Phân đoạn nội dung cho truy xuất LLM: Thiết kế phần ảnh hưởng thế nào đến xác suất trích dẫn

Phân đoạn nội dung cho truy xuất LLM: Thiết kế phần ảnh hưởng thế nào đến xác suất trích dẫn

Bởi Sofia Mendez, Trưởng nhóm Giọng điệu Thương hiệu & Tính xác thực
Ảnh chụp nhanh nghiên cứu: Ngày 23 tháng 10 năm 2026

Một trang không cần phải bị chia thành từng mảnh nhỏ để giành được một vị trí trong câu trả lời của AI. Nhưng các ý tưởng của nó cần phải dễ tìm, dễ hiểu và dễ trích dẫn.

Đó là điểm khác biệt hữu ích. Thiết kế phần tốt có thể làm cho nội dung rõ ràng hơn đối với người đọc và các hệ thống truy xuất. Nó không đảm bảo rằng một công cụ tìm kiếm AI sẽ trích dẫn trang đó. Không có quy tắc 80–120 từ nào được chứng minh để kiếm trích dẫn.

Lưu ý về thử nghiệm A/B được yêu cầu: Tôi không thể thực hiện thử nghiệm trực tiếp cho bài viết này. Không có trang web, biến thể trang đã xuất bản, tài khoản tìm kiếm hoặc truy vấn thử nghiệm nào được cung cấp. Do đó, bài viết này không báo cáo kết quả tự tạo. Nó giải thích những gì nghiên cứu hiện tại hỗ trợ và trình bày một thử nghiệm mà chủ sở hữu trang web có thể thực hiện.

Trước tiên, hãy tách biệt truy xuất khỏi lập chỉ mục

“Tìm kiếm AI” có thể nghe giống như một hệ thống duy nhất, nhưng có nhiều bước giữa việc xuất bản một trang và việc nó được trích dẫn:

1. Thu thập dữ liệu (Crawl): Một hệ thống tìm kiếm hoặc bot có thể truy cập trang.
2. Lập chỉ mục (Index): Hệ thống lưu trữ và xử lý trang.
3. Truy xuất (Retrieve): Một hệ thống tìm kiếm hoặc AI tìm thấy trang—hoặc một phần của nó—cho một câu hỏi.
4. Trích dẫn (Cite): Câu trả lời bao gồm trang đó làm nguồn.

Thiết kế phần có thể giúp hệ thống hiểu và truy xuất một đoạn văn liên quan. Nhưng nó không thể khắc phục một trang bị chặn thu thập dữ liệu, chưa bao giờ được lập chỉ mục hoặc ít hữu ích hơn các nguồn khác. Google cho biết các trang phải được lập chỉ mục và đủ điều kiện xuất hiện với đoạn trích trước khi chúng có thể là các liên kết hỗ trợ trong các tính năng AI của họ — và ngay cả các trang đủ điều kiện cũng không được đảm bảo xuất hiện. (developers.google.com)

Điều đó quan trọng vì độ chính xác của đoạn trích và việc lựa chọn trích dẫn là những kết quả khác nhau. Một hệ thống có thể trích xuất một đoạn văn rõ ràng từ trang của bạn nhưng lại trích dẫn một nguồn khác. Hoặc nó có thể trích dẫn trang của bạn trong khi lấy thông tin từ nhiều phần.

Bằng chứng nói gì về độ dài đoạn nội dung

Nghiên cứu về RAG—các hệ thống truy xuất văn bản trước khi yêu cầu một mô hình ngôn ngữ trả lời—cho thấy rằng kích thước đoạn nội dung có thể quan trọng. Nhưng kích thước tốt nhất phụ thuộc vào nhiệm vụ.

Một nghiên cứu năm 2025 đã thử nghiệm các đoạn nội dung có kích thước cố định trên một số bộ dữ liệu hỏi đáp. Các đoạn nhỏ hơn, chẳng hạn như 64 hoặc 128 token, hoạt động tốt hơn với một số câu hỏi có câu trả lời ngắn gọn, trực tiếp. Các đoạn lớn hơn thường hoạt động tốt hơn khi một câu hỏi cần nhiều ngữ cảnh hơn. Nghiên cứu đo lường token trong hệ thống truy xuất, không phải các phần đếm từ trên các trang web công cộng. Nó không chứng minh rằng các phần dài 80–120 từ cải thiện trích dẫn trong tìm kiếm của Google, Bing hoặc ChatGPT. (arxiv.org)

Một nghiên cứu khác, được xuất bản trong Kết quả của ACL năm 2025, đã phát hiện ra rằng cách các ý tưởng được nhóm lại quan trọng — chứ không chỉ độ dài của đoạn nội dung. Các tác giả báo cáo rằng độ dài đoạn nội dung không tự mình dự đoán trực tiếp chất lượng truy xuất hoặc câu trả lời. Điều đó chỉ ra một bài học thực tế: một phần ngắn gọn không tự động là một phần tốt. Nó vẫn cần chứa một ý tưởng hoàn chỉnh. (aclanthology.org)

Cũng có một giới hạn về những gì các nghiên cứu này có thể cho chúng ta biết. Chúng thử nghiệm các hệ thống nghiên cứu với các mô hình, bộ dữ liệu và cài đặt truy xuất đã biết. Các sản phẩm tìm kiếm AI công cộng sử dụng hệ thống riêng của họ và các quy tắc lựa chọn đầy đủ của chúng không được công khai.

Tiêu đề và neo có thể—và không thể—làm gì

Tiêu đề giúp trang dễ theo dõi hơn

Các tiêu đề H2 và H3 rõ ràng cho người đọc biết mỗi phần bao gồm gì. Chúng cũng có thể giúp các hệ thống hiểu cách các ý tưởng liên quan với nhau. Google cho biết xếp hạng đoạn văn có thể xác định các phần của trang liên quan đến một truy vấn. Hướng dẫn quản trị trang web của Microsoft cũng khuyến nghị cấu trúc nội dung rõ ràng và các cấp độ tiêu đề hợp lý cho nội dung có thể hỗ trợ các câu trả lời và trích dẫn của AI. Cả hai nguồn đều không đưa ra định dạng tiêu đề nào đảm bảo được chọn. (developers.google.com)

Một tiêu đề hữu ích đặt tên cho ý chính mà phần đó muốn truyền tải. “Khi một phần ngắn gọn hoạt động hiệu quả” thông tin hơn là “Thông tin chi tiết hơn.” Nhưng tiêu đề nên mô tả nội dung, không lặp lại các cụm từ tìm kiếm một cách vô ích.

Neo được đặt tên là các liên kết hữu ích, không phải các trang riêng biệt

Một ID như id="short-sections" cho phép một liên kết nhảy đến một tiêu đề cụ thể trên trang. Điều đó giúp người đọc chia sẻ hoặc truy cập lại một phần. Nó không phải là một trang riêng biệt, có thể lập chỉ mục cho phần đó. Google cho biết họ thường bỏ qua các đoạn URL (URL fragments) để thu thập dữ liệu và lập chỉ mục như nội dung riêng biệt, trong khi vẫn hỗ trợ các đoạn được sử dụng để trỏ đến nội dung bên trong một trang. (developers.google.com)

Vì vậy, hãy sử dụng các neo được đặt tên để điều hướng ổn định. Đừng mong đợi một liên kết #section-name, tự nó, sẽ tăng xác suất trích dẫn hoặc tăng tốc độ lập chỉ mục.

Cách viết rõ ràng vượt trội hơn đánh dấu thông minh

Hướng dẫn hiện tại của Google rất trực tiếp: không cần thiết phải chia nội dung thành các đoạn nhỏ cho AI, và không có độ dài trang lý tưởng. Hãy tổ chức trang cho người đọc và chủ đề của nó. Google cũng cho biết các tính năng AI của họ dựa vào các hệ thống tìm kiếm cốt lõi, chứ không phải một định dạng phân đoạn đặc biệt. (developers.google.com)

Đó là một quy tắc tốt hơn là mù quáng tuân theo một số lượng từ.

Ý tưởng 80–120 từ: một mặc định hữu ích, không phải quy tắc xếp hạng

Một phần gồm 80–120 từ có thể hoạt động tốt khi nó trả lời một câu hỏi một cách hoàn chỉnh. Ví dụ, nó có thể đưa ra một khuyến nghị, giải thích lý do tại sao nó hoạt động, và đưa ra một cảnh báo.

Nhưng việc ép buộc mọi phần vào phạm vi đó có thể làm cho bài viết trở nên rời rạc. Một số ý tưởng cần một câu trả lời ngắn gọn. Những ý khác cần một ví dụ đã thực hiện, bằng chứng, hoặc một cảnh báo làm thay đổi khuyến nghị.

Hãy coi 80–120 từ là một điểm khởi đầu biên tập — chứ không phải một ngưỡng SEO. Giữ một phần ngắn gọn khi nó đưa ra một ý hoàn chỉnh. Hãy để nó dài hơn khi việc cắt bớt sẽ loại bỏ ngữ cảnh cần thiết.

Cách thực hiện thử nghiệm A/B đáng tin cậy

Để kiểm tra ảnh hưởng trên tìm kiếm AI công cộng, bạn cần một trang web đang hoạt động, quyền truy cập vào các công cụ lập chỉ mục và một bộ câu hỏi cố định. Một thử nghiệm nhỏ trên hai trang có thể thú vị, nhưng nó không thể tách biệt các hiệu ứng bố cục khỏi sự khác biệt về chủ đề, quyền hạn, hoặc thời gian thu thập dữ liệu.

So sánh hai phiên bản kiến trúc

Để thử nghiệm đầu tiên, hãy so sánh hai mẫu trang sau:

Phạm vi 300–500 từ là một kiểm soát thử nghiệm được đề xuất, không phải là một tiêu chuẩn đã được thiết lập. Giữ các sự kiện cốt lõi, bằng chứng, ví dụ, mẫu trang, siêu dữ liệu và hỗ trợ liên kết nội bộ càng giống nhau càng tốt.

Thử nghiệm đầu tiên này đo lường một tập hợp các lựa chọn thiết kế. Nếu Biến thể A có nhiều đoạn ngắt phần và nhiều tiêu đề H3 hơn, bạn không thể nói liệu bất kỳ sự khác biệt nào đến từ số lượng từ, tiêu đề, hay sự kết hợp của chúng. Để cô lập các yếu tố đó, hãy chạy một thử nghiệm thứ hai thay đổi từng yếu tố một — ví dụ, giữ nguyên đánh dấu tiêu đề và neo trong khi thay đổi các đoạn ngắt đoạn văn.

Sử dụng hai loại thử nghiệm

1. Một thử nghiệm truy xuất có kiểm soát

Đặt cùng một văn bản nguồn vào hai phiên bản của hệ thống truy xuất của riêng bạn, hoặc một hệ thống thử nghiệm mà bạn kiểm soát. Giữ nguyên mô hình, cài đặt tìm kiếm và bộ câu hỏi. Chỉ thay đổi cách văn bản được phân tách.

Điều này có thể kiểm tra liệu một bố cục có dẫn đến truy xuất tốt hơn hoặc câu trả lời chính xác hơn bên trong hệ thống đó hay không. Nó không cho bạn biết sản phẩm tìm kiếm AI công cộng sẽ làm gì.

2. Một thử nghiệm web trực tiếp

Các công cụ tìm kiếm công cộng cần các trang trực tiếp, vì vậy hãy sử dụng các trang gốc, được ghép đôi thay vì xuất bản các bản sao giống hệt nhau. Ghép các trang có đối tượng, độ khó chủ đề, tuổi đời và hỗ trợ trang web hiện có tương tự nhau. Gán ngẫu nhiên một trang trong mỗi cặp cho Biến thể A và trang còn lại cho Biến thể B.

Giữ quy trình xuất bản công bằng: sử dụng các mẫu trang, siêu dữ liệu, liên kết nội bộ và thời gian sơ đồ trang web tương đương. Đừng quảng bá một biến thể nào mạnh hơn. Nếu trang web chỉ có vài trang phù hợp, hãy coi kết quả là một thử nghiệm nhỏ, không phải bằng chứng.

Đo lường các kết quả riêng biệt

• Độ chính xác trích xuất đoạn trích: Chuẩn bị các câu hỏi với câu trả lời đã biết. Yêu cầu người đánh giá kiểm tra xem mỗi đoạn trích hoặc câu trả lời do AI tạo ra có thu thập đúng sự thật mà không thay đổi ý nghĩa của nó hay không.
• Tỷ lệ chọn trích dẫn: Đối với mỗi câu hỏi cố định, ghi lại xem trang đích có xuất hiện như một trích dẫn hay không. Đồng thời ghi lại xem trang được trích dẫn thực sự có hỗ trợ tuyên bố đó hay không.
• Thời gian lập chỉ mục: Ghi lại thời điểm mỗi trang được xuất bản, được thu thập dữ liệu lần đầu và được xác nhận là đã lập chỉ mục lần đầu. Kiểm tra trạng thái thường xuyên và báo cáo thời gian trung bình, cộng với tỷ lệ phần trăm vẫn chưa được lập chỉ mục vào cuối thử nghiệm.

Thời gian lập chỉ mục cần được xử lý cẩn thận. Google khuyến nghị các liên kết có thể thu thập dữ liệu và sơ đồ trang web để giúp khám phá, nhưng nói rằng việc thu thập dữ liệu và lập chỉ mục không được đảm bảo. Hướng dẫn của họ cũng lưu ý rằng các bản cập nhật thu thập lại có thể mất thời gian. Báo cáo các trang chưa được lập chỉ mục vào cuối thử nghiệm là chưa được lập chỉ mục, thay vì âm thầm loại bỏ chúng khỏi kết quả. (developers.google.com)

Sử dụng danh sách truy vấn cố định và lặp lại các câu hỏi tương tự trên cùng các sản phẩm tìm kiếm AI. Kết quả có thể thay đổi, vì vậy hãy ghi lại ngày, nền tảng, câu hỏi, câu trả lời và URL được trích dẫn vào nhật ký. Báo cáo Hiệu suất AI của Bing Webmaster Tools có thể hiển thị những trang web nào được trích dẫn và hoạt động trích dẫn thay đổi như thế nào. Bing cảnh báo rằng những thay đổi trong tổng số đó không cho thấy một chỉnh sửa trang đã gây ra thay đổi. (bing.com)

Các giả thuyết của tôi—không phải kết quả thử nghiệm

Trước khi thực hiện thử nghiệm, tôi mong đợi rằng:

• Độ chính xác của đoạn trích có thể cải thiện khi một phần trả lời một câu hỏi có khả năng xảy ra mà không làm mất ngữ cảnh cần thiết. Các nghiên cứu RAG hỗ trợ kiểm tra ý tưởng này, nhưng không thiết lập ảnh hưởng của nó đối với tìm kiếm AI công cộng.
• Việc lựa chọn trích dẫn có thể thay đổi ít—hoặc hoàn toàn không. Một phần rõ ràng hơn có thể giúp hiểu, nhưng quyết định trích dẫn cũng phụ thuộc vào truy vấn, các nguồn cạnh tranh, và liệu trang có thể truy cập và liên quan hay không. Google mô tả các câu trả lời AI dựa vào truy xuất tìm kiếm và các truy vấn liên quan, chứ không phải một quy tắc độ dài phần cố định. (developers.google.com)
• Thời gian lập chỉ mục có thể không cải thiện chỉ vì các phần ngắn hơn. Các tín hiệu khám phá và quyền truy cập thu thập dữ liệu là những điều trực tiếp hơn để kiểm tra. Đây là một kỳ vọng có lý, không phải là một kết quả đo lường.

Một tiêu chuẩn kiến trúc nội dung thực tiễn

Đối với hầu hết các trang của nhà sáng lập và sản phẩm, tôi khuyến nghị đây là một phong cách chung, không phải lời hứa về nhiều trích dẫn hơn:

1. Một trang, một nhu cầu chính của người đọc. Nêu rõ trang giúp người đọc làm gì.
2. Một H1 rõ ràng. Làm cho chủ đề chính rõ ràng.
3. Sử dụng các H2 và H3 mô tả. Làm cho trang dễ quét, với các tiêu đề theo thứ tự hợp lý.
4. Nhắm tới một câu trả lời hoàn chỉnh cho mỗi phần. Sử dụng 80–120 từ khi độ dài đó phù hợp. Hãy để nó dài hơn khi ý tưởng cần bằng chứng, ngữ cảnh, hoặc một ví dụ.
5. Viết sao cho mỗi phần có thể đứng độc lập. Gọi tên sản phẩm, người, hoặc ý tưởng thay vì dựa vào các từ mơ hồ như “nó” hoặc “cái này.”
6. Thêm các ID ổn định, mô tả vào các tiêu đề quan trọng. Sử dụng các liên kết thông thường như href="#short-sections" để điều hướng trang — không phải như một tuyên bố rằng mỗi đoạn là một trang mới.
7. Giữ văn bản quan trọng có thể truy cập được. Kiểm tra xem các trình thu thập dữ liệu có thể tiếp cận trang và nội dung chính của nó có sẵn dưới dạng văn bản hay không. Đối với ChatGPT Search, OpenAI xác định OAI-SearchBot là trình thu thập dữ liệu tìm kiếm và giải thích rằng chủ sở hữu trang web có thể quản lý quyền truy cập của nó thông qua robots.txt. (developers.openai.com)
8. Đặt bằng chứng bên cạnh tuyên bố mà nó hỗ trợ. Một tuyên bố ngắn gọn với một nguồn gần đó dễ kiểm tra hơn là một tuyên bố phụ thuộc vào ngữ cảnh cách đó vài phần.
9. Giữ quan điểm của chủ sở hữu. Một bố cục rõ ràng sẽ không làm cho nội dung chung chung đáng được trích dẫn — hoặc đáng đọc.

Điểm cuối cùng đó dễ bị bỏ qua. Tự động hóa nên giúp nhà sáng lập tiết kiệm thời gian, chứ không phải xóa bỏ lý do tại sao nội dung của họ khác biệt. Một quy trình làm việc nội dung hữu ích có thể tái sử dụng một bản tóm tắt rõ ràng: Người tạo, Đối tượng, và Phong cách. AutoPod sử dụng những đầu vào đó để hướng dẫn các bài viết trong khi vẫn giữ quan điểm của chủ sở hữu trong quá trình. Hệ thống có thể tổ chức trang; nhưng insight vẫn cần đến từ những người hiểu sản phẩm và khách hàng.

Kết luận: thiết kế vì sự rõ ràng, sau đó thử nghiệm

Các phần ngắn, tiêu đề rõ ràng và các neo được đặt tên là thiết kế trang tốt. Chúng không phải là một thủ thuật trích dẫn đã được chứng minh. Một phần 80–120 từ là một điểm khởi đầu hợp lý khi nó diễn đạt một ý tưởng hoàn chỉnh, nhưng các phần dài hơn có thể phù hợp khi người đọc cần thêm ngữ cảnh.

Xây dựng các trang mà mọi người có thể quét và tin tưởng. Đảm bảo các hệ thống tìm kiếm có thể truy cập chúng. Sau đó kiểm tra xem liệu một bố cục mô-đun có cải thiện việc trích xuất hoặc trích dẫn trên các trang của bạn hay không. Cho đến khi thử nghiệm đó được thực hiện, câu trả lời chân thật rất đơn giản: **phân đoạn tốt đáng để thử nghiệm, nhưng quy tắc 100 từ không phải là một sự thật.