Passage ranking và query fan-out: cấu trúc HTML để Google và AI chat chọn đúng đoạn

Khi một trang không được AI Overview hay ChatGPT trích dẫn, đội kỹ thuật thường đi tìm một thẻ meta đặc biệt hay một file cấu hình riêng cho AI. Theo tài liệu của Google, thứ đó không tồn tại. Điều quyết định nằm ở cách nội dung được chia khối trong HTML. Bài này nhìn vấn đề từ phía hệ thống: máy tách một trang thành đơn vị nào, chọn đơn vị nào, và markup cần ra sao để đơn vị đó dùng được.

Các hệ thống Google kể tên

Trong tài liệu về các hệ thống xếp hạng, Google kể tên nhiều hệ thống AI tham gia hiểu nội dung:

• BERT: hiểu cách các từ kết hợp thành ý nghĩa và ý định.
• RankBrain: hiểu từ liên quan đến khái niệm nào, trả về nội dung liên quan "kể cả khi trang không chứa đủ mọi từ trong câu tìm kiếm".
• Neural matching: ghép khái niệm trong câu hỏi với khái niệm trong trang.
• Passage ranking: tách từng đoạn của trang để chấm mức liên quan.

Ba hệ thống đầu làm việc với ngữ nghĩa, nằm ngoài tầm kiểm soát của markup. Hệ thống thứ tư thì khác: nó làm việc với ranh giới giữa các phần của trang, và ranh giới đó do HTML quyết định.

Đơn vị máy chọn là đoạn, không phải trang

Passage ranking giúp Google nhận diện từng phần hoặc từng đoạn của một trang. Nhờ vậy một bài dài nói nhiều ý vẫn có thể được xếp hạng cho một câu hỏi rất hẹp chỉ nằm ở một đoạn. AI chat còn làm điều này rõ hơn: trước khi trả lời, chúng thường tách trang thành các khối nhỏ và chỉ lấy khối sát câu hỏi nhất.

Với người làm kỹ thuật, có thể nghĩ thế này: trang của anh em bị chunk ra, và mỗi chunk được đánh giá gần như độc lập. Heading là ranh giới tự nhiên nhất giữa các chunk.

<article>
  <h1>Collagen uống lúc nào</h1>
  <h2>Thời điểm tốt nhất</h2>
  <p>Câu đầu tiên trả lời thẳng câu hỏi của heading...</p>
  <h2>Uống sáng hay tối</h2>
  <p>Đoạn so sánh, nhắc lại chủ ngữ "collagen"...</p>
  <h2>Ai không nên uống</h2>
  <p>Đoạn lưu ý...</p>
</article>

Mỗi cặp H2 cùng đoạn bên dưới là một khối máy có thể chọn riêng để trả lời một câu hỏi hẹp.

Query fan-out: vì sao một câu hỏi kéo về nhiều trang

Theo tài liệu của Google về AI Overview và AI Mode, khi trả lời, hệ thống có thể tách câu hỏi thành nhiều truy vấn nhỏ theo từng chủ đề con (query fan-out), tìm các trang phù hợp, rồi tổng hợp thành câu trả lời kèm link hỗ trợ. Luồng xử lý có thể mô tả thành năm bước:

1. Nhận câu hỏi, hiểu ý định người hỏi.
2. Tách thành các truy vấn theo chủ đề con.
3. Tìm các trang đã lập chỉ mục, đáng tin.
4. Chọn đoạn sát câu hỏi nhất ở mỗi trang.
5. Tổng hợp, viết lại kèm link nguồn.

Hệ quả thiết kế: mỗi truy vấn con có thể khớp với một chunk khác nhau, có khi ở các trang khác nhau. Một trang có nhiều chunk tự đứng được sẽ có nhiều "cổng vào" hơn một trang viết liền một mạch.

Thiết kế chunk tự đứng được

Một chunk bị tách khỏi trang mất hết ngữ cảnh xung quanh. Vì vậy ba quy tắc sau quan trọng hơn mọi thẻ meta:

• Heading viết theo câu hỏi người tìm thật sự gõ, không dùng heading chung kiểu "Thông tin thêm".
• Câu đầu tiên dưới heading trả lời thẳng câu hỏi đó.
• Không mở đoạn bằng "như đã nói ở trên" hay "điều này" mà không nhắc lại chủ ngữ.

Danh sách, bảng và con số cụ thể cũng giúp chunk dễ dùng. Tôi gõ thử "seo onpage gồm những gì" trên Google: AI Overview trả lời bằng một định nghĩa một câu, chia thành 5 nhóm có tiêu đề rõ ràng, mỗi nhóm vài gạch đầu dòng, và trích link từ những trang có cấu trúc giống hệt như vậy. Phần mô tả đầy đủ cả năm cơ chế, kể cả nhận diện thực thể và đánh giá độ tin cậy, có trong bài Google và AI chat hiểu bài viết thế nào. Ở đây tôi chỉ giữ phần liên quan đến cấu trúc.

Một quan sát từ production

Trên Onic.vn, mỗi bài mở bằng một khối trả lời ngắn nằm gọn trong một khối HTML riêng. Với câu tìm "brand context là gì", Google không dùng meta description viết sẵn mà lấy nguyên khối đó làm đoạn trích, và bài vào top 2 sau 3 giờ đăng. AI Overview cũng chọn bài làm nguồn, và đoạn được chọn vẫn là đoạn định nghĩa ở đầu bài.

Đây là một quan sát, không phải bảo đảm. Nhưng nó khớp với mô hình chunk ở trên: khối nằm đầu trang, tự đứng được, trả lời đúng câu hỏi thì được chọn.

Điều kiện kỹ thuật để được chọn

Phần này ngắn, vì Google nói rõ không có gì đặc biệt:

• Trang phải được lập chỉ mục.
• Trang phải đủ điều kiện hiển thị kèm đoạn trích trên Google Search.
• Không cần tạo file riêng cho AI hay markup đặc biệt nào.

Với ChatGPT có một chi tiết cần kiểm tra: OpenAI dùng trình thu thập OAI-SearchBot cho tính năng tìm kiếm. Website chặn trình này trong robots.txt thì trang khó xuất hiện trong câu trả lời có nguồn của ChatGPT.

# robots.txt: kiểm tra không có khối như dưới đây nếu muốn được ChatGPT trích dẫn
User-agent: OAI-SearchBot
Disallow: /

Về nội dung tạo bằng AI

Nếu pipeline nội dung của anh em có bước sinh bằng AI, hướng dẫn của Google nói Google đánh giá chất lượng nội dung, không phân biệt cách tạo ra. Điều bị coi là spam là dùng tự động hóa để tạo hàng loạt nội dung nhằm thao túng thứ hạng. Từ tháng 3/2024, hệ thống nội dung hữu ích đã được gộp vào hệ thống xếp hạng cốt lõi. Về mặt hệ thống, điều này có nghĩa là pipeline cần một bước để người có chuyên môn kiểm tra và duyệt trước khi xuất bản.

Bài gốc: https://onic.vn/kien-thuc/google-va-ai-chat-hieu-bai-viet/