Trong vài năm gần đây, hành vi tìm kiếm của người tiêu dùng đang dịch chuyển từ gõ từ khóa trên công cụ tìm kiếm sang hỏi thẳng các trợ lý AI như ChatGPT, Gemini hay Perplexity để xin lời khuyên, so sánh và gợi ý sản phẩm. Khảo sát Appinio (2025) cho thấy 34% thanh niên Gen Z sử dụng AI chatbots để tìm kiếm – nổi bật hơn các nhóm tuổi khác. Pew Research cũng ghi nhận 58% người Mỹ dưới 30 tuổi đã thử ChatGPT, gần gấp đôi tỷ lệ người dùng lớn tuổi.

Điều đó tạo ra một thách thức mới cho marketing: Thương hiệu không còn chỉ cần thuyết phục con người, mà còn phải trở thành một câu trả lời đáng tin đối với các hệ thống AI.

Để hiểu sâu hơn, cần đặt lập luận AI search trong một bức tranh rộng hơn của lý thuyết thương hiệu kinh điển, của nghiên cứu về Category Entry Points (CEPs), và các khái niệm mới về “AI search”, “Share of Model” và “Agentic Commerce”. Từ đó, chúng ta không phải lăn tăn về việc liệu có bỏ đi những gì bạn biết về marketing, hay là phải nhìn các kiến thức marketing theo bối cảnh mới để thích ứng với thế giới có AI.

Target Audience: Không chỉ khách hàng mà còn là AI Agent

Theo WARC, trước đây marketers và communicators chỉ cần phân tích và tập trung vào một đối tượng mục tiêu (Target Audience) là khách hàng. Nhưng hành trình khách hàng giờ không chỉ đa kênh (Omnichannel) theo truyền thống, mà còn đi qua nhiều điểm chạm không dự kiến. Ví dụ, khách hàng có thể bắt đầu hành trình từ một bài viết trên Facebook, video ngắn trên TikTok, sau đó hỏi ChatGPT, Gemini để so sánh, rồi cuối cùng mới vào các trang mạng xã hội hay website của thương hiệu. Trong mỗi bước, hành vi của họ để lại dấu vết mà AI có thể “đọc lại” để tạo khuyến nghị cho người khác – hoặc có thể không, nếu thương hiệu của bạn không có mặt.

Marketers giờ đây phải làm việc với cả hai đối tượng mục tiêu: Người tiêu dùng (con người) và Hệ thống AI.

Lấy ví dụ trong ngành F&B, trước đây, bạn chỉ cần tìm hiểu sở thích và thói quen tìm kiếm thông tin của khách hàng (độ tuổi 25-35, dân văn phòng, thích ăn món Pháp, ở khu vực trung tâm) để chạy quảng cáo trên FB, Influencers video reviews trên TikTok, hay định vị rõ trên Google Maps với các bài đánh giá. Nhưng giờ đây, AI chatbot sẽ nhận yêu cầu chi tiết từ khách hàng đó hơn: “Tôi muốn ăn tối lãng mạn với bạn gái/bạn trai, phục vụ món Âu, không quá tốn kém, nhà hàng phải có view và trang trí đẹp để chụp ảnh, tốt nhất là gần ga Bến Thành”.

Một câu hỏi như vậy không chỉ là yêu cầu về loại nhà hàng, mà là sự kết hợp của ngữ cảnh (lãng mạn, món Âu), nhu cầu chức năng (trang trí, view, gần ga), và tâm lý (không quá tốn tiền). Đây chính loại thông tin đa chiều mà AI sử dụng để tạo ra “consideration set” – tập hợp các lựa chọn được sắp xếp từ tốt nhất đến kém hơn.

Chính vì hành trình khách hàng bị chen ngang (disrupt), các marketers giờ phải làm việc với cả hai đối tượng mục tiêu: Người tiêu dùng (con người) và Hệ thống AI. Không phải hai đối tượng khác nhau hoàn toàn, mà là hai lớp diễn giải cùng một tập dữ liệu. Nếu con người đọc bài viết của bạn trên blog để lấy kiến thức, thì AI sẽ “đọc lại” cùng bài viết đó để trích dẫn nó khi trả lời câu hỏi của người dùng.

Hiểu điều này rất quan trọng, vì nó mở ra câu hỏi: Nội dung mà bạn tạo ra có được cấu trúc sao cho cả con người lẫn AI đều có thể “hiểu” và “tin tưởng” thương hiệu của bạn hay không?

Nền tảng thương hiệu chưa bao giờ hết thời, nhưng với AI, cách làm phải khác

Tuy nhiên, chúng ta không nên quá lo lắng về AI visibility (mức độ hiển thị trên AI) hay thương hiệu bị AI bỏ quên. Dữ liệu từ WARC 2026 và Charlie Oscar cho thấy một điều thú vị: Khoảng 63% AI visibility đến từ các hoạt động xây dựng thương hiệu dài hạn, trong khi phần có thể bị tác động trực tiếp bởi hoạt động marketing thời vụ hiện tại chỉ chiếm 37%.

Nói cách khác, muốn được AI nhắc đến nhiều hơn, thương hiệu trước hết phải là một thương hiệu đã có chỗ đứng vững chắc trên thị trường.

Lập luận này rất gần với hai khái niệm về khả năng gợi nhớ (Mental Availability) và tình huống mua hàng cụ thể (Category Entry Points – CEPs): Một thương hiệu mạnh không chỉ được nhớ ở một ngữ cảnh (ví dụ, nhà hàng Pháp lãng mạn), mà trong nhiều tình huống mua khác nhau (ví dụ, nhà hàng Pháp lãng mạn cho người yêu, nhà hàng Pháp lãng mạn view đẹp, nhà hàng Pháp lãng mạn cho sinh nhật, nhà hàng Pháp lãng mạn giá rẻ, nhà hàng Pháp lãng mạn gần ga Bến Thành).

Trong thế giới AI, các CEPs này được biểu hiện dưới dạng câu hỏi mà người dùng hỏi chatbot. Thực tế, các câu hỏi người dùng đặt cho AI chính là CEPs được diễn đạt dưới dạng ngôn ngữ tự nhiên. Nếu thương hiệu của bạn đã xây được sự hiện diện mạnh quanh những ngữ cảnh như vậy (qua nội dung hướng dẫn, community feedback, bài viết từ các creator có uy tín), khả năng được AI đưa vào câu trả lời sẽ cao hơn rất nhiều.

Vai trò mới của B2C và C2C trong thời đại AI

WARC Guide nhấn mạnh: Thời đại “một mô hình – một đối tượng” đã kết thúc. Thương hiệu vận hành trong thế giới có AI cần áp dụng bốn mô hình truyền thông song hành, mỗi cái được thiết kế để đạt tới một hoặc cả hai đối tượng mục tiêu. Bốn mô hình truyền thông xây dựng nội dung giao thoa trong một thế giới mà AI giờ có thể làm một số quyết định hoặc ít nhất là gợi ý cho người tiêu dùng.

Hai mô hình truyền thống – B2C (thương hiệu chủ động tương tác qua ads, social, CRM, website) và C2C (khách hàng nói với khách hàng) – vẫn rất quan trọng. Đây là tầng nền tạo ra nhận biết, cảm xúc, khác biệt để xây dựng tải sản thương hiệu (Brand Equity). Tuy nhiên, chúng ta nên lưu ý là mỗi nội dung đang làm không chỉ phục vụ KPI ngắn hạn mà còn là dữ liệu dài hạn mà AI có thể “đọc lại” sau này.

Bài viết “Cách chọn rượu vang trắng cho cá biển” không chỉ thu hút khách vào website, AI còn đọc lại nó khi ai hỏi “Nên chọn rượu vang nào để ăn với cá?”. Hoặc một bài Instagram Stories về “Buổi tối lãng mạn lý tưởng” sẽ là dấu hiệu mà AI dùng để hiểu: Nhà hàng này có ngữ cảnh “lãng mạn”, có thể gợi ý khi ai đó tìm kiếm trải nghiệm tương tự.

Tương tự như vậy, vai trò của mô hình C2C với review, tương tác cộng đồng, influencer content và các thảo luận ngang hàng giữa các khách hàng cũng trở nên thiết yếu hơn vì AI có xu hướng rất tin tưởng trên các nguồn mở như Reddit, YouTube, Quora, TikTok, hay các nội dung hỏi-đáp do người dùng tạo ra.

Điều này làm thay đổi cách nhìn của thương hiệu về Influencer Marketing và Community Building. Giá trị của chúng không chỉ nằm ở việc tạo độ phủ (reach) hay sự tin tưởng với người xem, mà còn ở việc tạo ra những lớp dữ liệu thứ cấp (secondary layers of data) mà AI có thể tham chiếu khi tổng hợp câu trả lời.

Một influencer ăn tối tại nhà hàng của bạn và đăng một video review trung thực, bình luận và cuộc trò chuyện dưới video đó sẽ là dữ liệu mà AI sử dụng để hiểu “Nhà hàng này có sự tin tưởng từ người dùng”, và điều này tạo ra nguồn dữ liệu tin cậy hơn.

Sự xuất hiện và phát triển của Agent to Consumer (A2C) và Agent to Agent (A2A)

Với Agent to Consumer (A2C), cần phân biệt Agent của thương hiệu và Agent của bên thứ ba. Với Agent của thương hiệu như Chatbot trên website, Instagram DM bot, hoặc voice assistant, bạn không chỉ đơn thuần tích hợp công nghệ, mà là biên tập ngôn ngữ, cấu trúc tri thức và bảo toàn bản sắc thương hiệu trong môi trường đối thoại. Từ đó, thương hiệu có thể kết hợp các nội dung từ B2C và C2C với hệ thống thông tin nội bộ để phục vụ khách hàng tốt hơn. Ví dụ, AI chatbot của nhà hàng Pháp không chỉ trả lời “Có bàn không?”, mà phải trả lời theo tone lịch sự, biết gợi ý combo, hiểu ngữ cảnh khách hàng đang tìm kiếm.

Trong khi đó, Agent của bên thứ ba (ChatGPT, Gemini, Perplexity…) là các hệ thống AI ngoài phạm vi kiểm soát của thương hiệu. Vì vậy, thương hiệu cần chuẩn bị dữ liệu để chúng đọc lại. Thương hiệu phải làm cho nội dung “dễ đọc” và “đáng tin” để khi Agent bên thứ ba đọc, nó sẽ trích dẫn thương hiệu trong đúng tình huống cụ thể. Đây là sự khác biệt cơ bản so với cách marketers làm việc với công cụ AI trước đây.

Cuối cùng, Agent to Agent (A2A) mở ra một tương lai nơi trợ lý AI của người dùng có thể thương lượng trực tiếp với Agent của nhà bán lẻ, ngân hàng hay nền tảng dịch vụ để đề xuất phương án tối ưu. Khái niệm này khá gần với những gì nhiều báo cáo gần đây (từ Gartner, Deloitte) gọi là “Agentic Commerce”: một hình thức mua sắm trong đó việc so sánh, sắp xếp và rút gọn lựa chọn được tự động hóa ở mức cao.

Ví dụ, khi người dùng hỏi AI “Tìm xe taxi sân bay về trung tâm TPHCM, giá rẻ nhất, an toàn”, AI Agent sẽ tự động search Grab, Green, Vinasun; so sánh giá, xếp hạng; rồi đề xuất phương án tốt nhất – không cần họ vào từng app. Hơn nữa, nó sẽ biết ngữ cảnh của người dùng thông qua việc di chuyển và từ đó đề xuất các khách sạn hay nhà hàng tương tự.

Trong bối cảnh này, marketers phải nghĩ rất khác: Không chỉ “Thương hiệu tôi trông có vẻ tốt không?”, mà là “Thương hiệu tôi có cấu trúc dữ liệu rõ ràng để Agent bên thứ ba có thể đọc được các thông số (giá, dung lượng, chất lượng) để so sánh không?”. Điều này đòi hỏi dữ liệu rõ ràng, mô tả có cấu trúc, lợi ích được trình bày đủ logic để Agent hiểu và so sánh công bằng.

Share of Model – Một thước đo mới, nhưng có gốc rễ lịch sử

Một bổ sung quan trọng khác là khái niệm Share of Model – tỷ lệ thương hiệu của bạn được một hoặc nhiều AI nhắc đến trong tổng số các thương hiệu được nhắc trong cùng một ngành hàng. Nếu Share of Voice là thước đo của thời truyền thông đại chúng, Share of Search là thước đo của thời đại tìm kiếm, thì Share of Model có thể xem là bước tiến tự nhiên trong dòng phát triển: Share of Market → Share of Voice → Share of Search → Share of Model.

Điều thú vị là Share of Model không hoàn toàn giống Share of Search, vì AI không chỉ phản ánh nhu cầu có sẵn mà còn trực tiếp kiến tạo tập hợp cân nhắc (consideration set) – những lựa chọn được AI sắp xếp và gợi ý trong tương lai theo kiểu mô hình A2C hay A2A. Điều này giải thích vì sao các thương hiệu nhỏ hơn vẫn có thể tranh chấp sự hiện diện trong AI tốt hơn so với mô hình tìm kiếm truyền thống, nơi Brand Intent thường tập trung quá mạnh vào các ông lớn.

Nói cách khác, AI đang “dân chủ hóa” những cơ hội này, miễn là bạn có dữ liệu, nội dung và sự uy tín.

Paid, Owned, Earned Media vẫn quan trọng nhưng vai trò đang thay đổi

AI không quan tâm nhiều đến ngân sách Paid Media theo cách làm của con người trong media planning truyền thống. Paid vẫn cực kỳ quan trọng cho tăng trưởng thương hiệu, nhưng khi nói đến LLM citations, những gì chúng nhặt lên lại đến từ review, earned mentions, creator commentary, bài hướng dẫn và thảo luận cộng đồng. Tại sao? Vì AI được huấn luyện trên web, và web chủ yếu là nơi con người chia sẻ, nói chuyện, hỏi đáp – chứ không phải nơi thương hiệu trả tiền để phát biểu. Bản chất của AI là ưu tiên chọn những “tiếng nói độc lập” hơn là “tiếng nói được trả tiền”.

Điều đó không có nghĩa Owned Media hết giá trị. Trái lại, website và các kênh sở hữu của thương hiệu không nên chỉ cung cấp nội dung tiếp thị đơn thuần, mà phải trở thành nơi có nội dung hữu ích, có cấu trúc, giàu dữ liệu và đủ rõ để AI có thể đọc, phân tích mà không bị nhầm lẫn. Các nội dung có khả năng được trích dẫn bởi AI khi ai đó hỏi những câu hỏi liên quan thường nằm ở hướng dẫn sử dụng, so sánh, giải thích chi tiết, xu hướng nghề nghiệp hay ngành, hay các câu hỏi thông thường Q&A… Do đó, hãy tiên đoán những CEPs mà khách sẽ hỏi AI để từ đó xây dựng nội dung phù hợp.

Ngoài ra, Earned Media như báo chí ngách, cộng đồng chuyên môn, podcast hay creator content sẽ ngày càng quan trọng trong việc tạo giúp AI đánh giá “Thương hiệu này có thực sự đáng tin không?”. Đây cũng là lời nhắc nhở marketers: Không thể chỉ tập trung performance (pay-per-click, conversion) mà bỏ qua tầng nội dung, cộng đồng và Earned Ecosystem. Những thứ tưởng như khó đo lường với các KPI truyền thống ấy lại đang là phần vật liệu chính mà AI sử dụng để tạo ra uy tín cho thương hiệu trong câu trả lời của mình.

Kết luận: AI không phải là sự thay thế, mà là sự mở rộng hoạt động marketing

Thời đại AI không làm thương hiệu bớt quan trọng. Trái lại, nó khiến việc xây dựng thương hiệu bắt đầu đi vào chi tiết hơn. Thành công trong kỷ nguyên AI không nhất thiết bắt đầu từ công nghệ, mà có thể bắt đầu từ một câu hỏi rất truyền thống của marketing: Khách hàng thực sự đang hỏi điều gì với AI?

Thành công trong kỷ nguyên AI có thể bắt đầu từ một câu hỏi rất truyền thống của marketing: Khách hàng thực sự đang hỏi điều gì với AI?

Marketers giờ không chỉ làm cho thương hiệu có ý nghĩa với con người, mà còn phải đảm bảo rằng thương hiệu đó rõ ràng, nhất quán, đáng tin và có cấu trúc sao cho hệ thống AI có thể “đọc lại” một cách chính xác để hiểu, tóm tắt và khuyến nghị. Chính những marketers biết lắng nghe và đi vào chi tiết sẽ là những marketers biết cách tối ưu hóa cho AI. Đó là sự giao thoa giữa insight cũ (Customer Research) và kỹ năng mới (Structuring Content for Machines).

Do đó, không nên chạy theo mọi buzzword mới hay bỏ tiền vào các công cụ hay khoá học AI marketing tools bừa bãi. Trái lại, đây là lời nhắc quay lại những nguyên lý căn bản của nghề: (1) Hiểu Consumer Insight, hiểu CEPs, tức là hiểu khách hàng thực sự đang hỏi gì và cần gì; (2) xây dựng câu chuyện thương hiệu (Brand Story) rõ ràng, nhất quán, dễ nhớ và dễ truyền tải; (3) đẩy mạnh câu chuyện thương hiệu qua Paid Media và Earned Media chất lượng với nội dung sao cho vừa có ích cho người, vừa có cấu trúc cho máy.

Chính những việc tưởng như rất “cơ bản” ấy sẽ quyết định liệu thương hiệu của bạn có được AI nhắc đến hay sẽ bị bỏ quên. Và có thể, đó lại là những bài học cũ nhất của marketing, chúng chỉ được “dịch” sang một ngôn ngữ mới mà thôi.

Nguyễn Văn Thăng Long
* Nguồn: Brands Vietnam