Query Fanout là gì? Những mô hình truy vấn mở rộng (Query Fanout) thường gặp trên ChatGPT

Query Fanout (truy vấn mở rộng) là cơ chế của công cụ tìm kiếm AI tự động tạo ra nhiều truy vấn bổ sung từ một câu hỏi ban đầu của người dùng. Những truy vấn này giúp AI tìm kiếm, đối chiếu và tổng hợp thông tin từ nhiều nguồn trực tuyến, qua đó nâng cao độ chính xác và tính toàn diện của câu trả lời.

Để hiểu rõ hơn, ta có thể lấy ví dụ từ dữ liệu phân tích trên nền tảng đo lường GEO Luvix.ai by VCCorp đối với ngành sữa dinh dưỡng dành cho trẻ em.

Nguồn: Luvix.ai by VCCorp - Prompt Set “Sữa cho trẻ”.

Khi người dùng đặt câu hỏi “Sữa nào giúp bé tăng chiều cao tốt?”, AI có thể không chỉ tập trung vào việc tìm kiếm danh sách sản phẩm. Thay vào đó, truy vấn ban đầu có thể được mở rộng thành nhiều hướng tìm kiếm khác nhau, chẳng hạn:

• Thành phần dinh dưỡng: Sữa nào có nhiều canxi và vitamin D cho bé?
• Giá bán: Giá sữa giúp tăng chiều cao cho bé?
• Hiệu quả thực tế: Uống sữa có thật sự giúp bé cao hơn không?
• Tác dụng không mong muốn: Uống sữa tăng chiều cao có hay bị táo bón không?
• So sánh thương hiệu: Enfagrow hay Dielac Grow, loại nào tốt cho chiều cao hơn?
• So sánh sản phẩm: Aptamil hay Friso, sữa nào hỗ trợ tăng chiều cao tốt hơn?

Theo dữ liệu ghi nhận trên Luvix.ai của VCCorp, bộ Prompt Set “Sữa cho trẻ” có 18 prompt gốc và 216 prompt fan-out, tương đương trung bình 12 truy vấn mở rộng trên mỗi prompt gốc. Riêng câu hỏi “Sữa nào giúp bé tăng chiều cao tốt?” ghi nhận 12 câu hỏi con, bao phủ nhiều khía cạnh từ tìm hiểu thông tin, đánh giá hiệu quả đến so sánh và cân nhắc lựa chọn sản phẩm.

Điều này cho thấy một câu hỏi tưởng chừng đơn giản có thể được mở rộng thành nhiều nhánh tìm kiếm, phản ánh những mối quan tâm khác nhau trong hành trình ra quyết định của người tiêu dùng.

Đó chính là bản chất của Query Fanout: từ một câu hỏi ban đầu, AI có thể mở rộng thành nhiều truy vấn chuyên sâu nhằm khai thác thông tin theo nhiều góc độ, trước khi tổng hợp thành một câu trả lời hoàn chỉnh.

Đối với doanh nghiệp, cơ chế này đặt ra yêu cầu mới trong chiến lược GEO. Nội dung không chỉ cần trả lời trực tiếp các câu hỏi chính mà còn phải bao phủ các chủ đề liên quan như thành phần, hiệu quả, giá cả, đánh giá và so sánh thương hiệu. Việc xây dựng nội dung theo các nhóm ý định tìm kiếm này giúp gia tăng cơ hội được AI tìm thấy, lựa chọn làm nguồn tham khảo và đề cập trong câu trả lời.

Thông qua Luvix.ai by VCCorp, doanh nghiệp có thể theo dõi các prompt gốc và những truy vấn fan-out được ghi nhận, từ đó nhận diện các chủ đề người dùng quan tâm, phát hiện khoảng trống nội dung và xây dựng chiến lược tối ưu khả năng hiển thị thương hiệu trên AI Search dựa trên dữ liệu.

Query Fan-out cung cấp lượng dữ liệu giá trị về những chủ đề, khía cạnh và yếu tố mà các công cụ tìm kiếm AI ưu tiên khi xây dựng câu trả lời cho người dùng.

Theo nghiên cứu của Metehan Yesilyurt, ChatGPT có sử dụng Reciprocal Rank Fusion (RRF) - thuật toán kết hợp thứ hạng kết quả từ nhiều truy vấn tìm kiếm phụ. Điều này cho thấy, trong những điều kiện tương đương, nội dung chỉ giải đáp một truy vấn phụ có thể có ít cơ hội xuất hiện trong kết quả tìm kiếm AI hơn so với nội dung bao phủ nhiều khía cạnh liên quan.

Khi hiểu được AI đang mở rộng truy vấn theo những hướng nào, doanh nghiệp có thể tối ưu nội dung một cách có chiến lược, thay vì chỉ tập trung vào một từ khóa chính.

Ví dụ:

- Trong ngành công nghệ: Nếu AI mở rộng truy vấn để tìm kiếm cả sản phẩm cao cấp và sản phẩm giá rẻ, một bài viết so sánh nên đề cập đến cả hai phân khúc thay vì chỉ tập trung vào một nhóm sản phẩm.

- Trong ngành ô tô: Khi người dùng tìm kiếm "Xe điện nào tốt nhất cho gia đình?", AI có thể mở rộng thành những truy vấn về đánh giá thực tế, phạm vi di chuyển, hiệu suất vận hành và mức độ phù hợp với nhu cầu gia đình. Doanh nghiệp kinh doanh ô tô có thể bổ sung những thông tin này vào nội dung website để tăng khả năng được AI lựa chọn làm nguồn tham khảo.

Thông qua tính năng phân tích Query Fan-out của Luvix.ai by VCCorp, doanh nghiệp có thể quan sát những truy vấn phụ mà hệ thống ghi nhận từ quá trình mở rộng câu hỏi, từ đó:

• Nhận diện nhu cầu tìm kiếm: Hiểu rõ các chủ đề và góc độ thông tin liên quan đến thương hiệu, sản phẩm hoặc ngành hàng.
• Phát hiện khoảng trống nội dung: Xác định những khía cạnh người dùng quan tâm nhưng website chưa giải đáp đầy đủ.
• Tối ưu chiến lược GEO: Xây dựng nội dung bao phủ nhiều ý định tìm kiếm, nâng cao cơ hội được các công cụ AI tìm thấy, trích dẫn và đề xuất.

Giá trị cốt lõi: Query Fan-out giúp doanh nghiệp chuyển từ tư duy tối ưu từng từ khóa riêng lẻ sang tối ưu toàn bộ hệ thống câu hỏi và nhu cầu thông tin mà AI sử dụng để xây dựng câu trả lời.

Phương pháp này đòi hỏi một số kiến thức kỹ thuật cơ bản.

Để kiểm tra Query Fan-out theo cách thủ công, bạn cần mở một công cụ tìm kiếm AI, truy cập tab Network (Mạng) trong công cụ dành cho nhà phát triển của trình duyệt và theo dõi các yêu cầu được gửi đi trong quá trình AI tạo câu trả lời.

Trong một số trường hợp, các truy vấn mở rộng có thể xuất hiện trong dữ liệu của những yêu cầu API, giúp bạn quan sát cách AI phân tách và mở rộng câu hỏi ban đầu.

Tuy nhiên, phương pháp này có một số hạn chế: mất thời gian vì phải kiểm tra từng câu hỏi, đòi hỏi kiến thức kỹ thuật và không phải nền tảng AI nào cũng công khai dữ liệu Query Fan-out qua trình duyệt.

Thay vì kiểm tra thủ công, doanh nghiệp có thể sử dụng Luvix.ai by VCCorp để theo dõi và phân tích Query Fan-out trực tiếp trên hệ thống.

Tại mục Prompt Sets, doanh nghiệp lựa chọn bộ câu hỏi đang theo dõi và truy cập tab Fan-out để xem danh sách những truy vấn mở rộng được hệ thống ghi nhận.

Nguồn: Luvix.ai by VCCorp - Fan-outs của Prompt Set “Sữa cho trẻ”.

Tại mục Prompt Explorer, doanh nghiệp có thể nhập một câu hỏi hoặc chủ đề cần nghiên cứu để khám phá những hướng tìm kiếm và câu hỏi liên quan.

Quy trình thực hiện gồm:

1. Truy cập Prompt Explorer trên thanh menu bên trái.
2. Nhập Prompt hoặc chủ đề cần phân tích vào thanh tìm kiếm, chẳng hạn: "Sữa tăng chiều cao cho trẻ".
3. Lựa chọn quốc gia, công cụ AI và chế độ phân tích phù hợp, sau đó nhấn Phân tích.
4. Chuyển sang tab Câu hỏi liên quan để xem danh sách câu hỏi được hệ thống đề xuất.
5. Sử dụng tính năng Mở Prompt Fan-outs để tiếp tục khám phá các truy vấn mở rộng liên quan.

Trong ví dụ về ngành sữa trẻ em trên dashboard, hệ thống hiển thị những câu hỏi như:

Từ đó, doanh nghiệp có thể thấy một chủ đề rộng như sữa phát triển chiều cao cho trẻ có nhiều hướng khai thác: thành phần dinh dưỡng, độ tuổi, khả năng dung nạp, hương vị, nhu cầu phát triển thể chất và nhận thức.

Đây là nguồn thông tin hữu ích để xây dựng cụm nội dung thay vì chỉ tối ưu một bài viết cho từ khóa "sữa tăng chiều cao".

Query Fan-out đang thay đổi cách các công cụ tìm kiếm AI tiếp cận, phân tích và tổng hợp thông tin để trả lời người dùng. Thay vì chỉ tập trung vào một câu hỏi hay từ khóa riêng lẻ, AI có thể mở rộng truy vấn theo nhiều khía cạnh như nhu cầu, tính năng, giá cả, hiệu quả và so sánh sản phẩm. Điều này đồng nghĩa với việc khả năng hiển thị thương hiệu trên AI Search không chỉ phụ thuộc vào mức độ liên quan với câu hỏi ban đầu, mà còn gắn liền với khả năng đáp ứng các nhu cầu thông tin được mở rộng.

Đối với doanh nghiệp, hiểu và phân tích Query Fan-out là bước quan trọng để xây dựng chiến lược Generative Engine Optimization (GEO) hiệu quả hơn. Thay vì sản xuất nội dung dựa trên những từ khóa đơn lẻ, thương hiệu cần hướng đến việc xây dựng hệ thống nội dung toàn diện, giải đáp đúng những vấn đề mà người dùng quan tâm và cung cấp thông tin có giá trị để AI có thể tham khảo.

Với Luvix.ai by VCCorp, doanh nghiệp có thể khám phá các câu hỏi tiềm năng thông qua Prompt Explorer, đồng thời theo dõi và phân tích các truy vấn mở rộng trong Prompt Sets. Những dữ liệu này giúp nhận diện xu hướng tìm kiếm, phát hiện khoảng trống nội dung và xác định các cơ hội tối ưu GEO dựa trên dữ liệu thực tế.

Trong kỷ nguyên AI Search, tối ưu nội dung không còn đơn thuần là trả lời đúng một câu hỏi, mà là hiểu và đáp ứng toàn bộ những nhu cầu thông tin xoay quanh câu hỏi đó. Đây cũng chính là chìa khóa giúp thương hiệu gia tăng cơ hội được AI tìm thấy, trích dẫn và đề xuất trong hành trình tìm kiếm thông tin của người tiêu dùng.