Các công cụ AI tạo sinh như ChatGPT, Claude và Letaido đã cải thiện vượt bậc trong năm qua. Những phần tưởng chừng không bao giờ có thể tự động hóa trong marketing thì nay đã làm được, và bạn không cần phải là kỹ sư phần mềm hay nhà khoa học tên lửa.

Thank you for reading this post, don't forget to subscribe!

Đây là bộ sưu tập 37 cách dùng AI trong marketing thực tế, hữu ích, được phân loại theo từng mảng chuyên môn, từ SEO đến marketing quốc tế. Tất cả đều đến từ những marketer đã thực sự làm và công khai quy trình, để bạn có thể làm theo và đạt kết quả tương tự.

Dưới đây là cách dùng AI trong marketing theo chia sẻ của các marketer thực thụ:

SEO

SEO có nhiều phần vừa tẻ nhạt vừa rối rắm: export dữ liệu crawl, tải Search Console, bảng tính gắn kết bằng VLOOKUP, phân tích số liệu phức tạp. Sự kết hợp giữa lặp đi lặp lại và phức tạp đó chính là nơi AI có thể giúp.

Thẳng thắn mà nói: ai hứa hẹn AI có thể tự động hóa SEO của bạn với 9 đô/tháng là đang bán thuốc rắn. Không công cụ AI nào thay thế được người biết mình đang làm gì. Mỗi công cụ vẫn phụ thuộc vào sự phán đoán của người dùng.

1. Chấm điểm trang của bạn theo cách chuyên viên đánh giá chất lượng của Google

Dan Hinckley của Go Fish Digital đã xây dựng một AI agent review một trang web theo cách chuyên viên đánh giá chất lượng của Google làm, và chấm điểm nó theo đúng bộ hướng dẫn công khai mà Google dành cho đội ngũ này.

Bạn đưa cho nó một từ khóa và một trang trên website. Đầu tiên, nó đọc cuốn sổ tay hướng dẫn dài 168 trang dành cho nhân viên đánh giá của Google và biến nó thành checklist, sau đó mở một cửa sổ Chrome thật, tìm kiếm từ khóa, xem kết quả để hiểu người tìm kiếm muốn gì, rồi bấm vào trang của bạn. Nó cuộn trang, kiểm tra trang Giới thiệu và chân trang, sau đó viết báo cáo về những chỗ bạn đạt chuẩn và những chỗ còn thiếu. Nó thậm chí quay video toàn bộ quá trình.

Cuốn sổ tay này là thứ gần nhất giúp chúng ta hiểu Google nghĩ gì về một trang tốt, nhưng đọc 168 trang rồi tự chấm bài của mình là việc hầu như không ai làm. Công cụ này giúp bạn có kết quả trong vài phút, và bạn cũng chạy được nó trên trang đang xếp trên bạn, để biết trang của ai thực sự tốt hơn và tốt hơn ở điểm nào thay vì đoán mò.

2. Hoàn thành một buổi chiều nghiên cứu từ khóa trong 20 phút

Sam, Phó Giám đốc Marketing của chúng tôi, đã để Letaido xây một công cụ nghiên cứu từ khóa vì anh chán việc tự tay phân loại từ khóa. Bạn đưa nó một niche, chẳng hạn coffee, và nó quay lại với một kế hoạch.

Nó mở rộng niche thành các từ khóa hạt giống, kéo số liệu tìm kiếm thực từ Keywords Explorer, sau đó đọc SERP của từng từ khóa còn sống sót để đánh giá ý định tìm kiếm, độ khó và ai đang xếp hạng. Với mỗi từ khóa, nó đếm loại trang trong top 10, để bạn thấy một SERP đầy video hoặc toàn thread Reddit trước khi đặt viết bài.

Mọi thứ trả về đều được xếp loại Go, Maybe hoặc Skip, gom thành cụm chủ đề, kèm danh sách khoảng trống của đối thủ và bản đồ trung tâm-vệ tinh. Trong một lần chạy, nó phân loại 8,437 từ khóa thành 17 cụm và đánh dấu 1,809 từ khóa là Go.

3. Biến mỗi lần audit website thành một pull request mà developer sẽ thực sự xử lý

Phân tích sức khỏe kỹ thuật của website khá dễ, nhất là nếu bạn dùng công cụ Site Audit, nhưng sửa các vấn đề tìm ra lại khó hơn nhiều, đặc biệt trên các website lớn. Để giải quyết, đội ngũ Ahrefs đã dùng AI tạo sinh để kết nối lịch audit website thường xuyên trực tiếp với GitHub, chạy mỗi Chủ nhật.

Nó kéo bản Site Audit mới nhất, xếp hạng vấn đề theo mức độ nghiêm trọng, và mở một pull request tập trung vào các vấn đề mức cao: khả năng index, trang lỗi, internal link hỏng. Pull request đi kèm checklist và dữ liệu audit, đồng thời bỏ qua những vấn đề đã nằm trong pull request đang mở.

Điều đó có nghĩa là developer nhận audit vào thứ Hai không cần tự tìm hiểu xem sai gì hoặc URL nào bị ảnh hưởng: họ chỉ cần review các thay đổi và push lên production nếu thấy hợp lý. Dễ ẹc.

4. Thêm FAQ do AI tạo vào bài viết cũ để tăng 32% lượt truy cập

Steven Macdonald đã chạy một thí nghiệm có nhóm đối chứng mà bạn có thể làm lại: anh lấy 21 bài viết cũ trên 3 website, dùng ChatGPT tìm những câu hỏi mà độc giả vẫn còn sau khi đọc xong mỗi bài, viết câu trả lời rồi thêm vào cuối bài như một mục FAQ.

Lượng truy cập trung bình của các bài được cập nhật tăng 32%, khoảng 16,000 lượt truy cập và 3,500 từ khóa được xếp hạng thêm. Bài tốt nhất tăng 180%. Mọi bài cập nhật đều tăng, trong khi nhóm đối chứng giảm 4% trong cùng khoảng thời gian. Không có thay đổi nào về schema markup.

Chính nhóm đối chứng làm cho kết quả này đáng tin. Nhiều người báo cáo tăng trưởng sau khi cập nhật mà không kiểm tra điều gì sẽ xảy ra nếu không cập nhật.

5. Xây dựng bộ máy internal linking trong một tuần mà không biết gì về embedding

Đây là cách của tôi. Tôi đã xây một công cụ gợi ý internal link cho bất kỳ bài viết nào trên blog này, và tôi bắt đầu bằng cách nhờ Deep Research của ChatGPT dạy tôi phần toán phía sau nó, vì trước đó tôi chưa từng làm việc với bất kỳ khái niệm nào liên quan.

Nó đọc mọi bài viết trên blog và biến mỗi bài thành một chuỗi số dài đại diện cho chủ đề bài viết, gọi là vector embedding. Đưa cho nó một URL, nó so sánh trang đó với tất cả các trang khác, rồi trả về 20 kết quả gần nhất. Nó tìm những trang cùng chủ đề thay vì những trang tình cờ dùng chung một từ khóa, và hai danh sách này thường khác nhau.

Internal link quan trọng với SEO vì ba lý do. Chúng giúp Google tìm thấy trang của bạn, vì một trang không có link nào trỏ đến có thể không bao giờ được Google khám phá. Chúng truyền sức mạnh đi quanh website, nên việc trỏ link từ nhiều trang mạnh là cách bạn quyết định trang nào xứng đáng xếp hạng. Và từ ngữ bạn dùng để liên kết cho Google biết trang đích nói về điều gì. Như John Mueller từng nói, internal linking là một trong những việc lớn nhất bạn có thể làm trên website để dẫn dắt Google và người truy cập đến những trang mà bạn cho là quan trọng.

Không có bước nào khó cả. Chỉ là làm đúng cách đồng nghĩa với việc phải nhớ cùng lúc vài trăm bài viết trong đầu, nên chuyện đó không bao giờ xảy ra vào đúng ngày bạn xuất bản. Đó là phần công cụ này đảm nhận giúp bạn.

Bạn không cần phải viết script để làm việc này. Ahrefs Site Audit có báo cáo Internal link opportunities, thu thập dữ liệu trên website và cho biết trang nào nên trỏ đến trang nào, dựa trên từ khóa mà mỗi trang đang xếp hạng. Điểm hữu ích là nó không chỉ đưa ra trang đích. Nó còn hiển thị đoạn văn cụ thể nơi link nên được đặt, nên mỗi gợi ý là một thao tác chỉnh sửa chứ không phải một việc nghiên cứu. Cùng lần thu thập đó, nó cũng chỉ ra các vấn đề internal linking mà mắt thường không thấy: trang mồ côi không có link nào trỏ đến, internal link trỏ vào trang chết, và những trang có internal link bị đặt nofollow.

6. Để script tự viết internal link vào trang cho bạn

John Iwuozor viết một script Python tìm một internal link tốt rồi tự viết link đó vào trang cho bạn.

Trỏ nó vào một bài viết, script đọc các trang còn lại để tìm ra trang nào có chủ đề gần nhất. Sau đó nó duyệt từng đoạn trong bài để tìm một cụm từ có thể làm anchor text hợp lý, chọn cụm tốt nhất, và đưa link vào ngay trong HTML.

Tìm đúng trang để trỏ mới chỉ là một nửa công việc. Nửa còn lại là mở bài viết, đọc lại, chọn một câu có thể mang link mà không nghe gượng ép, rồi sửa trang. Chính nửa sau này là lý do hàng tồn đọng internal link không bao giờ giảm, và đó là phần công cụ này giúp bạn bỏ bớt.

7. Biến dữ liệu export từ Search Console thành kế hoạch được ưu tiên

Rudiger Dalchow đã xây một công cụ đọc các file export từ Search Console và trả về cho bạn một kế hoạch viết gì tiếp theo.

Bạn đưa cho nó hai file export mà Search Console đã có sẵn, một file danh sách truy vấn và một file danh sách trang. Nó nhóm các trang theo chủ đề, xác định điều người dùng muốn ở mỗi trang, chỉ ra các trang đang cạnh tranh nhau cho cùng một truy vấn, và viết brief bạn có thể chuyển thẳng cho người viết.

Hầu hết các báo cáo chỉ cho bạn biết chuyện gì đã xảy ra và để phần suy nghĩ lại cho bạn. Báo cáo này cho bạn biết phải làm gì, và những vấn đề nó tìm ra là vấn đề mang tính cấu trúc mà bạn không thể thấy trong danh sách sắp theo lượt truy cập: hai trang của chính bạn chia nhau một cụm tìm kiếm, hoặc một chủ đề bạn đã xuất bản nhiều bài mà chẳng có bài nào đóng vai trò kết nối ở giữa.

Nếu bạn không muốn tự xây công cụ này, báo cáo Opportunities trong Site Explorer có thể làm một phiên bản tương tự cho bất kỳ website nào: những từ khóa bạn đang xếp hạng 4-15 và có thể đẩy lên cao hơn, featured snippet bạn gần giành được, các trang có khả năng đang cạnh tranh lẫn nhau, cùng các bản sửa lỗi link và kỹ thuật. Mỗi mục mở ra dưới dạng báo cáo đã lọc sẵn để bạn xử lý.

Tối ưu hóa tìm kiếm AI

Bạn muốn doanh nghiệp của mình xuất hiện khi ai đó hỏi ChatGPT về thứ bạn bán. Việc tìm ra cách làm thì khó hơn mức cần thiết. Có rất nhiều sự phức tạp và rất nhiều trò lừa bịp; lời khuyên trên mạng trải dài từ những thuật ngữ như fan-out queries, retrieval-augmented generation cho đến schema markup và file llms.txt, mà chẳng ai thống nhất được cách nào hiệu quả.

Tuy nhiên, nhiều điều hiệu quả lại khá đơn giản, và hầu hết đều bắt nguồn từ SEO mà bạn đã biết. Năm cách dưới đây đều cụ thể: chúng nhìn vào việc các mô hình thực sự làm gì với một trang rồi chỉnh sửa dựa trên điều đó, thay vì dựa trên lý thuyết suông. Và vì công việc chủ yếu là đọc và so sánh với khối lượng mà không ai ngồi đọc nổi, AI là công cụ hữu ích giúp tăng tốc.

8. Nhìn trang của bạn theo cách một LLM nhìn nó

Aimee Jurenka đã xây một công cụ nhận URL, chụp cả HTML thô lẫn ảnh chụp màn hình sau khi render, rồi hỏi GPT rằng trang đó đọc ra sao với một mô hình ngôn ngữ.

Nó trả về điểm cùng ba nhận xét cụ thể: nội dung có đủ rõ để trích xuất không, có đáng trích dẫn không, và liệu thông tin quan trọng có bị kẹt trong JavaScript không. Điểm cuối cùng bắt được thứ mà nhiều người bỏ sót, vì một trang nhìn tốt trong trình duyệt có thể gần như trống rỗng với trình thu thập không chạy script của bạn.

9. Đối chiếu fan-out query với những trang bạn đã có

Chris Long viết một script kiểm tra xem website của bạn có trả lời những câu hỏi mà trợ lý AI thực sự hỏi hay không.

Khi bạn hỏi một trợ lý AI điều gì, hiếm khi nó tìm kiếm đúng cụm bạn gõ. Nó tách câu hỏi của bạn thành nhiều câu hỏi nhỏ hơn và đi tìm những câu đó. Script trích xuất các câu hỏi nhỏ hơn, chấm điểm từng câu với các trang bạn đã có, và ghi kết quả vào bảng tính.

Thứ bạn nhận được là danh sách những câu hỏi mà website của bạn không trả lời được. Đây là thứ hữu ích hơn một danh sách từ khóa, vì trợ lý AI ráp câu trả lời từ những trang bao phủ từng phần chủ đề, và một trang trả lời được 4 trong 6 câu hỏi đằng sau một chủ đề sẽ được dùng ít hơn một trang trả lời được cả sáu.

10. Viết lại trang dựa trên những truy vấn thực sự khiến trang xuất hiện

Wil Reynolds dùng công cụ webmaster miễn phí của Bing để xem trang nào của ông đang được dùng trong các câu trả lời AI, và người ta đã hỏi gì để đến được đó.

Bing báo cáo các tìm kiếm đằng sau mỗi trích dẫn, nên ông thu thập những câu hỏi đã dẫn một trợ lý AI đến một trang cụ thể. Sau đó ông đọc trang đó so với danh sách câu hỏi và viết lại ở những chỗ trang chưa thực sự trả lời đúng câu được hỏi.

Ở mọi nơi khác trong tìm kiếm AI, bạn đang đoán xem người ta đã gõ gì. Ở đây bạn có những câu hỏi thực sự đã kéo trang của bạn vào một câu trả lời, biến việc viết lại từ một phỏng đoán thành một việc so sánh mà ai cũng làm được. Ông không công bố số liệu về hiệu quả, nên hãy học phương pháp thay vì kết quả.

11. Xây dựng mẫu trang từ những gì các mô hình thực sự trích dẫn

Adina Timar, người phụ trách AEO tại Weflow, đã dựng lại các mẫu bài listicle và bài so sánh từ dữ liệu trích dẫn AI thay vì từ các giả định kinh điển về hình dáng một bài blog.

Cô theo dõi 460 prompt trên ChatGPT, Perplexity, Gemini và Google AI Mode, sau đó kết nối dữ liệu với Claude và xử lý: trang nào được trích dẫn, trên nền tảng nào, cho prompt nào; cách từng trợ lý AI cấu trúc một bài so sánh khi trả lời; phần nào của trang xuất hiện trong câu trả lời và phần nào bị bỏ qua. Rồi cô xây mẫu theo phần đó, mỗi phần tồn tại vì dữ liệu cho thấy trợ lý AI trích dẫn từ nó.

Ai cũng đang đoán cách viết cho AI, và phần lớn lời khuyên chỉ là lý thuyết về cấu trúc. Phương pháp này thay lý thuyết bằng hồ sơ những gì được trích dẫn. Kết luận của cô đáng ghi nhớ: các prompt khác nhau ưu tiên loại trang khác nhau, nên thứ tạo ra là mẫu cho thị trường của bạn chứ không phải mẫu dùng chung mọi nơi. Và những trang thắng là những trang chứa kết luận thật, nói rõ công cụ nào tốt hơn ở việc gì, thừa nhận nơi đối thủ vượt bạn, vì một trang chỉ tự khen mình sẽ thua G2.

12. Quyết định viết gì tiếp theo từ những gì AI đã trích dẫn

Ross Hudgens, người điều hành agency Siege Media, đã chia sẻ quy trình đội của ông dùng để chọn bài viết cho khả năng xuất hiện trên AI.

Họ bắt đầu với những prompt thực sự dẫn đến việc bán hàng, dạng câu hỏi ‘cái gì tốt nhất cho X’ bao phủ mọi thứ họ bán, rồi đưa vào tracker. Sau đó họ xem trang nào được trích dẫn nhiều nhất trong các câu trả lời. Danh sách đó, xếp theo tần suất xuất hiện, chính là bảng điểm. Thứ họ tìm là những công ty giống họ, vì đối thủ được trích dẫn là bằng chứng cho thấy vị trí đó có thể giành được, chứ không phải dành riêng cho Wikipedia.

Bước cuối cùng là bước biến nó thành danh sách ưu tiên thay vì danh sách điều ước. Họ đối chiếu các chủ đề đó với nhu cầu tìm kiếm thông thường trên Google, và bất cứ thứ gì được AI trích dẫn nhiều đồng thời được tìm kiếm nhiều trên Google sẽ được đưa lên đầu. Bạn sẽ viết cho những câu hỏi mang lại tiền, theo đúng thứ tự chúng mang lại tiền, một nền tảng vững chắc hơn là đoán mò xem mô hình có thể thích gì.

Content marketing

Bảo AI viết blog post cho bạn, bạn sẽ nhận được văn rác. Không cá tính, không ý tưởng gốc, không nghiên cứu, thường thiếu cả những thứ cơ bản như internal link và hình ảnh.

Nhưng nếu xem content marketing là một quy trình nhiều bước, cách mà một cây viết giỏi và một team editorial giỏi vẫn làm, hóa ra AI lại cực kỳ hữu ích ở nhiều bước riêng lẻ. Nghiên cứu, briefing, outline, sửa cấu trúc, kiểm tra thông tin, internal linking, định dạng. Chúng tôi đã viết rất nhiều về chuyện này trên blog Ahrefs, và bài bạn đang đọc cũng được viết vibe trong Letaido.

13. Đưa bản nháp có thể xuất bản xuống còn khoảng hai giờ

Đây là cách của tôi. Tôi đã viết ra toàn bộ quy trình, và nó đưa một bài viết đạt tiêu chuẩn xuất bản cho blog này trong khoảng hai giờ, giảm từ vài ngày xuống.

Cách này hiệu quả vì tôi đã chia quy trình biên tập thành các bước đủ nhỏ để viết ra, rồi viết chúng xuống: chọn chủ đề, briefing, outline, sửa cấu trúc, viết nháp, đưa sản phẩm vào, biên tập câu chữ, internal link, metadata, và cuối cùng là định dạng WordPress. Những tài liệu đó nằm trong một project ChatGPT cùng với mẫu viết và trích đoạn từ các khóa học viết của tôi, nên mỗi cuộc trò chuyện đều bắt đầu với tiêu chuẩn đã được nạp sẵn. Tôi điền một bản brief ngắn, sau đó ngồi vào ghế biên tập viên, đọc từng giai đoạn và phản biện trước khi chuyển sang bước tiếp theo.

Số bước chính là mấu chốt. Một prompt yêu cầu bài viết hoàn chỉnh sẽ cho ra văn rác, vì bạn đã đưa ra mười quyết định cùng lúc. Mười prompt hẹp, mỗi prompt làm một việc và có người kiểm tra đầu ra, sẽ cho bạn thứ có thể xuất bản. Nó vẫn cần một marketer có năng lực điều khiển, và tôi chỉ dùng nó cho những chủ đề tôi biết đủ kỹ để nhận ra khi nó sai.

14. Học tự dựng trang web trong vài tuần

Kelsey Libert, người đồng sáng lập agency Fractl, đã dành một tháng để học Cursor rồi viết và dựng 30 landing page bằng nó, một trang cho mỗi sản phẩm agent của công ty.

Cursor là trình soạn thảo mã có AI tích hợp, nên bạn mô tả điều mình muốn bằng ngôn ngữ tự nhiên và nó viết code. Cô làm việc trong một cửa sổ cùng vài mô hình, dùng chính nhận định marketing của mình để quyết định mỗi trang cần giải thích điều gì: sản phẩm làm gì, vì sao quan trọng, nó hoạt động thế nào, và các loại người mua khác nhau sẽ dùng nó ra sao. Cô không có nền tảng lập trình trước đó và học qua các buổi tối với người đồng sáng lập.

Landing page là điểm nghẽn kinh điển của marketing. Bạn biết chính xác trang nên nói gì, rồi đợi hàng tuần để người khác dựng, và bản về không giống như bạn mô tả. Việc tự viết và xuất bản trang giúp bạn loại bỏ một bàn giao khiến đội ngũ mất nhiều thời gian hơn cả viết lách. Nhận xét của cô sau một tháng: thứ cô tạo ra đã tốt hơn những gì cô mong đợi từ một đội marketing có năng lực.

15. Thực hiện một nghiên cứu dữ liệu thực sự mà không cần thuê kỹ sư

Mateusz từ đội nội dung của chúng tôi muốn biết traffic organic của một công ty có đi theo giá cổ phiếu hay không, nghĩa là lấy số liệu traffic hằng tháng và giá đóng cửa hằng tháng trong ba năm của mọi mã chứng khoán trên sàn Nasdaq. Anh để AI viết phần code kéo cả hai bộ dữ liệu từ API của Ahrefs và Polygon, nối chúng lại, chạy tương quan và vẽ biểu đồ. Anh mô tả một cách đơn giản: gần như toàn bộ phần tính toán trong bài đó đều do AI làm.

Anh cũng thẳng thắn về chỗ mà AI không còn đủ. Nghiên cứu trở nên tốt hơn hẳn khi một nhà khoa học dữ liệu thực thụ, đồng nghiệp Xibeijia Guan, đảm nhận phần phân tích và quyết định cách các con số nên được gán trọng số. Vậy phiên bản trung thực của chuyện này là: AI đưa anh từ chỗ không có dữ liệu đến một bộ dữ liệu sạch và bước tính toán đầu tiên, thứ thường giết chết một dự án nghiên cứu trước khi nó bắt đầu. Nghiên cứu gốc là tài sản thu hút link tốt nhất mà một đội nội dung có, và câu ‘không ai ở đây kéo được dữ liệu’ chính là lý do nó không bao giờ được thực hiện.

16. Khiến ChatGPT ngừng viết kiểu ChatGPT

Myriam Jessier đã chia sẻ system prompt mà cô dùng nhiều tháng để loại bỏ phần thừa trong câu trả lời của ChatGPT, cô gọi là Absolute Mode.

Đó là một khối văn bản bạn dán vào custom instructions. Nó bảo mô hình bỏ emoji, từ đệm, thổi phồng và những câu chào hỏi nhỏ; ngừng hỏi thêm câu hỏi và đề nghị hỗ trợ thêm; ngừng phản chiếu giọng điệu của bạn lại với bạn; và kết thúc câu trả lời ngay khi đã trả lời xong thay vì thêm phần tóm tắt và gợi ý.

Phần lớn công việc biên tập văn bản AI là xóa thứ: phần khạc nhổ đầu câu, câu hỏi hay, phần tóm tắt bạn không yêu cầu, lời đề nghị hăng hái ở cuối. Sửa ở cấp độ chỉ thị thay vì sửa từng câu trong mỗi bản nháp là mười giây đáng giá nhất nếu bạn viết bằng các công cụ này. Nó cũng giúp đánh giá đầu ra dễ hơn, vì khi lớp thừa biến mất, bạn sẽ thấy bên dưới nó có ý tưởng nào không.

17. Nói qua một ý tưởng và nhận lại bộ slide

Wil Reynolds ghi âm chính mình giải thích một khái niệm, chuyển thành văn bản, rồi đưa bản ghi cho một LLM để vẽ ra cấu trúc câu chuyện. NotebookLM và Gamma biến cấu trúc đó thành nhiều phiên bản slide.

Thứ nhận về không phải bộ slide hoàn thiện, và ông không dùng nó như vậy. Nó là một bản khung thô để ông chỉnh sửa. Nhưng nói là cách đưa ý tưởng ra khỏi đầu nhanh hơn nhiều so với viết, và những phần tốn cả buổi chiều khi làm slide, tìm trật tự các mục và làm chúng trông đẹp, đã xong trước khi ông mở nó ra.

18. Xử lý khoảng 1.000 bài viết cần cập nhật

Blog này có gần một nghìn bài viết, và giữ cho các bài cũ luôn mới là một trong những việc mang lại lợi ích cao nhất chúng tôi làm. Một bài đăng ba năm trước vẫn có thể là thứ hay nhất trên internet về chủ đề đó và vẫn lặng lẽ mất traffic, vì một con số trong bài đã cũ hoặc đối thủ đề cập hai thứ chúng tôi bỏ sót. Cập nhật nó rẻ hơn viết mới và thường mang lại kết quả nhanh hơn.

Nó cũng quan trọng với tìm kiếm AI. Chúng tôi đã xem xét 17 triệu trích dẫn trên bảy nền tảng và phát hiện các trợ lý AI trích dẫn những trang mới hơn thấy rõ so với kết quả hữu cơ của Google, trong đó ChatGPT là kỹ tính nhất về nội dung gần đây. Vậy một bài không ai đụng tới suốt ba năm đang tự chống lại chính nó ở hai nơi cùng lúc.

Vấn đề là một nghìn bài viết thì không ai có thể nhớ hết, và kiểm tra kỹ một bài mất cả tiếng. Update Pipeline của chúng tôi làm việc kiểm tra đó. Đưa cho nó một URL đã xuất bản, nó sẽ tìm những số liệu đã cũ và tìm nguồn mới hơn, ghi chú nơi chúng tôi mô tả sản phẩm theo cách nó từng hoạt động, và so sánh bài viết với những gì đang xếp hạng hiện tại để xem bài còn thiếu gì.

Sau đó nó hiển thị bản cũ và bản mới cạnh nhau, và bạn chấp nhận hoặc từ chối từng thay đổi. Không gì lên sóng mà chưa được đọc. Công việc sprint hằng tháng ‘làm mới 20 bài cũ’ của chúng tôi đã từ chỗ chỉ bàn bạc thành việc thực sự làm.

19. Đào ra những số liệu thống kê mà đối thủ chưa tìm thấy

Đưa cho nó một chủ đề, công cụ này đi tìm trong PDF, Word document và PowerPoint thay vì các trang web thông thường. Khoảng mười phút sau, nó trả về khoảng 30 số liệu, mỗi số kèm năm xuất bản, link và file nguồn.

Những số liệu ai cũng trích dẫn là những số nằm trên web, dễ tìm và đã có sẵn trong bài của đối thủ. Còn những số không ai trích nằm trong phần phụ lục của một file PDF chưa ai mở. Nhắm vào định dạng file thay vì trang web chính là cách đưa vào bài của bạn một con số mà năm kết quả còn lại của tìm kiếm đó không có, và một con số gốc là một trong số ít thứ còn xứng đáng kiếm được link.

20. Truy vấn một đống trích dẫn chuyên gia thay vì tự phân loại

Đăng lời kêu gọi trích dẫn chuyên gia là một trong những cách hay để bài viết đáng đọc, và ai từng làm đều biết điểm hóc: bạn đăng yêu cầu, vài ngày sau có hàng chục trả lời trong inbox, phần lớn không dùng được, và không cách nào xem hết mà không mở từng cái.

Mateusz Makosiewicz, người viết nghiên cứu dữ liệu của chúng tôi, xử lý đống đó bằng NotebookLM. Anh lưu email thông báo thành PDF, tải toàn bộ lên, đợi một phút trong lúc nó đọc. Từ đó anh đặt câu hỏi cho toàn bộ tài liệu một lúc, bằng ngôn ngữ tự nhiên, như yêu cầu nó cho thấy những mẹo độc đáo nhất từ các chủ doanh nghiệp và nêu rõ file nào chứa từng mẹo. Khi đã có trích dẫn anh cần, anh chuyển sang một công cụ khác để viết, vì NotebookLM giỏi tìm thứ trong tài liệu và kém văn xuôi.

Hai điều làm cách này tốt hơn dán mọi thứ vào ChatGPT. Nó giữ được nhiều văn bản cùng lúc hơn hầu hết công cụ chat, điều quan trọng khi bạn có hàng trăm trả lời. Và nó chỉ trả lời từ những tài liệu bạn đưa, kèm tham chiếu nguồn, nên trích dẫn bạn lấy ra là thứ ai đó thực sự nói.

21. Biến mỗi webinar thành ba nội dung

Công cụ đầu tiên nhận bản ghi webinar và tạo ra ba outline bài blog, một danh sách clip hay nhất và brief cho social, lưu vào Notion. Duyệt một outline, công cụ thứ hai phát triển nó thành bản nháp khoảng 1.200 từ kèm nguồn và trích dẫn. Công cụ thứ ba nghe các cuộc gọi sales và lưu mọi pain point và phản đối vào cơ sở dữ liệu được gắn thẻ. Công cụ thứ tư làm tương tự với các cuộc gọi khách hàng dài hơn, trích ra quote và gắn thẻ theo loại người mua đã nói.

Công ty nào cũng ghi âm các cuộc gọi này và gần như không ai nghe lại, nên lời tường thuật trung thực nhất về điều khách hàng muốn nằm trong một thư mục không ai mở. Cơ sở dữ liệu về phàn nàn mới là thứ khiến cách này hơn hẳn việc tiết kiệm thời gian. Hầu hết đội nội dung không lưu lại khách hàng thực sự càu nhàu điều gì, nên mỗi quý ai đó dựng lại danh sách từ trí nhớ và gọi nó là kế hoạch nội dung.

Marketing analytics

Báo cáo là công việc dễ tự động hóa nhất trong marketing. Nó cũng là phần ít ai thích nhất trong tháng, một dấu hiệu cho thấy máy móc nên làm việc đó.

AI có thể làm gần hết cho bạn: kéo dữ liệu export, nối chúng lại, dựng bảng. Khi tôi tự làm tay, những lỗi nhỏ hay xuất hiện, lệch cột, hay copy nhầm số tháng trước vào hàng tháng này, nên để máy làm giống nhau mỗi lần cũng đáng giá ngoài số giờ tiết kiệm được. Việc công cụ vẫn chưa làm được là giải thích ý nghĩa của con số. Phần đó vẫn thuộc về bạn.

22. Biến cả ngày làm báo cáo hằng tháng thành một tác vụ lên lịch tự động

Letaido dựng báo cáo hiệu quả blog hằng tháng của chúng tôi vào ngày mùng 2 mỗi tháng, kéo dữ liệu từ Google Search Console và Ahrefs Web Analytics. KPI tile, biểu đồ xu hướng 12 tháng, tách theo thư mục con, bảng bài thắng-thua, cảnh báo bất thường theo ngày, danh sách bài viết phân trang.

Nó cũng nháp 6-10 gạch đầu dòng phân tích để người viết bình luận, nên họ chỉ chỉnh sửa chứ không phải bắt đầu từ trang trắng.

Trước đây việc này mất gần cả ngày. Giờ nó chạy tự động!

23. Kiểm tra nội dung của bạn có thực sự đúng chủ đề hay không

Chúng tôi đã chạy một cuộc audit ngữ nghĩa cho blog này để xem có bao nhiêu bài viết bao phủ các chủ đề cốt lõi, SEO, link building, content marketing, và bao nhiêu bài nói về những chủ đề mà Ahrefs không phải là chuyên gia.

Nó bắt đầu giống như công cụ internal linking: biến mỗi bài viết thành một chuỗi số dài gọi là vector embedding. Lấy trung bình tất cả các chuỗi đó, bạn có một chuỗi số cho toàn blog, thứ gần nhất với câu trả lời toán học cho câu hỏi website này nói về gì. Sau đó đo khoảng cách từ mỗi bài đến trung tâm đó. Gần nghĩa là đúng chủ đề; xa nghĩa là bài viết về thứ khác tình cờ sống trên blog. Chúng tôi xếp mọi trang vào bốn nhóm theo cơ sở này, từ nhóm lõi đến nhóm xa, và gắn traffic, link, thứ hạng để xem các nhóm so sánh với nhau.

Xu hướng đủ rõ ràng để thay đổi thứ chúng tôi đặt viết. Trang lõi nhận khoảng gấp đôi traffic hữu cơ so với trang xa. Blog nào cũng tích tụ những bài viết tưởng hay lúc đó nhưng hơi lệch khỏi thứ website được biết đến, và cách này đưa ra con số cho cái giá của sự lệch đó.

24. Đưa dữ liệu crawl, analytics và Search Console vào một lần audit

Chris Long đã ghi lại một trợ lý audit nội dung do Ian Lurie xây dựng, nó đọc dữ liệu crawl, dữ liệu analytics và số liệu Search Console cùng nhau thay vì từng nguồn một.

Screaming Frog, Google Analytics và Search Console đều đổ vào Claude qua Zapier. Claude đọc cả ba và tìm những trang mất traffic, những trang trả lời một câu hỏi khác với điều người ta đang hỏi, và những trang không còn khớp với phần còn lại của website. Công việc nằm ở chỗ viết chỉ thị cho nó và viết lại đến khi đầu ra đáng đọc.

Nhiều vấn đề nội dung không thấy được trong bất kỳ một báo cáo nào. Một trang có thể trông khỏe mạnh trong analytics trong khi âm thầm mất lượt hiển thị, hoặc xếp hạng tốt cho một truy vấn mà ý nghĩa đã trôi xa nội dung trang. Bạn chỉ bắt được điều đó khi ba bộ dữ liệu nằm cạnh nhau, và sự kết hợp nguồn dữ liệu này là thứ AI rất giỏi.

Social media và cộng đồng

Social media khó vì hai lý do: mọi người nhắc đến thương hiệu của bạn ở nhiều nơi hơn bạn có thể theo dõi, và bạn luôn có nhiều thứ muốn đăng hơn thời gian để viết.

AI giỏi cả hai việc đó, miễn là bạn dùng nó để sàng lọc và nháp, chứ không phải để đăng bài. Trả lời sai trên mạng xã hội đắt giá hơn làm sai báo cáo. Một báo cáo tệ làm mất buổi sáng của bạn; một bình luận thiếu suy nghĩ do robot thả vào subreddit có thể khiến bạn bị ban, bị chụp màn hình và bị chỉ trích. Vì vậy hãy để AI tìm những lượt nhắc đáng trả lời và đưa bản nháp, rồi để người hiểu chuyện quyết định thứ thực sự được đăng.

25. Tìm những cuộc trò chuyện trên Reddit đáng tham gia

Đội ngũ tại lemlist dành ba tháng để tìm hiểu xem Reddit có đáng thời gian không, và họ ghi lại chính xác những gì đã làm. Trong khoảng thời gian đó họ tạo 12 chủ đề riêng trên 6 subreddit, tham gia 28 cuộc thảo luận đang diễn ra, và trả lời 13 nơi ai đó nhắc đến thương hiệu mà không ai yêu cầu. Traffic từ Reddit tăng 22%, và người truy cập từ đó đăng ký với tỷ lệ cao hơn 20% so với trung bình khách truy cập. Các chủ đề họ tạo cũng bắt đầu xếp hạng trên Google và xuất hiện như nguồn trong câu trả lời ChatGPT và Perplexity.

Phần AI đảm nhiệm là việc tìm kiếm. Reddit khổng lồ, và những cuộc trò chuyện nơi bạn có thể thực sự đóng góp giá trị nằm rải rác, bị chôn dưới một đống lớn hơn nhiều những nơi mà sự xuất hiện của bạn sẽ là phiền toái. Họ dùng AI đọc qua đống đó và nổi lên vài chủ đề thực sự liên quan, sau đó cho họ một điểm khởi đầu cho câu trả lời.

Mọi thứ sau đó là con người. Một thành viên trong đội đọc chủ đề, xem có điều gì đáng nói không, viết bằng lời của họ và đăng bằng tài khoản của họ. Đó không phải sự thỏa hiệp để tuân thủ quy tắc Reddit, dù quy tắc này đủ rõ ràng để bạn nên đọc. Mà vì toàn bộ giá trị của việc có mặt trong subreddit là mọi người nhận ra bạn là người biết chuyện. Một câu trả lời tự động thất bại ngay ở việc duy nhất nó cần làm.

26. Học cách khách hàng thực sự mô tả vấn đề của họ

Britney Muller, người dạy marketer dựng công cụ AI tại studio Orange Labs, chỉ cho bạn cách lấy insight khán giả từ các nền tảng cộng đồng thay vì đoán mò. Quan điểm của cô: những cuộc trò chuyện bạn muốn đọc nhất chính là những cuộc trò chuyện không ai có thời gian tìm, và giờ đó là vấn đề có thể giải quyết thay vì vĩnh viễn dang dở.

Phiên bản cô khuyên bạn tự xây dựng dùng API miễn phí của chính nền tảng để thu thập thảo luận nhắc đến thương hiệu hoặc chủ đề, rồi cho mô hình đọc và rút ra điều đang thực sự được nói: phàn nàn lặp lại, câu hỏi xuất hiện mãi, so sánh giữa bạn và đối thủ, và từ ngữ chính xác họ dùng cho tất cả. Cô có workshop miễn phí hướng dẫn từng bước.

Thứ nhận về đáng giá hơn một điểm số cảm xúc. Đó là ngôn ngữ khách hàng dùng khi họ không biết bạn đang lắng nghe, thường chẳng giống chút nào với ngôn ngữ trên website. Đó là nguyên liệu thô cho một landing page nghe như được viết bởi người đã từng gặp họ, và để biết phản đối nào nên xử lý trước.

27. Nhận năm bản nháp social đúng giọng văn của bạn cho mỗi bài viết xuất bản

Tôi đã nhờ Letaido xây một trình tạo bài đăng social, vì viết bài LinkedIn là phần tôi trì hoãn lâu nhất khi xuất bản. Nó kiểm tra sitemap blog cho bất cứ thứ gì mới dưới tên tôi, đọc bài viết, và viết năm bản nháp bài đăng về nó.

Năm bản này cố tình khác nhau: một bản mở đầu bằng điều bất ngờ nhất trong bài, một bản mở đầu bằng câu chuyện, một bản đặt câu hỏi mà bài trả lời, một bản liệt kê điểm chính, và một bản phản đối điều mà hầu hết mọi người tin. Như vậy vì tôi không biết mình muốn góc nào cho đến khi thấy vài lựa chọn, và chọn giữa các phương án dễ hơn nhiều so với bắt đầu từ con số không.

Phần khiến nó dùng được thay vì chỉ là đồ chơi là nó viết bằng giọng tôi, không phải giọng LinkedIn. Tôi gắn cờ những bài đăng hay nhất của mình trong ứng dụng, và chúng được đưa cho mô hình làm mẫu phong cách để bắt chước, có trọng số hơn mọi thứ khác. Sau khi tôi chọn một bản nháp và chỉnh sửa, ứng dụng đẩy nó vào hàng đợi lên lịch qua Social Media Manager của Ahrefs. Vậy công việc từ viết bài từ đầu thành chọn giữa năm bản và sửa bản tôi thích.

PR và outreach

Outreach sống hoặc chết nhờ thời điểm và sự liên quan. Làm người thứ ba gửi pitch một câu chuyện cho nhà báo thì chẳng đáng giá gì, nên công việc này đòi hỏi theo dõi hàng nghìn câu chuyện mỗi ngày trên các feed không ai có thời gian đọc, rồi viết cho từng liên hệ như thể bạn đã đọc tác phẩm của họ. Cả hai việc đó máy móc đều làm được.

Điều máy không làm được là phán đoán liệu pitch của bạn có được chào đón hay không. Outreach do AI tạo ở quy mô lớn chính là lý do nhiều nhà báo ngừng đọc inbox, và cá nhân hóa nhanh hơn chỉ có ích nếu thứ bạn gửi đáng nhận. Vì vậy bốn cách dưới đây đều dừng ở cùng một chỗ: chúng lo việc theo dõi và bản nháp đầu tiên, còn bạn quyết định thứ thực sự được gửi.

28. Theo dõi hàng nghìn tin tức mỗi ngày để tìm cơ hội PR

Mark Williams-Cook viết một script Python chạy một LLM cục bộ, Ollama với Gemma, trên hàng nghìn tin tức mỗi ngày lấy từ RSS feed, đối chiếu từng tiêu đề và mô tả với hồ sơ quan tâm của khách hàng. Lead đủ điều kiện được gửi vào Slack cho đội digital PR.

Chạy mô hình cục bộ là thứ khiến khối lượng khả thi về chi phí, vì không có hóa đơn API cho từng lần gọi khi bạn sàng lọc hàng nghìn câu chuyện mỗi ngày.

29. Viết email follow-up từ bản ghi cuộc gọi trong năm phút

Andy Chadwick đưa bản ghi cuộc gọi bán hàng vào một quy trình ChatGPT đã được huấn luyện theo giọng văn của anh, chi tiết sản phẩm và những phản đối anh nghe nhiều nhất. Nó nháp email follow-up phản ánh đúng vấn đề của từng khách tiềm năng, anh chỉnh sửa rồi gửi.

Thời gian viết giảm từ 45 phút xuống còn 5. Anh cho biết tỷ lệ chốt 90% trên các follow-up giá trị cao mà anh dùng cách này, cho dịch vụ từ 5.000 đến 10.000 bảng.

30. Chạy chiến dịch cold outreach nghe như chính bạn viết

Sam Oh của Ahrefs từng thuê một agency làm outreach. Họ gửi 100 email và nhận ba phản hồi, hai trong số đó yêu cầu hủy đăng ký. Vì vậy anh tự xây chiến dịch outreach của mình và quay lại video.

Nó chạy như một đội agent với một quản lý. Quản lý bắt đầu bằng cách phỏng vấn anh về điều anh muốn: khách tiềm năng tốt trông ra sao, điều gì loại một khách ra, email nên đọc thế nào. Sau đó một agent đi tìm khách tiềm năng và kéo dữ liệu Ahrefs cho từng người, một agent khác kiểm tra xem tăng trưởng traffic của họ có thật hay chỉ là một chớp nhoáng, và agent thứ ba viết email để trong Gmail nháp cho anh duyệt. Anh điều hành toàn bộ từ Slack.

Anh cho nó chạy khi rời ra sân bay, và đến khi tới cổng lên máy bay đã có 74 bản nháp. Trong số 54 anh gửi, 11 người trả lời và 7 đã trở thành cuộc hẹn lịch, so với mục tiêu 5. Cold outreach về cơ bản là việc nghiên cứu hơn là viết, vì lý do hầu hết bị phớt lờ là không ai làm bài tập về nhà trước khi viết. Đó là phần công cụ này làm cho bạn, và là lý do email đọc như thể đã có người làm.

31. Tự động biến nghiên cứu dữ liệu thành thông cáo báo chí

Chúng tôi đã xây dựng một trình tạo thông cáo báo chí, Press Release Generator, nhận URL bài blog hoặc ghi chú về tính năng sản phẩm và trả về một thông cáo báo chí đã định dạng. Kế hoạch là trỏ nó vào các nghiên cứu dữ liệu, để mỗi nghiên cứu mới đều có sẵn bản thông cáo thay vì phải đợi ai đó tìm ra một buổi chiều.

Nghiên cứu gốc là cách chúng tôi được báo chí nhắc tới. Các nghiên cứu của chúng tôi đã được trích dẫn bởi The Atlantic, CNN và BBC, và điều đó chỉ xảy ra nếu ai đó thực sự gửi pitch kịp thời, khi phát hiện vẫn còn là tin. Viết không bao giờ là phần khó, nhưng nó là bước khiến cả quá trình dừng lại, nên có sẵn bản nháp đầu tiên là thứ giúp việc quảng bá diễn ra đều đặn thay vì khi có thời gian. Đầu ra vẫn cần một người đọc trước khi đi bất cứ đâu.

Product marketing

Ra mắt một sản phẩm đồng nghĩa với việc viết landing page, email, kịch bản video, sales deck và one-pager, và tất cả phải nói cùng một điều. Thường thì chúng không khớp nhau. Nhiều người khác nhau viết vào những tuần khác nhau, nên landing page hứa hẹn điều chưa ai thống nhất, còn email nhắm đến một khách hàng khác với bộ slide. Đọc cả năm tài liệu cạnh nhau để bắt lỗi đó là việc ai cũng định làm mà không ai làm trong tuần ra mắt.

Viết bản đầu tiên là phần dễ, và cũng là phần cần kiểm tra kỹ nhất. Ba cách này đến từ team product marketing của chúng tôi, và điểm hay nhất nằm ở bước đọc tất cả tài liệu ở cuối và cho bạn biết chỗ nào hai tài liệu mâu thuẫn nhau.

32. Tạo toàn bộ bộ tài liệu ra mắt từ một bản tóm tắt sản phẩm

Andrei, người phụ trách product marketing tại Ahrefs, đã xây dựng GTM Generator, công cụ biến một bản tóm tắt sản phẩm thô thành sáu thứ: một brief đã gọn lại, landing page, kịch bản video 90 giây, email quảng bá, tờ rơi gần như sẵn sàng in, và một bước kiểm tra cuối.

Bước kiểm tra cuối là lý do toàn bộ quy trình khớp với nhau. Nó đọc năm tài liệu cạnh nhau và viết cho bạn danh sách những chỗ chúng mâu thuẫn với nhau, đến mức một landing page hứa nhanh gấp 10 lần trong khi không ai nói vậy ở brief.

Khi Andrei đã chỉnh sửa tài liệu, anh có thể đưa bản đã sửa vào lại và nhờ công cụ so sánh chúng với bản gốc nó viết.

33. Phân tích ngược chiến dịch trả phí của đối thủ thành nội dung quảng cáo của bạn

Paid Ads Campaign Builder của Ahrefs nhận domain của đối thủ và trả về cho bạn một bộ quảng cáo để chạy đối đầu.

Nó kéo các từ khóa đối thủ trả tiền và các trang họ gửi traffic đến, rồi đọc những trang đó để thấy lời hứa thực sự trong nội dung quảng cáo. Nó nhóm từ khóa theo chủ đề, chỉ ra những từ bạn chưa đấu thầu, và viết quảng cáo Google Search cho những khoảng trống đó, ba tiêu đề và hai mô tả cho mỗi phiên bản, trong giới hạn ký tự.

Tìm kiếm trả phí là nơi duy nhất đối thủ không thể giấu điều họ tin là đáng trả tiền. Mọi từ khóa trong danh sách đều là thứ ai đó chọn trả tiền, thử nghiệm và tiếp tục trả tiền, nên nó là một danh sách rút gọn đã được kiểm chứng bằng ngân sách không phải của bạn. Có sẵn nó cùng với quảng cáo nhắm vào khoảng trống, chính là công sức của một buổi chiều công bằng cho một tên miền.

34. Thiết lập toàn bộ webinar từ một tiêu đề và ngày diễn ra

Constance phụ trách webinar của Ahrefs, nên cô nhờ Letaido xây một ứng dụng tự động hóa webinar. Cô gõ tiêu đề, ngày và người nói, ứng dụng sẽ thiết lập mọi thứ cho cô.

Nó làm việc ngược từ ngày diễn ra webinar để quyết định thời điểm cần làm từng việc, rồi tạo task trong Linear: thiết lập sự kiện Zoom và landing page, viết nội dung quảng bá, đặt quảng cáo trả phí, dựng slide và kịch bản, báo cáo kết quả sau đó. Tổng cộng 20 công việc, được viết từ các mẫu cô có thể thay đổi cho từng webinar.

Nó cũng giao việc theo từng giai đoạn thay vì đưa hết một lúc, nên cô chỉ thấy những việc hôm nay cô thực sự làm được. Vận hành một webinar không khó, chỉ là 20 việc nhỏ phải xảy ra đúng thứ tự, và quên một việc chính là thứ khiến bạn mất khán giả.

Marketing quốc tế

Marketing quốc tế phóng đại mọi thứ lên nhiều lần. Mỗi bài viết bạn xuất bản trở thành bảy bài, mỗi bài có nghiên cứu từ khóa riêng, internal link riêng phải vẽ lại, biểu đồ riêng phải dựng lại, thẻ hreflang riêng phải giữ cho thẳng. Phần lớn khối lượng tăng thêm là việc cơ học hơn là chuyên môn, nên nó rất hợp để tự động hóa, và cũng chính vì vậy mà thường không ai làm.

Điều cần cẩn thận là dịch thuật và bản địa hóa không giống nhau. Một mô hình có thể cho bạn thứ tiếng Tây Ban Nha trôi chảy nhưng được viết cho nhầm quốc gia, và bạn sẽ không nhận ra nếu không nói ngôn ngữ đó.

35. Dịch blog post mà không làm hỏng các link bên trong

Erik và Taka từ đội marketing quốc tế của Ahrefs đã xây một pipeline dịch thuật xử lý bảy ngôn ngữ, mỗi ngôn ngữ có tài liệu hướng dẫn giọng văn, bảng thuật ngữ và quy tắc dịch riêng: tiếng Pháp, Tây Ban Nha, Nhật, Đức, Ý, Hàn và tiếng Trung Phồn thể.

Nó cũng sửa link, thứ thường bị quên. Dịch một bài viết, các link bên trong vẫn trỏ đến bản tiếng Anh của các bài khác, nên độc giả ở Nhật bấm vào rồi quay về tiếng Anh. Công cụ kiểm tra từng link, nếu có bản tiếng Nhật của bài đó thì đổi sang. Nếu không có, nó báo bạn link nào nó để nguyên và lý do.

Và trước tất cả những việc đó, nó nghiên cứu từ khóa tại quốc gia bạn đang dịch cho, nên bài viết nhắm đến những từ người ở đó thực sự tìm kiếm thay vì bản dịch từng chữ từ tiếng Anh.

36. Bản địa hóa biểu đồ và sơ đồ trong bài viết

Một bài viết đã dịch mà ảnh chụp màn hình vẫn tiếng Anh thì mới dịch được một nửa, và một bài viết trên Ahrefs có thể mang hàng chục biểu đồ và sơ đồ luồng. Vì vậy đội quốc tế đã xây một trình dịch riêng cho hình ảnh: tải lên một file PNG, JPG hoặc PDF, chọn ngôn ngữ và khu vực, nhận lại hình ảnh đã bản địa hóa.

Hai việc xảy ra. Đầu tiên một mô hình nhìn vào hình và viết ra những gì cần thay đổi, bằng ngôn ngữ tự nhiên. Sau đó một mô hình thứ hai vẽ lại hình với những thay đổi đó. Bạn chọn khu vực lẫn ngôn ngữ, nên tiếng Tây Ban Nha cho Mexico khác tiếng Tây Ban Nha cho Tây Ban Nha, và giá cả, địa chỉ web ví dụ, tên đều đổi theo.

Nếu nó dịch sai một từ, bạn có thể nói, và nó vẽ lại hình với từ bạn đưa. Trong ảnh chụp màn hình bên dưới, một người đang sửa một thuật ngữ tiếng Nhật thành cụm từ đội thực sự dùng.

37. Chạy phụ đề trực tiếp tại hội nghị với chi phí bằng một chiếc laptop

Phiên dịch viên chuyên nghiệp cùng lúc giá từ hơn 2.000 đô một ngày và không biết sản phẩm của bạn. Taka chạy một phiên dịch trực tiếp, Live Interpreter, trên laptop cạnh sân khấu, tạo phụ đề tiếng Anh và Nhật từ nguồn micro khi người ta nói.

Lời nói trực tiếp đến theo từng cụm chưa hoàn chỉnh, nên công cụ chờ và chỉ đưa lên màn hình câu hoàn chỉnh. Nó cũng đọc từ bảng thuật ngữ tên sản phẩm trước, nên AI Overviews luôn thành thuật ngữ tiếng Nhật chúng tôi đã thống nhất thay vì điều gì đó gần giống. Đội dùng Gemini 3 Flash, đủ nhanh để theo kịp người nói.

Lời kết

Nhiều người sẽ nói với bạn rằng họ đã sa thải cả team marketing và giao toàn bộ cho AI. Thực tế, AI là một công cụ, và nó chỉ tốt bằng người cầm nó.

Mọi quy trình trong danh sách này đều được thiết kế bởi những người hiểu marketing đến tận gốc. Họ biết quy trình và kết quả mong muốn. Họ có gu và phán đoán. Họ có thể đạt kết quả tốt ngay cả khi không có AI tạo sinh, và đó chính xác là lý do họ đạt kết quả tốt hơn khi có nó. Công cụ nhân lên những gì bạn đã có; nếu bạn không mang gì đến, nó nhân lên con số không.

Vậy nên hãy giữ sự hoài nghi. AI không phải chiếc hộp kỳ diệu giải quyết vấn đề trong khi bạn ngồi nhìn. Nhưng trong tay bạn, nó sẽ giúp một phần lớn công việc nhanh hơn, một phần khá khá tốt hơn, và một số việc thực sự vui hơn trước.

Bạn có một quy trình nào xứng đáng xuất hiện ở đây không? Nhắn cho tôi qua LinkedIn và tôi sẽ xem.

Góc nhìn từ ngoctraimkt

Bài gốc nghiêng nhiều về công cụ quốc tế, nhưng người làm SEO ở Việt Nam vẫn áp dụng được nếu biết cách xoay xở. Vướng đầu tiên là giá: Ahrefs, ChatGPT Plus, Claude Pro đều tính bằng USD, thanh toán quốc tế không phải ai cũng có thẻ. Cách né là tận dụng bản free của Search Console, Bing Webmaster Tools, Google Keyword Planner, và dùng ChatGPT bản miễn phí hoặc các nền tảng AI nội địa. Với team nhỏ, chi phí khả dụng nên nằm dưới 500.000 đồng/tháng, tập trung vào một tool duy nhất thay vì đăng ký cả loạt rồi bỏ xó.

Ai nên dùng ngay là dân SEO kỹ thuật, content leader và chủ doanh nghiệp đang tự làm marketing. Ai không nên vội áp dụng là người chưa nắm rõ khách hàng, chưa có dữ liệu từ khóa cơ bản, vì AI chỉ đẩy nhanh việc bạn đang làm chứ không thay thế được sự hiểu biết thị trường. Rủi ro hay gặp nhất ở Việt Nam là content AI trôi nổi, trùng lặp, đặc biệt là mấy bài viết theo lối "mở bài chung chung, kết bài gọi điện tư vấn" — Google đã phát hiện và hạ hạng nhiều dạng này. Sau khi đọc xong, việc nên làm ngay là export dữ liệu Search Console của website Việt, nhóm theo chủ đề, rồi bắt tay cập nhật lại các bài cũ trước khi nghĩ đến chuyện tự động hóa toàn trình.

Một điểm cần điều chỉnh so với cách nghĩ phổ biến: AI marketing ở Việt Nam không bắt đầu từ việc tạo ra nội dung mới, mà bắt đầu từ việc dọn dẹp và tối ưu nội dung đang có. Vì chi phí quảng cáo tăng, website chuẩn SEO từ nội dung cũ được làm mới lại có sức cạnh tranh tốt hơn là chạy theo viết thật nhiều bài mỗi ngày. Tiếng Việt là ngôn ngữ ít tài nguyên, nên đừng giao hẳn cho AI viết không kiểm soát; hãy dùng AI làm công việc phân tích, gom nhóm, gợi ý cấu trúc, còn phần cảm xúc và câu chữ cuối cùng vẫn cần người Việt rà soát.

Câu hỏi thường gặp

Dùng AI làm marketing ở Việt Nam có tốn nhiều tiền không?

Không nhất thiết. Có thể bắt đầu với 0 đồng bằng Search Console, Bing Webmaster Tools và ChatGPT bản miễn phí. Khi đã thấy hiệu quả, nâng cấp lên gói trả phí khoảng 10-20 USD/tháng cho một người, chưa cần mua bộ tool cả trăm USD.

Người mới bắt đầu với AI marketing nên bắt đầu từ đâu?

Bắt đầu từ dữ liệu có sẵn, không phải từ việc mua tool. Hãy export dữ liệu Search Console của website, hỏi AI để gom nhóm từ khóa, tìm bài cũ kém hiệu quả rồi cập nhật lại. Làm được việc này trước khi học đến internal link hay AEO.

AI viết content tiếng Việt có bị Google phạt không?

Có, nếu đăng nguyên văn không kiểm duyệt. Google phạt nội dung rác, không phạt vì dùng AI. Nội dung tiếng Việt do AI viết thường sáo rỗng, lặp từ và sai sự thật, nên bắt buộc phải có người hiểu ngành rà soát, bổ sung trải nghiệm thực tế trước khi xuất bản.

Dùng ChatGPT hay Gemini cho SEO tiếng Việt tốt hơn?

ChatGPT đang tốt hơn cho SEO tiếng Việt nhờ khả năng xử lý ngữ cảnh và gợi ý cấu trúc nội dung. Gemini được lợi thế tích hợp với Google Search, phù hợp để nghiên cứu ý định tìm kiếm. Nên dùng cả hai, mỗi tool một việc: ChatGPT viết brief, Gemini phân tích SERP.

Tự động hóa SEO bằng AI có thay thế được nhân viên SEO không?

Không thay thế được, chỉ đỡ phần nặng nhọc. AI làm tốt việc phân loại từ khóa, gợi ý internal link, viết FAQ, còn chiến lược, kiểm chứng thông tin và quyết định đầu tư vẫn cần người. Vị trí nhân viên SEO không mất đi mà chuyển thành người vận hành công cụ AI.

Đọc thêm từ nguồn gốc

• 37 cách dùng AI trong marketing thực tế, áp dụng ngay — bài gốc; ngoctraimkt biên dịch, bổ sung góc nhìn và câu hỏi thường gặp cho người đọc Việt Nam