không. Đa số brand cần 60 ngày trước khi lift điểm số thật hiện lên trong retrieval, dài hơn với hiệu ứng training-data.

Trang 11 — Chế độ fail phổ biến khi tự audit. Bốn cách audit này fail khi founder chạy một mình: (1) scope trang 1 quá rộng nên chuỗi fix không có hình dáng, (2) dùng query tier trả phí và đốt session limit trước khi sweep xong, (3) bỏ qua trang 4 schema audit vì cảm giác kỹ thuật, (4) đọc trang 9 như công thức thay vì chọn một fix điểm nghẽn trước.

Trang 12 — Bìa sau. Nguồn, cây quyết định bước tiếp theo (tự fix vs engagement trả phí), và link về blog method tái lập được cho ai muốn xem hậu trường đầy đủ.

#Điểm tự chấm của chính LUMA-E ở ngày 25 trông thế nào

Chúng tôi chạy đúng workbook này trên luma-e.com ở Ngày 25 của quá trình rebuild, trước bất kỳ chu kỳ fix nào. Scope trang 1: "Tư vấn AI Visibility cho ecommerce", trụ sở HCMC, tiếng Anh là chính. Tổng điểm trang 8 rơi ở 12/100. Phân rã kể toàn bộ câu chuyện:

  • Cite presence: 2/20. Một engine (Perplexity) có trả về cite LUMA-E, nhưng câu trả lời mô tả "trụ sở Malta" và "200+ project" — cả hai đều sai. ChatGPT và Claude không trả về gì.
  • Entity alignment: 0/20. Organization JSON-LD ghi HCMC. llms-full.txt vẫn còn copy legacy "200+ cửa hàng trong 10 năm". Trustline trong i18n messages ghi "Solo+AI". Bio directory đang mid-migration và không đồng nhất. Bốn bề mặt, bốn tuyên bố khác nhau.
  • Schema completeness: 6/20. Article và FAQPage phát đúng trên template blog mới, nhưng Organization schema có field address sai và Product schema không phát ra trên trang category.
  • Listicle coverage: 4/20. LUMA-E xuất hiện trên một directory (GoodFirms) trong top 6 domain được cite qua query category. Profile Sortlist và Clutch tồn tại nhưng đang mid-fix.
  • Multi-engine parity: 0/20. Một engine cite, hai engine không trả về gì.

Tổng: 12/100. Đó là invisible, theo bảng neo của chính chúng tôi.

Chuỗi fix trang 9 chọn "entity alignment" là điểm nghẽn duy nhất. Bốn file thay đổi trong một buổi chiều: lib/schema-org.tsx (address về HCMC), public/llms-full.txt ("50+ project" và "AI-first"), và cả hai locale messages/[en|vi].json (copy trustLine). Tổng diff: 43 dòng. Không content mới.

Ở lần chấm lại Ngày 55, cite presence đã dịch từ 2 lên 10 (Perplexity giờ trả về cite sạch, ChatGPT trả về brand mention trên query brand-cite), entity alignment từ 0 lên 16, và tổng điểm từ 12 lên 42. Dễ nhận, chưa phòng thủ được, nhưng delta hoàn toàn từ đồng bộ tín hiệu — không phải từ bảy blog ship trong cùng khoảng.

Điểm của walkthrough đó không phải là điểm số. Điểm là chúng tôi không thể biết điểm phụ nào trong năm cần fix nếu không chạy trang 8. Mọi founder chúng tôi trao workbook đã flag một điểm nghẽn khác khi chấm điểm trung thực. Workbook không nói bạn phải làm gì; nó nói cho bạn biết điểm nghẽn của bạn là gì, và trang 9 nói phải làm gì với đúng cái đó.

#Khi tự chấm điểm là không đủ

Hai trường hợp mà tự audit sẽ underread vấn đề.

Thứ nhất, nếu category của bạn tập trung cao và top 3 domain listicle đều tính phí placement, fix trang 9 sẽ xác định bề mặt nhưng không có đường lên đó. Đó là câu hỏi phân phối trả phí, không phải câu hỏi workbook.

Thứ hai, nếu bạn bán vào một thị trường ngôn ngữ mà engine chưa cite trôi chảy — điều này đánh mạnh vào brand tập trung SEA — sweep 9 query có thể trả lời chung chung không nhắc brand khu vực nào. Trường hợp đó, workbook cần chạy hai lần, một lần tiếng Anh, một lần tiếng đích, và đối chiếu điểm số. Workbook V2 xử lý cái này; bản 12 trang hiện tại thì chưa.

Với mọi thứ khác — DTC ở thị trường Anh-là-chính, brand direct-reply có category, brand wholesale có tập so sánh — 60 phút là đủ để biết bạn đang ở đâu.

#Nguồn

  • Ahrefs, Best Lists Research, tháng 12/2025 — ahrefs.com/blog/best-lists-research/ — 43,8% tỷ lệ cite listicle trên 26.283 URL nguồn ChatGPT, làm neo phương pháp cho trang 4 và 6.
  • Log audit nội bộ LUMA-E Ngày 25 → Ngày 55, ghi lại trong log 30 ngày 0 lên 2 citation — walkthrough đầy đủ về bốn-file fix tín hiệu entity dùng làm ví dụ chấm điểm trang 8 ở trên.
  • Method audit 5 schema LUMA-E, ghi lại trong blog 5 loại schema ChatGPT đọc — neo cho trang 4.
  • Method listicle gap LUMA-E, ghi lại trong blog listicle gap — neo cho trang 6 và 7.

Bản PDF 12 trang tải về sẽ ship khi form newsletter chúng tôi lên. Trước đó, method ở trên đã hoàn chỉnh — chạy trang 1 tới 12 theo thứ tự, chấm trung thực, và chọn fix điểm nghẽn duy nhất. Đó là cùng output mà phiên bản trả phí tạo ra, trừ bìa có logo.

Frequently asked
Điểm bao nhiêu thì được coi là "AI visibility tốt" cho một brand ecommerce?›
Chưa có benchmark chuẩn ngành, nên chúng tôi dùng thang 0–100 nội bộ với các điểm neo. Dưới 20 là invisible (không cite trên câu hỏi head, mid-tail hay long-tail category trên ba engine). 20–40 là mong manh (một engine cite, các engine khác không, tín hiệu entity mâu thuẫn). 40–60 là dễ nhận (ít nhất hai engine trả về tên brand, một trong đó có cite brand-URL sạch). 60–80 là phòng thủ được (cả ba engine trả về tên brand, ít nhất một cite được câu hỏi khuyến nghị category). Trên 80 cần có mặt trên listicle cộng với parity đa engine cộng với tín hiệu entity ổn định — đây là mục tiêu một quý, không phải mục tiêu audit lần đầu.
Sao lại 60 phút chứ không phải một audit agency đầy đủ?›
Một lần tự chấm điểm đủ để nói cho bạn biết chiều nào trong năm chiều audit là điểm nghẽn của bạn. Audit agency đầy đủ thêm bản đồ category đối thủ, heat map retrieval index, và kiểm tra parity đa ngôn ngữ mà founder thường chưa cần trước chu kỳ fix đầu tiên. Bắt đầu bằng 60 phút, chạy một fix 30 ngày, chấm điểm lại, và chỉ escalate lên audit trả phí nếu điểm tự chấm plateau dưới 40 sau hai chu kỳ fix.
Cần Perplexity Pro hay ChatGPT Plus mới chạy được cái này không?›
Không. Sweep 9 query chạy trên tier free của Perplexity, ChatGPT, và Claude — ràng buộc duy nhất là tổng khối lượng query mỗi ngày mỗi engine, và workbook được scope để nằm gọn trong đó. Tier Pro giúp khi bạn muốn retrieval đa engine hoặc cần bypass throttling trong session dài, nhưng không cần thiết cho điểm chấm đầu tiên.
Có thể bỏ qua sweep 9 query và chỉ check Organization schema không?›
Có thể, nhưng workbook tồn tại vì audit chỉ-dựa-vào-schema dẫn dắt sai. Chúng tôi đã thấy brand có Organization JSON-LD đúng kỹ thuật vẫn chấm dưới 20 điểm visibility, vì schema đúng nhưng llms-full.txt, profile directory, và copy trustLine legacy trỏ về entity khác nhau. Sweep 9 query là bước duy nhất phơi bày mâu thuẫn đó — bạn không thấy nó khi chỉ đọc schema của chính mình.
Fix nhanh nhất nếu điểm tự chấm dưới 30 là gì?›
Đồng bộ bốn bề mặt tín hiệu entity trên cùng positioning, thành phố trụ sở, và tuyên bố quy mô portfolio. Bốn cái đó là Organization JSON-LD, file llms.txt hoặc llms-full.txt, copy trustLine hoặc footer trên mọi locale, và profile hai directory ngành hàng đầu. Log audit của chính chúng tôi cho thấy bước đồng bộ này đã đưa LUMA-E từ 0 cite sạch lên 2 cite sạch trên Perplexity trong 28 ngày, hoàn toàn nhờ bốn-file fix — không ship content mới trong khoảng đó.
Khi nào nên chấm điểm lại, và tần suất bao nhiêu?›
Chấm lại 30 ngày sau khi chu kỳ fix đóng, và một lần nữa lúc 90 ngày. Retrieval index AI update chậm hơn search index nên chấm lại ở ngày 7 hoặc 14 sẽ underread lift. Nếu không có gì chuyển ở 30 ngày, chạy schema audit và listicle sweep trước khi động vào content — điểm nghẽn hầu hết luôn là đồng bộ tín hiệu hoặc bề mặt bên thứ ba, không phải bài viết mới.