Ghi «đã cấu hình llms.txt» vào biên bản nghiệm thu là kiểu tự lừa mình phổ biến nhất trong nửa năm nay. Tệp có thật, mở trình duyệt thấy chữ, mã trạng thái 200. Ba tháng sau hỏi ChatGPT, nó vẫn không biết công ty này là ai — vì cái 200 đó có thể không phải tệp của bạn, mà là cùng một trang mà website trả về cho mọi đường dẫn.
Chúng tôi dùng cùng một thước đo (sáu tiêu chí, 100 điểm), đo từ node Singapore trên trang chủ và các tệp gốc của 40 website đầu ngành Việt Nam: 26 site chấm được, điểm trung bình 42,73; chỉ 2 tệp llms.txt thật; và nếu chỉ nhìn mã trạng thái, sẽ đếm ra 6 site «có» llms-full.txt trong khi thực tế là 0.
Mã trạng thái là câu trả lời của máy chủ, không phải bằng chứng về nội dung. Lối tắt «200 = có» sẽ làm sai lệch cùng lúc biên bản nghiệm thu, báo cáo giám sát và bản trình bày cho khách hàng.
1. Sáu con số trước đã
Nhóm đối chứng là chính chúng tôi: cùng thước đo, trang bài viết GEO trên yuezhitong.com đạt 98/100. Con số này không phải để khoe, mà để chứng minh thước đo không phải một tiêu chuẩn giả kiểu «không ai qua nổi» — cùng bộ tiêu chí, doanh nghiệp đầu ngành Việt Nam 42,73, chúng tôi 98. Chênh lệch tập trung ở mục «điểm khám phá cho AI»: thang 20, trung bình mẫu chỉ 2,92. (Lưu ý: huy hiệu 88/100 ở cuối trang do engine chẩn đoán 8 chiều của chúng tôi chấm, khác thang với sáu tiêu chí trong bài — hai thang không so sánh trực tiếp được; mọi đối chiếu trong bài chỉ đúng trong cùng một thang.)
2. 200 chỉ chứng minh máy chủ đã trả lời
Mã trạng thái HTTP trả lời câu «yêu cầu này có được xử lý không», không trả lời «thứ bạn cần có ở đó không». Khi đường dẫn không khớp được giao cho router phía client, cho một cú 301, hoặc cho trang thử thách của WAF, cả ba trường hợp đều trả 200.
Kiểu một: router phía client đỡ hết (SPA fallback)
Chúng tôi gọi hai đường dẫn ngẫu nhiên khác nhau trên cùng một tên miền, hai lần cho kết quả giống nhau đến từng byte:
| Tên miền | Trả về cho đường dẫn ngẫu nhiên | Số byte | Ghi chú |
|---|---|---|---|
| winmart.vn | 200 | 15.893 | Hai đường dẫn khác nhau, số byte y hệt |
| shopee.vn | 200 | 161.625 | Trả về vỏ ứng dụng |
| thienlong.com | 200 | 5.760 | Trả về vỏ ứng dụng |
Số byte trùng nhau là mấu chốt: một trang nội dung thật không thể trả về cùng độ dài HTML cho hai đường dẫn ngẫu nhiên. Nghĩa là khi bạn gọi /llms.txt và nhận 200, thứ trong tay có thể chỉ là bản sao của trang chủ.
Kiểu hai: 301/302 quay về trang chủ
nguyenkim.com chuyển mọi đường dẫn về https://www.nguyenkim.com/ rồi trả 200; hust.edu.vn chuyển về /vi/page/. Client đi theo chuyển hướng và đúng là nhận 200, nhưng trang đáp lại là trang chủ — không phải tệp bạn cần.
Kiểu ba: trang thử thách chống bot cũng trả 200
masan.com trả về trang khoảng 2.986 byte cho mọi đường dẫn, thẻ <html> có data-adblockkey=…, phần chữ 72 ký tự, tiêu đề ghi «This website is for…». Nó không phải 404, cũng không phải trang nội dung — đó là thành phần chống bot đang chào client. Kiểu này dễ bị chấm nhầm thành «site bình thường» nhất.
Chạy lại chỉ cần hai dòng, và phải đọc mã trạng thái + kiểu nội dung + số byte cùng lúc, thiếu một cái là chấm sai:
for p in /a-$(date +%s).html /b-$(date +%s%N).html; do curl -s -o /dev/null -w "%{http_code} %{content_type} %{size_download}\n" "https://example.vn$p"; done
Kiểu khó thấy hơn: 6 cái 200 của llms-full.txt
llms-full.txt là «cuốn sổ tay đầy đủ» dành cho AI. Trong mẫu có 6 site trả 200; xem nội dung từng cái, không có tệp thật nào:
| Tên miền | Trạng thái | Kiểu nội dung | Byte | Thực tế trả về |
|---|---|---|---|---|
| nguyenkim.com | 200 | text/html | 246.317 | Toàn bộ trang chủ |
| shopee.vn | 200 | text/html | 161.625 | Vỏ ứng dụng |
| lazada.vn | 200 | text/html | 82.681 | HTML trang chủ |
| winmart.vn | 200 | text/html | 15.861 | Vỏ ứng dụng |
| thienlong.com | 200 | text/html | 5.760 | Vỏ ứng dụng |
| masan.com | 200 | text/html | 3.011 | Trang thử thách chống bot |
Nhóm đối chứng: ghtk.vn, tiki.vn, cellphones.com.vn đều trả 404 đúng; /llms-full.txt của chúng tôi trả 200 + text/plain + 66.492 byte văn bản thật.
Nếu biên bản nghiệm thu ghi «mã 200 là đã cấu hình», mẫu này sẽ báo 6 site đạt, dương tính giả 100%. Loại sai này không lộ ra ngay — nó xuất hiện ba tháng sau, dưới dạng «AI cứ không nhắc đến chúng tôi».
3. Sáu tiêu chí: 100 điểm từ đâu ra
| Mục | Điểm tối đa | Đo cái gì | Dương tính giả thường gặp |
|---|---|---|---|
| Khả dụng & an toàn | 15 | HTTPS bắt tay được, đường dẫn gốc 200, byte đầu <8 giây | Trang thử thách 200 bị tính là truy cập được |
| Điểm khám phá cho AI | 20 | llms.txt thật 12 + llms-full.txt 4 + sitemap đọc được 4 | 200 giả mạo tệp tồn tại |
| Dữ liệu cấu trúc | 25 | Có JSON-LD 10 + kiểu thuộc họ Organization 8 + đủ name/url/logo/sameAs 7 | Chỉ đặt WebSite, không đặt Organization |
| Đối xử với bot | 15 | robots.txt đọc được 5 + nêu tên ít nhất một bot AI 10 | Chỉ ghi User-agent: * |
| Nội dung trích xuất được | 15 | Chữ hiển thị ≥1.500 ký tự 6 + đúng một h1 4 + ≥8 đoạn 3 + tỷ lệ chữ ≥15% 2 | Nội dung render hoàn toàn bằng JS |
| Đa ngôn ngữ | 10 | hreflang ≥1 4 + có en/vi 3 + khai báo html lang 3 | hreflang chỉ trỏ về chính nó |
Bộ tiêu chí này không đánh giá «website có đẹp không», nó chỉ hỏi một câu: một crawler không chạy JS, không mang Cookie, chỉ đọc HTML gốc, có đọc ra được bạn là ai, làm gì, chỗ nào đáng tin không. Lớp crawler như GPTBot, ClaudeBot, CCBot về cơ bản hoạt động đúng như vậy — chúng không cam kết render front-end cho bạn.
4. Mẫu và phương pháp
- Mẫu: 40 tên miền Việt Nam, 10 ngành — ngân hàng 5, bán lẻ chuỗi 7, thương mại điện tử 4, logistics 4, hàng không – du lịch 3, sản xuất/FMCG 4, bất động sản 4, công nghệ – viễn thông 4, chuỗi dược 3, đại học 2.
- Node đo: Alibaba Cloud Lightweight tại Singapore (không dùng node Trung Quốc đại lục — độ trễ của đường ra sẽ bị ghi nhầm thành lỗi của website đối phương).
- Thời điểm: 14.11.2026, một thời điểm. Mỗi tên miền lấy trang chủ 1 lần + 5 tệp gốc (llms.txt, llms-full.txt, sitemap.xml, robots.txt) + 2 đường dẫn ngẫu nhiên 2 lần.
- Cách đo: GET, không chạy JS, không mang Cookie, không lấy mẫu lặp, UA trình duyệt desktop thống nhất.
- Quy ước: 403, timeout, kết nối bị reset, bắt tay TLS thất bại đều ghi «không chấm được», không cho 0 điểm. Viết «tôi vào không được» thành «nó 0 điểm» là kiểu chính xác giả phổ biến nhất trong loại báo cáo này.
5. Kết quả
| Ngành | Chấm được / mẫu | Điểm trung bình | Cao nhất |
|---|---|---|---|
| Bất động sản | 2 / 4 | 54,0 | 65 |
| Bán lẻ chuỗi | 3 / 7 | 49,7 | 61 |
| Logistics | 4 / 4 | 47,0 | 65 |
| Thương mại điện tử | 3 / 4 | 46,7 | 61 |
| Chuỗi dược | 1 / 3 | 46,0 | 46 |
| Đại học | 2 / 2 | 45,0 | 51 |
| Sản xuất / FMCG | 1 / 4 | 39,0 | 39 |
| Công nghệ – viễn thông | 3 / 4 | 38,0 | 61 |
| Ngân hàng / tài chính | 5 / 5 | 36,2 | 56 |
| Hàng không – du lịch | 2 / 3 | 28,0 | 33 |
Phân bố: dưới 30 điểm 6 site, 30–49 điểm 10 site, 50–64 điểm 7 site, từ 65 điểm trở lên 3 site. Trung vị 39, cao nhất 65 (hungthinh.com.vn, ghtk.vn, ghn.vn đồng hạng), thấp nhất 20 (mbbank.com.vn, shopee.vn, viettel.com.vn, viettelpost.com.vn đồng hạng). Điểm cao nhất là 65, không site nào chạm 70. Theo bộ tiêu chí này, điểm trung bình của website đầu ngành Việt Nam là 42,73.
6. Sáu phát hiện
1. Cửa mở hết, nhưng gần như không ai phát danh thiếp. Nhóm chấm được đạt 100% ở mục «khả dụng & an toàn», nhưng chỉ 14,6% ở mục «điểm khám phá cho AI». Nghĩa là: crawler AI vào được, nhưng vào rồi thì gần như không ai nói cho nó biết «tôi là ai, tôi có những trang nào, sổ tay của tôi ở đâu». Đây là đoạn đường có tỷ suất đầu tư cao nhất — không cần đập đi xây lại website.
2. Trong 26 site, 8 site có phần chữ gần như bằng không trong HTML trang chủ (30,8%). vpbank.com.vn có 172 ký tự chữ ở màn hình đầu, winmart.vn 41, vietjetair.com 53; mbbank.com.vn, shopee.vn, viettelpost.com.vn, thienlong.com, viettel.com.vn là 0. Với những site này, crawler không chạy JS nhìn thấy một tờ giấy trắng. «Nội dung» của họ chỉ tồn tại trong trình duyệt, mà AI thì không chắc mở trình duyệt giúp bạn.
3. Chỉ 4 site (10%) nêu tên bot AI trong robots.txt. nguyenkim.com, lazada.vn, pharmacity.vn, ankhang.vn. Trong đó nguyenkim, pharmacity, ankhang dùng cùng một danh sách 9 bot (GPTBot, ClaudeBot, anthropic-ai, Claude-Web, CCBot, Bytespider, Google-Extended, Applebot-Extended, Meta-ExternalAgent), câu chữ và thứ tự trùng khớp — cho thấy đây đã là «phụ tùng tiêu chuẩn» của nhà cung cấp web/đại lý vận hành, mua được, không phải tự nghiên cứu.
4. Chỉ có hai llms.txt thật, và mỗi tệp có vấn đề riêng. lazada.vn 3.661 byte, viết bằng tiếng Việt, trình bày hệ thống khuyến mại và lối vào theo ngành hàng — tệp giống «sổ tay cho AI» nhất trong lô này; thienlong.com 735 byte được sinh tự động từ sitemap, có lẫn cả /cart, /checkout, /orderconfirmation — hướng đúng, nội dung chưa soát.
5. Dữ liệu cấu trúc 9/26 (34,6%), nhưng chỉ 1 site đủ bốn trường. Phần lớn đặt WebSite và BreadcrumbList mà không đặt Organization; site có Organization thì thường thiếu sameAs (liên kết cùng một thực thể tới Wikidata, LinkedIn, Facebook). sameAs là bằng chứng máy đọc được duy nhất cho câu «ba tài khoản này là một»; thiếu nó, AI chỉ còn cách tính thành ba thực thể.
6. Ngân hàng là nhóm «dễ vào nhất, nói ít nhất». 5 ngân hàng đều trả 200 cho trang chủ, điểm trung bình 36,2 — thấp nhất trong mười ngành; mbbank.com.vn cùng shopee.vn, viettel.com.vn, viettelpost.com.vn xếp cuối với 20 điểm. WAF của tổ chức tài chính càng chặt, càng dễ chặn luôn crawler AI — trong mẫu còn 5 site trả thẳng 403 (trang «Just a moment…» và «Attention Required!» của Cloudflare), đến lượt chấm cũng không có.
7. «Chưa hoàn chỉnh» vẫn là tiến bộ
Tệp llms.txt 735 byte của thienlong.com đáng được nói riêng: nó sinh tự động, có lẫn đường dẫn giỏ hàng, chưa tinh. Nhưng nó làm đúng một việc then chốt — mở cho AI một lối vào không phụ thuộc JS. So với 6 site trả 200 nhưng chỉ là vỏ HTML, họ còn chưa dựng được lối vào.
Một llms.txt tối thiểu không cần công cụ, mười phút là xong, chỉ cần năm khối thông tin:
# Tên công ty (tên miền)
## Một câu: làm gì, cho ai, ở thị trường nào
## Trang cốt lõi: /about /products /pricing /contact (mỗi trang một dòng)
## Số liệu sự thật: năm thành lập, quy mô, chứng nhận, tư cách bên thứ ba kiểm chứng được
## Ngày cập nhật: 2026-11 (AI dùng nó để xét độ mới)
Hai điều cần lưu ý: đừng đặt /cart, /checkout, /login — những đường dẫn vô nghĩa với AI; và sau khi publish phải curl đọc lại một lần, xác nhận trả về text/plain chứ không phải text/html — toàn bộ dương tính giả ở mục 2 và 3 của bài này đều chết ở đúng bước đó.
8. Danh mục 90 ngày
1Diệt 200 giả trước (ngày 1, 30 phút). Gọi ba đường dẫn không tồn tại, xác nhận site trả 404 chứ không phải 200. Nếu trả 200, sửa chính sách router/thử thách trước, nếu không mọi «đã cấu hình» sau đó đều không đáng tin.
2Viết một llms.txt thật (tuần 1). Theo năm khối trên, ≤60 dòng, publish xong curl -I xác nhận Content-Type: text/plain và số byte.
3Bổ sung Organization JSON-LD (tuần 2–3). Đủ bốn trường name / url / logo / sameAs; trong sameAs đặt link chính thức của cùng thực thể trên Wikidata, LinkedIn, Facebook, YouTube.
4Nêu tên bot AI trong robots.txt (tuần 4). Ít nhất GPTBot, OAI-SearchBot, ClaudeBot, PerplexityBot, Google-Extended, CCBot; và kiểm tra thật trên CDN/WAF — 5 site 403 trong mẫu là bài học: robots.txt cho phép không có nghĩa là thực sự được vào.
5Làm cho nội dung tồn tại trong HTML gốc (tháng 2–3). Các trang then chốt (giới thiệu, sản phẩm, giá, ca nghiên cứu) chuyển sang server-side rendering hoặc pre-render; căn hreflang với html lang. Tiêu chí nghiệm thu chỉ một: tắt JS đi, trên trang còn chữ đọc được hay không.
9. Kết luận
Chuỗi GEO có thứ tự: crawl được → đọc hiểu được → nhận ra được → đáng tin → được trích dẫn. Phân bố thực đo trên 40 site này là: bước một 100%, bước hai 46,7%, bước ba 31,4%, bước bốn 14,6%. Phần lớn ngân sách đổ vào nội dung và quảng cáo của bước năm, trong khi vé vào cửa của ba bước đầu vẫn chưa mua.
Môi trường bên ngoài cũng không chờ: Gartner dự báo lượng tìm kiếm truyền thống năm 2026 giảm 25% (2024-02); khảo sát của Bain cho thấy 80% người tiêu dùng dành ít nhất 40% nhu cầu tìm kiếm cho kết quả AI; iMedia Consulting định giá thị trường GEO Trung Quốc 34,93 tỷ CNY năm 2025 và dự báo 94,2 tỷ CNY năm 2026 (2026-02); tại Việt Nam, Technode (2025-08) đo mức phủ của ChatGPT đạt 81%. Việc người mua dùng AI để tìm nhà cung cấp đã xảy ra; câu hỏi còn lại chỉ là: khi đến lượt bạn được tìm thấy, trong tay AI có tài liệu nào về bạn, và tài liệu đó có kiểm chứng được không.
Được AI thấu hiểu — được thế giới nhìn thấy. Và bước đầu của «được thấu hiểu» không phải viết thêm nội dung, mà là đổi tấm vé 200 giả thành vé thật.